在中华民族大家庭中,云南以其独特的语言资源,生动展现了民族文化多元一体的格局。在这片39万平方公里的土地上,各民族繁衍生息,形成了多民族、多语言、多文种的和谐共生的语言文字生态景观。
2021年,中央民族工作会议明确指出:“要推广普及国家通用语言文字,科学保护各民族语言文字,尊重和保障少数民族语言文字学习和使用。”这一重要论述为新时代民族语文工作指明了方向。《中华人民共和国民族团结进步促进法》也明确规定:“国家尊重和保障少数民族语言文字的学习和使用,推动少数民族语言文字的规范化、标准化和信息化建设,支持少数民族古籍的保护、整理、研究和利用。”从党的方针指引到国家法律保障,科学保护各民族语言有了更加坚实的顶层设计和制度依托。
早在2007年,云南省少数民族语文指导工作委员会办公室(以下简称“省民语委办公室”)便前瞻性地申报建设“云南少数民族语言文字资源库”(以下简称“资源库”)项目。十多年来,项目持续推进,已取得阶段性成果,成为我国少数民族语言资源科学保护的生动实践。
历程:从田野调查到海量数据
资源库建设是一项系统工程,涉及硬件配置、标准制定、数据采集、软件开发、平台运营等多个环节。项目建设初期,省民语委办公室根据资源库建设需要,配置了专用机房、服务器及互联网专线。同时,建立了专业的语音实验室,为高质量语音数据采集提供技术保障。在此基础上,组织专业人员开展实物采集,建成了云南少数民族语言文字资源展示中心,为后续工作的开展奠定了基础。
在硬件建设的同时,省民语委办公室组织专业人员认真调研资源库的功能需求,开展数据库架构设计。考虑到云南少数民族语言的复杂性和多样性,数据库必须具备多语种、多方言、多模态(文本、音频、视频)的兼容能力,同时支持国际音标注音、民族文字、国家通用语言文字对照等多种信息维度。这一设计思路在当时的国内同类项目中具备突出的探索价值。
2010年至2015年,省民语委办公室按照“试点先行,稳步推进”的原则,在数据库架构设计开发的同时,启动资源数据试点采集工作。首先组织专业技术人员系统学习了语音采集技术,熟练掌握了专业录音设备的操作。随后,专业人员分赴全省各地,采集了本甘语、波拉语、卜拉语、布央语、嘎傈语、喀卓语、浪速语、老缅语、勒期语、莽语、末昂语、普标语、桑孔语、仙岛语等15种濒危语言的资源数据。每种语言采集1300多个常用词汇、100个句子,并进行国际音标注音,累计数据量达27GB。这些数据不仅为资源库数据标准的设计提供了测试样本,也为后续开展大规模采集积累了宝贵经验。
为指导和规范调查采集工作,确保数据标准统一,省民语委办公室又在不断总结经验的基础上,组织专业技术人员编写出版了《云南省少数民族语言文字资源库调查手册》。该书分为“调查规范”和“调查表”两大部分,从工作规范、技术规范到调查内容(包括调查概况、语音、词汇、语法、话语)均作出详细规定,要求每个语种的采集人员严格按照规范标准开展工作。该手册的出版,为资源库建设提供了操作指南,对建设标准统一的资源数据库发挥了重要作用。
随着调研、试点采集和数据库架构设计的逐步完善,资源库软件系统正式启动开发。省民语委办公室先后开发了资源库门户网站“云南少数民族语言文化网”、手机端小程序“民语有声电子词典”“民语水平测试”“苗汉电子词典”等应用。在网站和小程序中,还设计了资源数据分布动态电子地图,用于发布各语种的文本数据及音频数据,并配有国家通用语言文字和音频。截至目前,访问量已达1.15亿次,显示出强大的社会需求和影响力。
