語料申請

一、語料簡介

本語言資料庫包含語音辨識語料（音檔）、語音合成語料（音檔）以及三族語平行語料（族語及華語對譯），用以發展族語語音合成語料庫及發展族語擬真語音合成模型，可作為基於深度學習之語音合成研究資料。

二、語料清單與授權費用

本會採取分級收費機制。公教單位與學術研究機構憑公函申請，可享「全額免費」豁免資格；一般機構則依下表酌收單次行政工本費。

本族語AI系統所使用之語料如下列（聲音語料以小時計、文字語料以句數計）：

（一）本基金會既有語料（均一工本費：NT$ 1,000 / 次）

1. 族語E樂園：573.19小時、525,968句
2. 原住民族語言線上辭典：132.15小時、96,720句
3. 原住民族語言資料庫口語語料及逐字稿：45.03小時、59,987句
4. 語推組織採集口語語料及逐字稿：5.33小時、8,413句

上述語料業經處理為可機讀語料，處理原則包括：

1. 特殊符號修正、文字正規化。若文字中含有括弧或斜線，以致無法確定轉換與否，則略過該語句，以避免模稜兩可的情況。
2. 略過了含有阿拉伯數字與中文的語句。

（二）語音辨識語料（依族別計價，NT$ 3,000 / 每族別）

本計畫新搜集之聲音語料，包含阿美族五語別、太魯閣族語、賽德克族四語別，朗讀文本經專業族語老師校正後，由各族發音員使用手邊器材（手機、電腦等）錄製而成，每位發音員音檔時長約1小時左右，各語別發音員音檔時長統計逾 100 小時。

（三）語音合成語料（依族別計價，NT$ 3,000 / 每族別）

包含秀姑巒阿美語、太魯閣語、德固達雅賽德克語三語別，每語別各有2位（含）以上發音員於錄音室錄製文本朗讀，文本業經專業族語老師校正，每語別各發音員音檔時長合計達10小時。

• 副檔名：WAV
• 音檔規格：24 bt / 192 kHz
• 總時數：達 30 小時

（四）族、華語平行語料（依族別計價，NT$ 3,000 / 每族別）

包含阿美族五語別、太魯閣族語、賽德克族四語別共 10 語別之文字語料，其中阿美語達 1.8 萬句、太魯閣語達 1 萬句、賽德克語達 1.3 萬句，每句皆有華語平行對應，作爲基礎翻譯模型訓練用語料，發展族語翻譯模型。

（五）計畫程式碼及計畫模型

本族語AI系統所開發的AI應用程式碼及訓練模型，可供後續有合作需求之學術研究單位參考。考量到模型與程式碼仍為初步成果，其目的在於作為學術研究與技術交流的起點，提供一個可供優化與再開發的基礎，共同為族語AI應用領域做出貢獻。

三、授權範圍與使用限制

本語料庫採用 CC BY-NC 4.0（姓名標示-非商業性） 條款授權，申請者請務必遵守以下規範：

1. 非商業使用： 僅限於學術研究與非營利性質之 AI 模型訓練，產出之衍生模型或產品不得用於商業營利。
2. 禁止轉授權： 被授權單位不得以任何形式將未經授權之原始語料公開傳輸、轉售、分享或轉授權予第三方。

標示來源：發表使用本資料庫產出之相關研究或應用成果時，需於顯著處標註資料來源為「財團法人原住民族語言研究發展基金會」。

四、申請流程

1. 下載協議書： [族語 AI 可機讀語料庫授權申請使用協議書]
2. 填妥與用印： 確實填寫申請資訊、使用目的，並完成單位與負責人簽章（印信）一式2份。
3. 文件寄送：
   1. 公教單位將協議書之電子檔連同研究計畫書等相關資料，以公函方式傳送至本會；非公教單位則用 email 方式寄至承辦人信箱。
   2. 將協議書實體正本2份郵寄至本會（地址：100 臺北市中正區羅斯福路一段63號 / 研究發展組 王凱弘 先生 收）
4. 審核與開通： 本會收到申請後將進行資格審核。若為公教單位與學術研究機構，將於資格審核完畢後，提供下載權限並寄回1份協議書。若為一般機構，將另行發送匯款通知，審核並繳費完畢後，才會提供下載權限並寄回1份協議書。

如有任何申請相關問題，歡迎來信或致電本基金會研究發展組承辦人 王凱弘 研究員

• 電話：02-2341-8508 #610。
• 信箱：ken55312@ilrdf.org.tw

五、語料範例