離開
進入客家文化數位化 台灣客語語料庫系統今上線
客語語料庫系統今日正式上線，客委會表示，未來將有助於客語研究與教學推展，並作為發展客語語音數位應用的基礎。（記者羅綺攝）
〔記者羅綺／台北報導〕數位化時代來臨！客家委員會透過建置AI客語語料庫，保存客家文化，至今已收錄超過600萬字客語資料。今日客語語料庫系統正式上線開放各界使用，客委會表示，未來將有助於客語研究與教學推展，並作為發展客語語音數位應用的基礎。
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，客委會為了讓客語永續傳承、保存珍貴語料，自106年底開始建置台灣客語語料庫，將文字及語音數位化，創建台灣第一個本土語言語料庫，並結合AI技術，讓客語能與世界上強勢語言，如英語、日語等串聯對話，當國外的朋友要認識客語時，透過客語語料庫AI技術也能互相溝通。
客委會委託國立政治大學建置台灣客語語料庫，以全台客語書寫的客語文本及以客語發音的口語內容作為語料來源。客委會表示，在書面語料方面，蒐羅已出版或對外發表的書面文本，並藉此契機，將台灣客語早期珍貴的作品到近期出版品盤點；而在口語語料部分，來源包含電視節目，或是由執行團隊親自採錄的客語口說內容，如訪談、演講、日常生活對話、說故事等，網址為https://corpus.hakka.gov.tw/。
客委會指出，語料庫所收錄的語料都經過轉寫，以及請專家進行文字校訂，並由系統斷詞；口語語料則再經專家人工聽取音檔、標記時間碼，以供系統辨識並串接文字及音訊區段。
客語語料庫的團隊主持人、政大英語系教授賴惠玲表示，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。
台灣客語語料庫系統具有多項功能，一是資料視覺化與媒體展示，在入口網頁設有客語常用詞文字雲、客語特色詞彙展示，方便民眾快速瀏覽客語常用詞彙，並設有「口語人物誌」，展示語料庫收錄口語語料。二是語言典藏與保存，透過書面語料及及口語語料的蒐集完成台灣客語六腔的基礎保存，展現語言多樣性。
另在教學研究與數位化應用方面，也設置了語料檢索系統及客語斷詞及詞性標注器，能作為客語學術研究、教學推廣使用，後續更能成為台灣客語數位應用的重要素材。
此外，客委會也進一步規劃並建置「台灣客語語音資料庫」，其最大的特色是擁有各腔調客語語音辨識與語音合成語料，未來可結合人工智慧技術，發展客語數位應用。
