会讲苗语的翻译器、能唱侗族大歌的导游……贵州民族语料库，藏着很多惊喜。

在贵州的大山里，苗族的飞歌、布依族的传说、侗族的大歌、水族的古老文字，世代口耳相传。它们是活着的文化遗产，但过去，这些宝贵的乡音大多藏在深山、记在纸面，甚至随着老一辈人的离去而日渐微弱。

而现在，一场“数字抢救”正在改变这一切——贵州正把这些散落的民族语言“珍珠”一颗颗串起来，喂给人工智能“学习”，让古老智慧在智能时代重新“开口说话”。

从“藏在深山”到“上架云端”，民族语料有了“数字新家”

贵州是全国世居少数民族最多的省份，苗、布依、侗、水等独有语言，是独一无二的数字文化富矿。但长期以来，大量的歌谣、古籍、非遗口述、双语对照材料，要么分散在个人手中，要么标准化程度不够，很难用在手机App、智能设备等现代场景里。

为此，贵州专门搭建了“贵州数据集（语料）服务平台”（https://corpus.gzdata.com.cn:32117/home），联合凯里学院、贵州民族大学等高校，以及数智云网、云翮数安、多彩宝等本地科技企业，干了一件“笨”功夫——把苗语、侗语、布依语、水语的语音、文字、影像、古籍字符，一条条地采集、清洗、标注，变成AI能“读懂”的高质量数据。

如今，四大少数民族多模态数据集已正式上架，涵盖双语文本、民族语音、民俗视频、非遗术语等11个全类型素材。换句话说，贵州正在为每个民族语言建一座“数字基因库”，而且这座库是活的、能用的。

不只“存起来”，更要“用起来”：AI翻译、数字导游、双语课堂都安排上了

建数据集不是目的，让数据“跑”进生活才是。贵州从一开始就瞄准了“场景落地”——要让民族语料走出机房，变成老百姓用得上的工具。

在乡村，苗语翻译器来帮忙——依托苗汉、布依汉双语平行语料，平台正在训练智能翻译模型。未来，偏远山村的乡亲咨询政策、收听普法广播，或是应急通知，都能用自己最熟悉的母语，再也不用担心“听得懂普通话的人太少”。

在景区，AI导游用侗语唱起迎宾歌——借助侗语、水语语音语料，文旅部门规划打造AI双语导览、数字非遗展示系统。以后游客走进侗寨，手机一扫，就能听到地道的侗族大歌讲解，民族口传文化不仅能永久保存，还能用新潮方式“火”出圈。

在学校，双语教学有了“标准课本”——标准化的布依语、苗语数据集，正赋能校园双语课堂，让孩子们既学好普通话，也不丢失自己的母语根脉，让文化传承从娃娃抓起。

数据越用越“聪明”，形成良性循环

更妙的是，这些应用场景在使用中会产生新的对话、新词汇、新民俗素材——平台会把这些新鲜内容经过合规审核后，再回流入库，持续“喂”给AI模型。这样一来，数据越用越多，模型越用越准，真正实现了“用起来—反哺库—再升级”的可持续发展闭环。

面向全社会开放：你有好创意，贵州有好数据

目前，贵州已面向省内外AI企业、科研机构、文旅单位、基层政务部门等，公开征集民族语言数字化应用需求。不管你是想做智能翻译软件、民族文创产品，还是乡村数字治理工具，都可以来对接匹配语料资源。同时，已上架的数据集也向合规的科研机构和企业开放调用。

下一步，贵州还将继续深挖本土民族资源，完善标准体系，拓展更多应用场景——让数据要素真正激活民族文化价值，打造全国少数民族语言数字化保护与创新应用的“贵州样板”。（贵州省大数据发展管理局）