亞洲具有重要歷史價值的語言，大多都與中文有過接觸，這些語言的詞彙現在已收錄進一個大型語言資料庫(語料庫)中。這個在東亞首創的語料庫包括99種漢藏語系的語言和方言，每種都保存了超過1,000個詞語。

孫教授正在研究中國四川的爾蘇語，一種約有2萬人使用的語言

語料庫內的語言 (1) 藏緬語系：包括很多語言，如彝語（中國雲貴川）、藏語、塔芒語（尼泊爾）、緬語和克倫語（緬甸）。 (2) 苗瑤語系：中國苗族和瑤族所用語言。 (3) 侗傣語系：包括泰語、老撾語及一些中國語言，如黎語（海南）、侗語（貴州）及壯語（廣西）。 (4) 漢語 (5) 南亞語系：包括佤語（中國及緬甸）和莽語（中國及越南）。 (6) 南島語系：包括泰雅語及排灣語（台灣），及他加祿語（即菲律賓語）。 (7) 學者構擬的古代讀音

這些語言大部份使用於東亞及東南亞地區，有些已瀕臨失傳。
比如中國四川的卻域語，目前只有7,000人在使用。語料庫也包括學者構擬出來的原始漢藏語的讀音，就是這種史前的語言後來演變為各種漢藏語言。
首席研究員香港科技大學人文社會科學學院前院長丁邦新教授說，語料庫對語言學家有很大的用處，而且保存了未經挖掘的語言歷史。
研究項目的一個主要目標，是找出各種語言間的親屬淵源關係。丁教授指出，研究的重要結論之一，是證實包括泰語、老撾語及中國廣西的壯語在內的台語，極可能屬於漢藏語系。
他說：「在此之前，漢語與台語的相關詞彙是出於同源還是語言接觸的結果，還沒有定論。現在我們相信，兩個語族是來源於同一種遠古語言，也就是說有親屬關係。」
另一個論點是苗瑤語族很可能屬於漢藏語系，但丁教授表示這仍有待更多的研究和證據，才能下定論。語料庫的詞彙，來自超過一百 個地點的語言，主要是由北京中國社會科學院的人員在過去四十年調查、搜集得來，其中包括項目的合作研究員孫宏開教授。
語料庫是用FoxPro軟件的中文版編寫而成，現在也可以將查尋的結果輸出為MS Word及Excel檔。未來的計劃包括在今年內製成網絡版本，讓用戶從互聯網查詢。
目前，語料庫已安裝於北京 和台北的學術機構和香港科大，使用者可在七大類語言和方言（見附表）中搜尋詞語，也可以通過中、英文意義或國際音標進行搜尋。
丁教授補充說，學者是通過比較現代語言推測遠古最可能的讀音形式，從而構擬出6,000年前的先祖語言（語言學家稱為「原始母語」）。

首席研究員
丁邦新教授：shphting@ust.hk