广州大学AI-DimSum：粤语多模态语料库平台数字化里程碑

12月6日至7日，第十届语言服务高级论坛在广州大学成功举办。论坛期间，粤语语料库建设与大规模模型评测实验室正式发布了其最新研究成果——AI-DimSum多模态粤语语料库平台，标志着在全球拥有上亿使用者的粤语，正迈入数字化发展的崭新阶段。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

突破“低资源语言”困境，广州大学教授齐佳音介绍指出，在当前的网络世界中，粤语常被归类为“低资源语言”。该平台紧密围绕“数字中文建设”与“大湾区文化数字化”两大战略需求，构建了一个基于岭南文化、面向人工智能应用的多模态语料数据生态系统，并严格遵循“标准先行、数据可溯、服务可用”的核心原则。

一体化、模块化的基础设施 AI-DimSum平台由语料采集、标注、大模型对接、确权检索、质量评估、管理及应用商店等七个子系统构成，实现了从数据采集到模型接入与应用发布的一体化、模块化全流程覆盖。

海量语料的坚实支撑 该语料库汇聚了丰富的多模态资源，为AI模型训练提供了坚实的基础：

文本：收录超过100万字的语料，广泛覆盖新闻、文学等领域。

音视频：已完成3000小时的高保真语音标注，并整合了超过1TB的音视频原始资料。

影视：包含了《功夫熊猫》《大圣归来》《外来媳妇本地郎》等多部带有粤语字幕与精细标注的经典作品。

评测：构建了一套包含超过20万道题目的粤语大模型内容安全多模态评测体系。

该平台的发布，将极大提升粤语在人工智能大模型时代的应用能力与文化传承价值。