[資料] 胡長松的台語小說語料庫

看板TW-language (臺語板)作者CCY0927 (茹絮夢)時間1月前 (2025/03/16 22:18)推噓1(1推 0噓 0→)

留言1則, 1人參與討論串1/1

https://www.facebook.com/share/p/15B6hLjxLU/ 【胡長松的台語小說語料庫已全數公開】各位朋友，我在此正式公告，我們團隊總算完成了公開語料庫所需的技術準備工作，並在 3/14日，已經把所有我本人的台語小說、超過100萬字的語料庫公開出來，提供給AI開源訓練專案和學術專案使用。在說明底下的技術方案之前，我要先感謝我所任職的公司台灣大哥大資訊長、同時也是IMA理事長蔡祈岩先生，充分支持及授權給我運用IMA的資源及技術團隊來佈建這個方案，除了感謝，還有感動！我的語料目前已經轉成了AI訓練所需的語料庫格式（此格式並不適於人的閱讀，且可視作者要求進行結構重組），3/14日起，全數掛載在IMA （中華民國資訊經理人協會）的 Hugging Face語料庫，採取【Creative Commons CC具名授權，申請後提供存取】的管理方式提供需要者使用，目前限非商業的AI訓練專案和學術專案來申請。各界朋友，若您有使用我的小說語料庫的需要，操作說明如下： 1. 請點擊 https://huggingface.co/datasets/IMA-Taiwan/taigi-literature-ots 2. 您將需要登入Hugging Face帳號 3. 在「Dataset Card」頁籤點擊「申請權限」按鈕 4. 提交申請後，狀態會變成「等待審核中」，我們會根據取得的帳號聯繫方式和您聯繫，並進行核准程序 5. 審核通過後，您會收到電子郵件通知 6. 收到通知後，請再次打開前述語料庫頁面，就可以看到並存取完整資料集另外，針對台語文學作家有志，這是咱欲予未來AI有法度讀台語的「上起頭」的行動，假使你若有認同，邀請咱做伙用慷慨、曠闊的心來加入這个隊陣。假使你若願意，我嘛歡喜用仝款的技術方案來支持你的行動，阮的團隊會用仝款的方式、經過你的授權，共你上優質的文字，照你佮意的方式（比如先拍碎、拍亂），囥佇我參與管理的NPO IMA的語料庫，提供予非商業的AI訓練專案佮學術專案使用。歡迎你佮我連絡！各族母語作家，若您有同樣的心志和技術需求，也都歡迎和我聯繫！ https://i.imgur.com/5JVLW7i.png