結合文字、語音、AI 台建置「客語語料庫」領先世界

〔記者楊綿傑／台北報導〕語言是文化保存重要的一環，客委會於2017年底開始啟動台灣第1個本土語言語料庫「台灣客語語料庫」建置計畫，客委會昨舉辦第1期成果發表，展示累積至目前500萬個客語文字、20萬筆客語語音數位化狀況，接續將以大數據方式讓客語與世界各種語言能即時互譯，建立學術研究、客語教學推廣等用途的重要基礎，也為開啟未來AI發展及各種加值服務作準備，「台灣客語語料庫」預計於2022年底正式上線。

客委會主委李永得指出，台灣的客語在過去50年以來，受到不當的打壓，使得客語迅速流失，現在開始進行客語語料庫的建置，也是全世界第1個官方帶頭建置客語語料庫的國家，希望建置完成後不僅能讓客語不再流失，當國外的朋友要認識客語時，也可以透過客語語料庫AI技術互相溝通，進而朝世界強勢語言邁進。

請繼續往下閱讀...

客委會指出，「台灣客語語料庫」已完成書面語料授權筆數316筆出版品、149筆單篇文章，且處理語料庫書面語語料500萬字、口語語料近20萬字，並完成語料庫斷詞系統、權威詞控管系統與後台管理系統初步規劃，預計於2022年底正式上線，未來將能讓客語與時俱進，加快客語進入智能發展的行列，以利未來產製客語的各項加值服務供鄉親使用。

客委會指出，此計畫耗資6000萬元，由政大英語系教授賴惠玲、資訊科學系教授劉吉軒及新聞系教授劉慧雯等主持，賴惠玲在發表會上指出，客語語料庫是跨領域合作的產物，建置過程相當耗時費力，必須仰賴語言學、資訊工程、傳播領域的專家學者們，帶領團隊進行語料蒐集、語料處理、系統建置等程序，才能將語言加工後並轉化成資訊，進一步串聯其他語言，最後結合成可被利用的工具語言。