不同于传统的单模态文本口译语料库,多模态口译语料库可以通过多媒体技术呈现贴近口译交际现场的多层次充盈意义。与交传相比,同传在多模态信息的呈现方式上存在其特别之处:译员的"隐身性"导致身势语等视觉模态信息发挥的作用较弱;传译的"同步性"则意味着原文和译文两类听觉模态信息以并行而非线性方式排布。职业译员英汉双向同传语料库（ECTSIC-P）的设计原则体现了这些同传多模态特征。本文以ECTSIC-P为例,介绍了多模态同传语料库建置过程中的主要问题,包括语料资源库的建立和语料研究库的语料选择、语料预处理、多模态转写与标注、多模态库与文本库的转换、文件结构等。