MDT-RI002 粵語高質量口語式語音數據集
該數據集專為訓練更懂口語表達的AI模型打造，有利于提升粵語語音識別的自然交互能力，覆蓋多場景真實對話，由多樣化人群錄制，字準率高。針對粵語九聲調、懶音、俚語等特性優化標注，嚴格保證音字匹配質量。完整語句結構與符合口語習慣的標點設計，幫助模型精準捕捉粵語特有的停頓節奏和語氣詞用法，攻克方言識別中的泛化瓶頸。
語種
粵語
數據風格
spontaneous
比特率
16bits
聲道
1
時長
5000+小時
沒有找到想要的數據？
數據集推薦
中文手機朗讀數據庫
MagicData中文手機錄音音頻語料庫包含755小時的中文普通話朗讀語音數據，其中分為訓練集712.09小時、開發集14.84小時和測試集28.08小時。本語料庫的錄制文本覆蓋多樣化的使用場景，包括互動問答、音樂搜索、口語短信信息、家居命令控制等。采集方式為手機錄音，涵蓋多種類型的安卓手機；錄音輸出為PCM格式。1000名來自中國不同口音區域的發言人參與采集。MagicData中文手機錄音音頻語料庫由MagicData有限公司開發，免費發布供非商業使用。
MDT-AG022 中文雙工自然對話數據集
當前，國內外科技界迎來了語音對話模型的繁榮時代，它不僅能夠識別用戶的語音，還能模擬出極為接近真人的語音回應。晴數智慧前瞻地推出了“雙工自然對話語音數據集_中文”，不僅在技術層面上實現了突破，在應用層面上也為開發者提供了更大的自由度，此數據集包括10,000小時的中文對話數據，涵蓋了多樣化的語音場景。同時，我們的雙工對話數據優惠活動大廳通過對每位說話者語音的獨立分析，AI模型能夠更好地理解對話中的上下文變化、語調變化和情感變化，從而做出更自然、更準確的回應。
試聽音頻
MDT-AJ039 日語雙工自然對話數據集
本數據集優惠活動大廳通過高保真獨立音軌完整收錄日常對話中的打斷、重疊發言、語調起伏及情感停頓等自然交互特征。所有對話均經多說話人分類標注，覆蓋多樣化場景，為AI模型提供復雜日語敬語體系、口語省略表達及上下文邏輯的深度學習資源。
數據優勢有哪些？
合規性
符合ISO/IEC 27001和ISO/IEC 27701:2019標準認證
多維度
音頻、文本、圖像、音視頻多模態數據
覆蓋性
涵蓋多領域的對話式、朗讀式及自發式數據
高精度
人機協同高精度標注