（“粤语语料库建设与大模型评测重点实验室”启动）

为全面贯彻落实党的二十届三中全会《中共中央关于进一步全面深化改革 推进中国式现代化的决定》提出的“构建中华文明标识体系”“实施哲学社会科学创新工程，构建中国哲学社会科学自主知识体系”“完善生成式人工智能发展和管理机制”精神，贯彻落实习近平文化思想，贯彻落实省委“1310”具体部署、市委“1312”思路举措以及国家、省、市“十四五”时期哲学社会科学发展规划，广州市社科联牵头，连同广州大学深入调研、科学论证、系统谋划，2024年11月14日，广州社科重点实验室——“粤语语料库建设与大模型评测重点实验室”正式成立。该实验室旨在通过“粤语+人工智能”文化科技融合创新，推动岭南文化传承、传播和创新发展。中国工程院方滨兴院士与国家语言服务与粤港澳大湾区语言研究中心主任屈哨兵教授担任重点实验室的双首席科学家，广州大学齐佳音教授担任重点实验室主任，禤健聪教授担任副主任。

针对粤语的人工智能友好型语料库建设的现实问题，粤语语料库建设与大模型评测重点实验室牵头，开发了以“文化忠实、安全可信、AI友好、持续成长”为特色的AI-DimSum通用粤语语料库。该语料库提供的不只是单纯的“语料收集”或“语言档案保存”，而是一整套“从语料获取到AI应用落地”的闭环服务，是服务多种需求，特别是面向人工智能应用的新型方言语料库。

AI-DimSum粤语语料库平台首创语料采集、标注、大模型对接、确权检索、质量评估、管理、应用商店七大子系统，实现从数据采集、清洗、标注到应用发布的一体化流程。

（AI-DimSum通用粤语语料库技术框架）

核心创新包括：

以广州市社科联与广州大学为双核心（两个“1”），联动其他高校、企业、开源社区等N方资源，构建共建共享生态；

（“1+1+N”协同机制）

通过模块化设计支持教育、文化、产业等多场景快速落地；

融合岭南文化精神标识体系与价值对齐规则，确保语料库兼具文化内涵与安全性。

教育部召开新闻发布会，介绍深入贯彻落实《教育强国建设规划纲要（2024—2035年）》、推进语言文字信息化发展情况。发布会上，广东省教育厅副厅长朱建华介绍了广东省以数字化注入新动力全面赋能强省建设的举措和成效，重点推介了AI-DimSum粤语语料库。

实验室团队拜访了我国著名语言学家、汉语方言学领域的领军人物、暨南大学詹伯慧先生。詹先生勉励团队要勇于承担时代责任，打破学科壁垒，以“坚持、坚持、再坚持”的毅力，持续推动粤语与人工智能深度融合的语言服务创新。

（詹伯慧先生题词勉励实验室团队）

实验室组团分别赴青海师范大学、广西师范大学开展交流调研，重点考察藏语智能信息处理及应用国家重点实验室、东盟语料库建设经验。此次调研交流为深入探讨民族语及汉语方言语料库建设路径搭建了合作桥梁，为实验室的建设提供给了宝贵的经验。

（调研藏语智能信息处理及应用国家重点实验室）

实验室团队提交的《粤语语料库建设建设现状及通用型粤语语料库建设建议》获国家语委肯定性批示，称“此举事关重大，是数字中文建设的重要‘关键领域’，指导支持中心以标准规范为引领，以价值对齐为导向，以规范安全为底线，以共建共享为机制，深化该项语料库建设，夯实‘新基建’，服务人工智能大语言模型应用‘制高点’”。

教育部党组成员、副部长任友群到广州大学调研，听取了粤语语料库建设与大模型评测重点实验室主任齐佳音教授的介绍和系统演示。

AI-DimSum多模态通用粤语语料库平台面向全球发布。目前，AI-DimSum粤语语料库平台已汇聚超100万字文本、3000小时高保真语音、1TB音视频、1万张岭南文化图像，建成包含6669条权威词条的安全语料库，规模居全球粤语语料库前列。教育部语言文字信息管理司领导对AI-DimSum粤语语料库平台发布给予高度评价。

（AI-DimSum多模态通用粤语语料库平台面向全球发布）

在中国数字文娱大会“新技术-智慧文娱解锁消费密码”分论坛上，实验室发布了6个支持人工智能应用的岭南文化数据集。

AI-DimSum多模态通用粤语语料库平台已孵化粤语数字人、智能配音、廉州话小程序等10余款应用，覆盖文旅、教育、短剧等领域。例如，与百度合作开发的“粤语智声”系统支持复杂场景语音识别，准确率达90%；与羊城晚报联合发布6大岭南文化数据集，推动非遗数字化。

AI-DimSum多模态通用粤语语料库平台项目通过13期学术沙龙、5届黑客松大赛吸引港澳高校参与，并在永庆坊等历史街区开展文化宣讲，提升公众参与度。央视、广东卫视等主流媒体深度报道，显著提升方言科技能见度。

平台构建的“采集-标注-确权-应用”全流程体系可复制至客家话等方言，为国家方言语言资源保护提供技术样板。未来将通过开源开放支持全球粤语数字生态，助力“数字中国”建设。

来源丨广州社科