新增2000萬tokens客語語料 數發部：充實本土AI語言資料基礎
Newtalk新聞
為厚植台灣在地文化與語言的AI實力，數位發展部推動的「台灣主權AI訓練語料庫」近日與客家委員會合作，正式上架客家語言資源、出版品、文史典藏及研究報告等多項珍貴內容，首度新增約2000萬tokens的高品質訓練語料，為台灣主權AI語料注入更豐富的多元文化與語言生命力，並有助於提升AI對客語及客家文化的理解能力，支援客語智慧客服、教育學習等多元應用。
數發部指出，客語作為我國國家語言之一，承載著深厚的歷史與文化底蘊。客委會這次提供的語料內容極具指標性，主要涵蓋：詩集創作、客家風情及客語教學圖書等政府出版品；客語能力認證各級詞彙教材與題庫、口語採錄文本、文化典藏，以及學術與政策研究資料，如客語復振、政策發展與文化治理等。
數發部表示，語料內容不僅展現我國客家文化保存的豐碩成果，更有助於提升AI模型對客語不同腔調、語意及文化脈絡的理解與生成能力。未來將可廣泛應用於客語智慧客服、本土文化知識服務及公共政策等AI創新應用。
數發部指稱，「台灣主權AI訓練語料庫」自上線以來，已累積逾15億tokens語料量，將持續攜手政府機關釋出優質語料，同時深化公私協力，規劃推動民間語料徵集，逐步建構具台灣主權代表性與專業知識的資料基石。
目前該批客語語料已正式上架，數發部歡迎AI模型開發團隊、學研機構及相關單位至「台灣主權AI訓練語料庫」官網（https://taic.moda.gov.tw）申請使用，共同驅動客語AI技術的蓬勃發展與多元應用落地，也歡迎各界將研究成果、應用案例及更多具台灣特色的優質語料回饋至語料庫，讓更多創新想法持續發芽，共同壯大台灣主權AI。