“人工智能高质量语料生态论坛”现场。
当前，广州正全力打造特色鲜明的“垂类模型之都”。2026世界人工智能大会期间，由广州大学、广州市社科联共建的粤语语料库建设与大模型评测重点实验室于7月19日应邀亮相大会“人工智能高质量语料生态论坛”，并在现场重磅发布两项原创核心成果——AI-DimSum粤语语料库平台搜索2.0、粤语真实语音上下文交互能力评测基准CRS-Bench，以方言垂类数据底座打造广州AI的差异化竞争力。
重磅成果
海量粤语语料“找得准、信得过”
模型能力“测得清、评得准”
在“人工智能高质量语料生态论坛”现场，AI-DimSum粤语语料库平台搜索2.0、粤语真实语音上下文交互能力评测基准CRS-Bench两项原创核心成果重磅发布。粤语语料库建设与大模型评测重点实验室（以下简称“重点实验室”）主任、广州大学网络空间安全学院教授齐佳音对这两项成果进行了介绍。前者是重点实验室在语料规模迈入TB级后推出的重要升级，具备三大特色：所有语料自带“身份证”，来源更可信；搜索结果分三层呈现——精确、关联和推荐，内容更丰富；融合社交功能和生态应用，实现搜索即社交、搜索即传播、搜索即应用。后者由重点实验室与GOMAX LAB合作建设，基于真实粤语语音资源，体现地域变体、包含上下文情景、具有文化语义复杂度，开辟了AI粤语能力评测的新赛道。
齐佳音在接受记者采访时介绍：“从定位上说，AI-DimSum粤语语料库的目标是建成‘兼容岭南文化、兼容人工智能’的全球最大多模态通用粤语语料库。从功能上说，AI-DimSum粤语语料库不仅是传统的语言学语料库，更是服务于粤语AI创新的基础数据设施。我们希望能尽快对接产业应用，通过产业需求拉动定制化语料的供给能力，包括主要大语言模型企业以及大湾区各类民生政务中的粤语服务密集型领域。”
齐佳音说，此次发布的两项成果是广州将丰富鲜活的粤语资源转化为可用数据资产的重要实践。AI-DimSum粤语语料库平台搜索2.0让海量粤语语料“找得准、信得过”，为教育、文创、媒体和人工智能企业提供了便捷可信的数据服务入口；评测基准则让模型能力“测得清、评得准”，将评测结果反馈到数据建设端，驱动模型能力持续提升。
现场观众、软极网络首席战略官郑志彬认为，本次两大粤语AI创新成果的发布，补齐了粤语数字化发展的数据设施短板，有助于进一步筑牢岭南文化数字根基，增强本土文化自信。
广阔前景
让岭南文化在数字时代走得更远
记者了解到，此次粤语AI成果亮相世界人工智能大会，是广州市社科联以社科重点实验室推动人文与科技双向奔赴的又一鲜活实践。
2024年11月，在广州市委宣传部指导和推动下，广州市社科联与广州大学联合成立粤语语料库建设与大模型评测重点实验室，由中国工程院院士、广州大学网络空间安全学院名誉院长方滨兴，国家语言服务与粤港澳大湾区语言研究中心主任、广州大学二级教授屈哨兵担任双首席科学家，联动大湾区多方资源推动粤语语料建设从专业工程走向社会参与，从资源整理走向生态培育。
一年来，重点实验室围绕“兼容岭南文化”和“兼容人工智能”两项目标，建设AI-DimSum多模态通用粤语语料库平台，现已汇聚超100万字文本、3000小时高保真语音和1TB+音视频，建成岭南文化粤语思维链问答数据、粤语内容安全关键词语料、粤语大模型安全评测数据集等特色语料，孵化出十余款应用，向全球AI开发者提供独家高质量算法训练数据。
广州市社科联相关负责人告诉记者：“我们希望AI能真正读懂粤语的韵味，理解岭南文化的灵魂，通过建设高质量的粤语语料库，让AI成为大湾区居民的好朋友和好帮手，实现前沿技术与本土文化的深度融合。因此，我们的研究致力于解决AI‘拼装粤语’的痛点，让全世界的智能体都能说‘地道’的粤语，让岭南文化在数字时代走得更远。”
院士点评
粤语数据库筑牢AI可信文化根基
本次论坛主旨演讲嘉宾会聚图灵奖得主与6位院士。他们围绕“高质量垂域语料如何破解AI落地瓶颈”的问题，展开深度研讨。
中国工程院院士、粤语语料库建设与大模型评测重点实验室首席科学家方滨兴表示，粤语是大湾区的标志性文化载体，是海内外华人文化认同的重要语言纽带。AI-DimSum多模态通用粤语语料库平台最重要的作用就是为粤语AI提供“文化忠实、安全可信、AI友好、持续成长”的数据基础设施底座。
文/广州日报全媒体记者李晓璐
