中国联通研究院：2025年中国联通6G分布式架构及关键技术白皮书

语料数据定义:指用于开发和训练人工智能系统的文本或语音数据。然而，在广义的人工智能和自然语言处理领域，图片以及其他形式的数据(如视频等)也可以被视为一种语料。语料处理方式:对于文本语料进行分词、构建词汇表，并通过自监督学习任务(如掩码语言模型)进行预训练，音频语料则需要特征提取(如梅尔频谱图)，通过类似自监督任务(如掩码音频模型)进行预训练，图片语料的处理包括图像增强、标注(如对象检测、分类)，然后使用卷积神经网络CNN)等架构进行训练，与文本和音频不同，图片语料处理侧重于像素级特征提取和空间信息的学习。