Google Research 展示 Language Explorer 的 7,000 种语言地图

Google Research 于 2026 年 11 月 9 日推出了 Language Explorer，这是一个交互式平台，可用于探索语言地理分布、文字系统和使用者数量。其世界概览涵盖约 7,000 种语言和 159 种文字系统，相关记录旨在支持语言学研究和语言技术开发。

该平台由 Google 的 1,000 Languages Initiative 推动开发，将开源数据集 LinguaMeta 转化为面向公众的可视化界面。Daan van Esch 和 Uche Okonkwo 发布的公告将这一界面与一项更广泛的工作联系起来：让语言技术惠及世界上更多元的语言群体。

为语言技术提供元数据层

Language Explorer 网站支持按语言名称、国家或地区、大洲或次大陆搜索。用户可以按使用者人数、濒危状态或文字系统浏览，然后选择地图图钉，打开详细的语言页面。这些页面汇集了名称、地点和标识符，包括 BCP-47 标签、Glottocode 和 Wikidata ID，为不同语言资源提供一致的参考依据。

网站上显示的所有数值均来自开源数据仓库 LinguaMeta；该仓库整合了 19 个注明出处的信息源中的语言资料。2024 年的 LinguaMeta 论文记录了底层数据集的情况：涵盖 7,511 种语言，包含 BCP-47 和 ISO 639-3 代码，并为每个数据点标注来源，以便追溯和更正。如果不同来源的信息存在分歧，作者会优先采用更具权威性的来源，或通过学术出版物、人口普查资料和宪法开展进一步研究。

论文指出，机器翻译、语音识别和文本转语音功能仅在约 100 种语言中得到广泛支持，而大多数其他语言的相关支持质量低下，或完全缺失。这一差距凸显了元数据的实际作用：使用者人数有助于确定工作的优先顺序，而语言、文字系统和区域设置的组合则能明确本地化系统必须处理的具体组合。该数据仓库的结构通过 JSON 记录保留了这些组合；较为简明的 TSV 摘要则省略了来源详情、扩展名称、文字使用标签、官方地位研究和坐标。

从研究数据仓库到博物馆装置

Language Explorer 还以交互式装置的形式亮相于柏林通信博物馆的 Real Talk! 语言、力量、世界。博物馆记录显示，该展览于 2026 年 11 月 5 日开幕。

六个主题展厅探讨语言世界、多样性、身份、接触、权力和未来。最后一个展厅提出的问题是：人工智能和聊天机器人如何改变交流方式，以及研究人员和活动人士如何记录濒危语言。线上配套内容于 2026 年 11 月 6 日上线，围绕同样的六个视角增添了背景资料、视频和测验，其中包括人工智能与多语言之间的关系。柏林展览及其配套内容均列出展期至 2028 年 2 月 27 日。

覆盖不均与已归档的数据仓库

论文中的覆盖情况表显示，不同领域之间存在显著差异。6,253 种语言有使用者人数数据，占 83%；而社区用来称呼自身语言的名称，即自称名称，仅有 1,136 种语言有记录，占 15%。因此，这张地图提供了广泛的入门途径，但不同语言和类别的信息深度差异很大。

人口数据还附有其他限定说明。由于难以获得可靠统计数据，底层方法不纳入第二语言使用者总数；为避免制造虚假的精确感，较大的使用者估算值会按数量级取整；此外，研究人员警告，将不同区域设置的人口数据汇总可能放大来源中的误差。该资源聚焦于现存的口语语言，不包括手语、古代语言、历史语言和人造语言。它纳入了宏语言和被归类为灭绝的语言，后者之所以纳入，是因为其中一些语言仍有规模较小的使用者群体。世界语是人造语言排除规则中明确列出的例外，因为已有多种语言技术支持世界语。

每个地图图钉标示一个大致的语言中心，其位置依据 Glottolog 坐标并经人工修订得出。网站提醒，语言由群体使用，而这些群体可能迁移或跨越政治边界，因此不应将图钉解读为固定的语言领土。

此外，项目维护状态也存在不一致。Explorer 的常见问题页面将 LinguaMeta 描述为一个活跃项目，并邀请研究人员提交更正和资源。

收录该项目的 url-nlp 仓库带有一则日期为 2026 年 10 月 6 日的 GitHub 归档通知，并被标记为只读。完整的版本控制数据集仍可下载，但在 Google 将该界面展示给更广泛受众之际，这一状态使未来的贡献渠道变得不明确。