Cantonese（粤语）是全球使用人数最多的汉语方言之一，主要通行于广东、香港、澳门及海外华人社区，同时也是中文大语言模型与语音技术中一个典型的小语种/低资源处理对象。与普通话相比，Cantonese 在书面语规范、语音标注资源和语料规模上都明显不足，因此正成为评估 AI 模型语言能力边界的重要测试场景。
Cantonese 的近期研究进展
当前焦点与观察点
Cantonese 相关工作的核心争议在于：大模型到底能不能替代专业语言学家完成低资源语言的系统性资源建设。目前的证据倾向于"辅助而非替代"——LLM 能加速词典、规则和标注数据的初稿生产，但粤语缺乏统一的书面规范（粤语口语与书面中文长期双轨并行），模型生成的标注在一致性上仍不稳定。
值得关注的方向包括：一是开源小参数语音模型能否覆盖粤语语音合成与识别的长尾场景；二是香港、澳门等粤语主导地区是否会出现本地化的评测基准和数据集；三是语法工程方法（如 ParGram 框架）与端到端大模型路线能否互补。总体而言，Cantonese 正从"被忽略的方言"转变为检验 AI 多语言能力的代表性低资源语言，相关工具链的成熟度值得持续跟踪。