Google 的 WAXAL 讓非洲合作夥伴主導 11,000 小時的 AI 資料

AI 系統往往無法理解非洲語言，而高品質、以寬鬆條款授權的語音語料庫是主要瓶頸。Google 及其非洲合作夥伴還必須處理方言差異、正字法標準，以及不一致的錄音環境。

合作夥伴將在地所有權作為設計決策。經過三年的努力，Google 推出了 WAXAL，這是一個涵蓋 21 種非洲語言的資料集，而收集資料的非洲組織保留了所有權。寬鬆的授權讓該資料集保持開放，可供商業部署，大學語言學系加上可攜式錄音盒則協助解決了技術問題。

此次發布產生了超過 11,000 小時的語音，來自近 200 萬段錄音，其中包括約 1,250 小時的轉錄語音，以及超過 20 小時的錄音室音訊。迦納大學已將其用於產婦健康研究，使在地機構從資料收集者轉變為 AI 基礎設施樞紐。

WAXAL 推出時包含來自近 200 萬段錄音的 11,000 多小時；非洲機構擁有這些資料，並已將其用於產婦健康研究。

非洲語言系統容易出錯，因為訓練資料稀少且難以取得授權。

在地所有權處理了主權與信任問題，同時讓收集資料的人持續掌控資料。

寬鬆的授權讓非洲創業者能夠打造並商業化產品，無需矽谷中介。

大學語言學家與在地設計的錄音設備，使對方言敏感且乾淨的語音擷取成為可能。

當一個生態系統缺乏可信的在地資料時，應賦予貢獻者所有權與寬鬆授權；治理可以同時解鎖基礎設施、商業使用與採用。

Google 表示另有六種語言已在籌備中，使計畫總數達到 27 種，而方言覆蓋範圍與約魯巴語缺失的變音符號仍是未解決的品質問題。微軟的 Paza 專案顯示，社群主導的非洲語言基礎設施正成為一個競爭激烈的領域，但 WAXAL 的直接成果是一個由在地擁有的資料集，且已支持研究與未來產品。