AI 数据行业解决方案
智能社交
服务场景
视频
智能字幕生成，评论智能分析，内容分类
直播
智能换声，实时字幕生成，评论智能分析
虚拟主播
主持人，辅助直播带货，虚拟三次元歌手
技术痛点
不同领域专业词汇/口音语音识别低
评论数据繁杂且内容表达多样
虚拟人应答不流畅、情感不丰富、缺乏个性
视频类目多且话题交叉
Annotator 智能化标注工具
音频模块
文本模块
图像模块
- 直播 - 直播内容语音标注
- 虚拟主播 - 虚拟主播语音交互标注（ASR）
- 虚拟主播 - 分词、词性和音素标注（TTS）
- 视频 - 视频分段、内容分类标注（Video）
- 直播 - 直播评论情感分析标注
- 虚拟主播 - 评论情感分析标注
- 视频 - 视频分段、内容分类标注（Video）
数据采标咨询
数据集推荐
MDT-RJ009 西班牙语高质量口语式语音数据集
该数据集专为训练更懂口语表达的AI模型打造，有利于提升西班牙语语音识别的自然交互能力，覆盖多场景真实对话，由多样化人群录制，字准率高。强化对连诵、吞音等特性的标注，合理标点还原西语热情洋溢的韵律节奏，高完整度语句助力模型理解复杂动词变位句式，提升识别鲁棒性。
MDT-AI090 副语言信息高质量对话数据集
副语言相比情感，在对话过程中随着不同上下文，时刻发生着不同程度的变化，也就往往更为难以描述。为了能够更好的让大模型学会人类的副语言信息，晴数智慧全新打造了“副语言信息高质量对话数据集”。该数据集由资深产品专家和语音合成顾问联手打造，经过精细设计和专业生产流程，，确保标签体系精准。数据集具备48KHz高采样率，安静环境采集，涵盖不同地区、年龄、性别的人员，实现语音多样化。采集领域多样，覆盖20个领域主题，包括但不限于衣食住行、休闲娱乐、教育培训、健康医疗等。
试听音频
语音复刻大模型高品质数据集——英语
语音TTS已经走向了AIGC大模型模式，利用大规模高品质训练数据，实现zero-shot的声音复刻正成为越来越火热的技术趋势。零样本语音合成在娱乐产业、通用AI平台及AIGC领域都有广泛的应用场景，包括电影电视配音及解说、有声书、角色配音、虚拟主播、语音导航等。晴数智慧前瞻性地推出“语音复刻大模型高品质数据集”，此数据具备48KHz高采样率，采集人数上万，环境纯净，内容自然多样，近万小时，是实现零样本语音合成的绝佳数据。特别地，此数据的多样化语料内容能为模型学习协同发音提供助益。
试听音频
MDT-AG039 河北唐山对话音频数据集
试听音频
MDT-AJ039 日语双工自然对话数据集
本数据集通过高保真独立音轨完整收录日常对话中的打断、重叠发言、语调起伏及情感停顿等自然交互特征。所有对话均经多说话人分类标注，覆盖多样化场景，为AI模型提供复杂日语敬语体系、口语省略表达及上下文逻辑的深度学习资源。
MDT-AF076 云南方言对话音频数据集
试听音频