中华文化多模态语料库

总投资约1.3亿元，2年内完成岭南文化多模态语料库建设（到2026年底，汇聚不少于18亿字、10亿 tokens，500万张图片，5万条音频，3万条视频，语料总规模3PB）；开发5套核心工具链（采集、标注、治理、管理、应用），标注准确率达92%以上，实现语料库年更新率不低于20%，开源发布不少于5个高质量、多样化、高精度数据集。4年内完成覆盖全国的中华文化多模态语料库建设，语料总规模至40PB以上...