简介

语音、语言与身份

CQC可用于研究性少数群体成员说话时的特征。目前对语音的初步分析显示，同一群体内部存在差异，不同群体之间也有明显重叠。因此，不能把某种语音特征等同于某种身份。CQC禁止将本语料用于根据声音判断或推断任何人的性别认同、性取向或其他身份。数据使用协议禁止识别或联系说话人，以及声音克隆。

什么是语音语料库

语音语料库是经过整理、可以用于系统研究的一批录音。除了录音本身，通常还包括文字转写、时间标记，以及关于说话人和录音条件的信息。

• 转写：把录音里说的话逐字写成文字。
• 时间对齐：为转写中的每个词、每个音段（单个语音，例如“妈”里的 m 和 a）标出它在录音中开始和结束的时间。CQC的时间对齐先由程序自动完成，再经过人工核对。

有了这两样，研究者就可以把文字和录音中的具体位置对应起来，分析发音、音高、语速等特征。

可以用来研究什么

语言学、社会学、人类学、性别研究、心理学、传播学等领域的研究者，都可以根据自己的研究问题申请使用。例如：

• 语音特征：不同说话人在音高、发音、语速等方面有哪些特征，这些特征如何随说话情境变化。
• 语言与身份表达：说话人如何描述自身经历、表达立场，以及如何使用“酷儿”“无性恋”“跨性别”等社群说法。
• 公开话语与社群实践：结合转写和背景信息，研究公开视频中关于身份、社群和个人经历的讲述方式。
• 语音技术：评估语音识别等系统在不同说话人和录音条件下的表现，只能报告汇总结果。

以上是可能的研究方向。一个具体问题能否用CQC回答，取决于所申请的数据、研究设计和语料本身的局限。

CQC的原则

• 仅依据说话人在公开内容中对自身身份的明确表述进行标注（例如“酷儿”“无性恋”“跨性别”）。
• 不根据声音、外貌或其他资料推断其性别身份或性取向，也不以他人对说话人的描述作为标注依据。对于说话人未公开说明的身份信息，标记为“未说明”。
• 视频来源是公开的，不等于可以不加限制地汇编和再分发。
• 标注数据和音频只提供给签署数据使用协议的研究人员，仅限非商业研究；协议禁止推断身份、识别或联系说话人、声音克隆和再分发。
• 每次发布前重新核查来源；原视频已删除或设为私密的，相应材料一并移除。

为什么采用受控访问

CQC使用的是公开发布的视频，但视频公开并不意味着说话人同意这些材料被用于任何研究，也不意味着可以不受限制地重新分发。把分散在不同频道的录音集中起来，再和身份信息联系在一起，可能让说话人更容易被找到、认出或被不当使用。因此，CQC限制数据的获取和使用，并提供移除渠道。

语料的局限

CQC收录的是符合纳入标准、并在两个视频平台上公开发布相关内容的说话人。哪些人进入语料，受到平台使用习惯、谁愿意公开发言、检索方式和录音质量等因素影响。因此，CQC的样本不能代表所有普通话使用者，也不能代表所有性少数群体。研究者应报告样本构成和各类别人数，谨慎解释结果。

移除请求

如果你认为语料库收录了与你有关的语音材料，并希望申请移除，请通过邮件联系我们。你无需说明申请理由。

1. 提交申请 发送邮件至 chinesequeercorpus@outlook.com，中英文均可，提供相关频道或视频链接即可。
2. 确认收到我们会尽快回复，确认收到你的申请。
3. 停止分发并移除 收到申请后，我们将立即停止分发相关材料，并在下一版语料库中移除这些材料。
4. 通知数据使用者 我们将通知所有获准访问相关数据的用户，并要求他们在收到通知后的 30 天内删除自己保存的相关副本。

移除的范围：相关材料不会再出现在之后的任何版本中，获批用户也必须删除副本。研究者已经发表的汇总统计结果不包含这些材料本身，我们无法撤回。

数据申请

高校及非营利研究机构的研究人员可以申请访问标注数据。申请前，请先阅读研究者说明和数据使用协议 （英文），并按照 数据申请 页面的说明发送邮件提交申请。