台灣AI新里程碑：客語語料庫上線

30 秒看重點

• 事件：數發部與客委會合作，將2000萬tokens客語語料納入台灣主權AI語料庫。
• 意義：加速台灣客語AI模型開發，確保本土語言文化在數位時代永續發展。
• 影響：提升台灣AI在地化能力，讓生成式AI更理解台灣文化與客語精髓。

為何「客語AI」這麼重要？

這次數發部與客委會合作，將巨量的客語語料投入AI訓練，意義遠超乎表面。想像一下，我們現在使用的主流AI模型，多半是從英文等強勢語言的大量資料中學習而來，對台灣的風土民情、慣用語甚至各種台語、客語，往往一知半解，甚至產生誤解。這就好像一位來自國外的頂尖醫師，醫術高明，卻聽不懂台灣鄉親的台語、客語病況描述，診斷上就可能出現偏差。

「台灣主權AI語料庫」的建立，正是為了解決這個根本問題。透過挹注2000萬tokens的客語語料，我們等於是為AI打造了一套專屬的「客語教材」，讓它能深入學習客語的聲調、詞彙、語法與文化脈絡。這不僅有助於客語的數位化保存，未來也能催生出更多元、更貼近客家族群需求的AI應用，例如客語聊天機器人、客語翻譯工具，甚至能創作客語詩詞或音樂，讓客語文化不再只停留在傳統領域，而是能透過AI在新時代找到新生命。

1. 近期：數位發展部與客委會宣布合作，將2000萬tokens客語語料納入AI語料庫。
2. 未來發展：預計將持續擴充其他台灣本土語言（如台語、原住民族語）語料，強化台灣AI在地化能力。

台灣怎麼看這件事？

對台灣而言，這項計畫的推動具有多重深遠影響。首先，它彰顯了台灣在數位發展上追求「數位韌性」與「主權AI」的決心。在國際AI大廠主導的時代，確保台灣的語言、文化和價值觀能被AI理解並傳承，是維護國家數位主權的重要一環。其次，這項投資也為台灣AI產業帶來新的發展契機，鼓勵更多本土團隊投入台灣在地化AI模型的研發，甚至能將經驗複製到其他瀕危語言的數位保存上，讓台灣成為全球語言AI發展的燈塔。

編輯觀點

這項客語語料庫計畫，不只是單純的技術推進，更是一場深具文化意義的數位革命。它提醒我們，AI的發展不該只是追求通用性，更應關注在地化與多元性。當AI能「聽懂」並「說出」我們的在地語言時，它才真正成為我們生活的一部分，而非遙遠的技術。期待未來能看到更多台灣本土語言語料的投入，讓AI真正成為台灣文化傳承與創新的重要力量，走出獨具特色的台灣AI之路。

常見問題

什麼是「台灣主權AI語料庫」？

「台灣主權AI語料庫」是台灣政府推動的在地化AI數據基礎設施，旨在蒐集整理台灣本土語言、文化與各領域資料，用以訓練專屬台灣的AI模型，確保台灣在AI時代能保有數位自主性與文化主體性。

為什麼要特別為客語建立語料庫？

客語是台灣的重要本土語言，但相較於華語，其語料在網路世界較為稀缺。專為客語建立語料庫能確保AI模型能準確理解客語的語法與文化意涵，避免客語在AI發展中被邊緣化，促進其傳承與活化。

「tokens」是什麼意思？

在AI領域中，「tokens」指的是AI處理語言時的最小單位，可以是單一字詞、標點符號，甚至是部分字元。2000萬tokens代表著龐大的客語文字與語音數據量，能有效提升AI對客語的理解深度與廣度。

這對一般民眾有什麼影響？

未來民眾將能體驗到更「接地氣」的AI服務，例如客語語音助理、客語翻譯App、甚至能生成客語內容的AI工具。這將使客語在日常生活中更容易被使用，也讓年輕一代有更多機會接觸客語，活絡客語生態圈。

其他台灣本土語言也會被納入嗎？

是的，數位發展部已表示客語語料庫只是第一步，未來計畫將持續投入資源，推動台語、原住民族語等其他台灣本土語言的語料建置，以打造更全面、更懂台灣的多元語言AI環境。

名詞小教室

語料庫 (Corpus)

就像是AI語言模型的「巨型圖書館」，裡面存滿了各種文字、語音數據，AI透過閱讀這些資料來學習語言的規律、用法與意義。

主權AI (Sovereign AI)

指一個國家擁有自主開發、控制並確保其AI系統符合國家利益、文化價值和法律規範的能力，不完全依賴外國技術或數據。