2016年起,资源库进入大规模数据采集阶段。先后完成了彝语、哈尼语、白语、傣语、苗语、壮语、傈僳语、拉祜语、佤语、纳西语、瑶语、藏语、景颇语、布朗语、布依语、普米语、阿昌语、怒语、基诺语、蒙古语(喀卓语)、德昂语、独龙语等22个民族52种方言的语言数据采集。采集范围覆盖云南各州(市),大部分民族已实现主要方言分类全覆盖。每个语言点采集约2200个词汇、200个句子、200条词法、3个民间故事、2段日常会话、数段民谣,部分语料还提供民族文字翻译,并完成国际音标注音、资料整理、数据校验后上传至资源数据库。总数据量达300GB以上,所有语料数据均可通过“云南少数民族语言文化网”和“民语有声词典”小程序访问。
成效:科学保护各民族语言,构筑中华民族共有精神家园
资源库项目构建了四大创新服务体系:语言资源科学保护体系、国家通用语言推广平台、濒危语言抢救保护机制与智能应用基础。这些体系的建立,有效抢救、保护、开发和利用了云南少数民族语言文字资源,为后世留存了“活态”文化遗产。
在语言保护方面,资源库已抢救保护性采集73种语言的数据,其中15种为濒危语言,采集语种覆盖云南各民族、各州(市),建成了一定规模的云南少数民族语言资源数据库。这一数据库不仅是语言学家研究语言结构、演变和接触的宝贵资料,更是云南民族文化传承的数字根基。
在社会效益方面,“云南少数民族语言文化网”点击率已达1亿次以上,成为各族群众学习国家通用语言文字的重要平台。通过网站和小程序,少数民族群众可以方便地听到自己民族语言的词汇、句子和故事,同时学习国家通用语言文字。通过资源库的推广应用,群众满意度达98%以上,各族群众在共享语言文化资源中增进了对中华文化的认同,有效铸牢中华民族共同体意识。
在学术研究方面,资源库为语言学研究者提供了包含词汇、词法、句法、长篇话语材料在内的大量标准化语料。这些语料严格按照国际音标注音,配有国家通用语言文字翻译,可直接用于语言类型学、社会语言学、计算语言学等多领域研究。同时,项目培养了一批掌握现代语言调查技术的专业人才,为语言保护事业储备了重要力量。
尤为重要的是,资源库的建设充分体现了党和国家对科学保护各民族语言文字工作的高度重视与坚定支持,是中央民族工作会议精神在云南落地生根的生动写照。这一具有中国特色的语言保护实践,赢得了社会各界的高度评价,为进一步讲好中华民族团结故事发挥了不可替代的重要作用。同时,资源库通过通用语和民族语双向学习设计,极大地促进了各民族在文化上的交往交流交融,使资源库成为构筑中华民族共有精神家园、铸牢中华民族共同体意识的坚实载体。
未来:从科学保护到赋能文化传承的价值跃升
云南少数民族语言文字资源库通过数字化手段,系统保存了22个民族73种语言的活态语言资源,为云南各少数民族语言构建了可延续的数字基因库。其推广价值与前景,在赋能中华优秀传统文化传承发展方面尤为显著。
在应用前景上,资源库将深度融入国家通用语言文字推广普及体系。通过“云南少数民族语言文化网”“民语有声词典”等工具,促进国家通用语言的学习。
目前,省民语委办公室正在建设汉—苗、汉—傣两个高价值平行语料库。其中,汉—苗平行语料库已收集1645万字,汉—傣平行语料库已收集452万字。语料的收集整理是一项长期且艰巨的工作,需要专业人员的持续投入和技术支撑。省民语委办公室正与昆明理工大学人工智能重点实验室合作,开展汉—民大语言模型研发工作,为后续的“汉—民大语言模型”创新项目打下坚实基础。
这一大语言模型的建成,将使云南少数民族语言在虚拟现实、多模态语言交互体验等技术研发中得以呈现。资源库有望为云南民族语言大模型建构、文化传播等提供数据资源基础,为铸牢中华民族共同体意识提供语言文化支撑,为全国民族语言保护传承贡献“云南方案”。未来,省民语委办公室还将进一步探索语料利用在文化、教育、旅游等方面的更多可能性,使云南少数民族语言文字资源库成为展示中华民族多元一体格局的重要窗口。

