Talko - korpus över den talade svenskan i Finland: Korpusbygge i teori och praktik

Abstract

I augusti 2014 öppnades den finlandssvenska talspråkskorpusen Talko för användarna. Det primära materialet i korpusen utgörs av ljudfiler men en förutsättning för att materialet ska bli sökbart är att det finns olika former av annotering. Ljudfilerna i Talko har försetts med annotering i form av två olika typer av utskrifter eller transkriptioner. Dessutom har orden i transkriptionen försetts med uppgifter om ordklass. I korpusgränssnittet Glossa sammanförs all information och blir sökbar för korpusanvändaren. I den här studien beskriver vi olika arbetsmoment som har krävts för att utifrån talspråksinspelningar bygga upp en sökbar korpus.