产品特点
• 数据规模：覆盖5,000名发音人，累计约450小时真实语音
• 数据规格：采样率16kHz，信噪比（SNR）＞25dB
• 多场景采集：涵盖车载、对话、朗读等应用场景
• 多环境录制：包含车内、办公室、居家等使用环境
• 年龄分布均匀：覆盖儿童、少年、青年、中年、老人，各年龄段占比20%，男女比例1:1
02.高保真多音色语音数据集
该数据集面向对音质与音色一致性要求较高的应用场景，可有效支撑高精度语音生成与个性化声音建模需求，适用于高保真语音合成、音色迁移及特定人物声音模拟等任务。
产品特点
• 数据规模：覆盖1000名发音人，累计约17小时语音数据，音色一致性高
• 数据规格：采样率44.1kHz及以上，信噪比（SNR）＞35dB
• 年龄分布均匀：覆盖儿童、少年、青年、中年、老人，各年龄段占比20%，男女比例1:1
03.多口音英文双工对话数据集
该数据集面向跨口音ASR、多语言语音助手、全球化客服、呼叫中心自动化、会议转写及国际化AI应用等场景，是提升英语口音识别能力的核心资源。
产品特点
• 数据规模：覆盖1700+发音人，累计超1600小时
• 多口音类型：包含14类英语口音，包括澳大利亚、加拿大、英国（多地区）、北爱尔兰、香港、印度、新加坡、台湾、美国等
• 双工自然对话：双声道录制、真实呈现打断与语音重叠
• 多平台采集：支持手机和电话录制
• 多场景应用：涵盖日常对话、商务会议、客服、呼叫中心等
数据集（部分）
• 澳大利亚英语日常对话（120h）
• 加拿大英语商务会议对话（85h）
• 印度英语日常对话（225h）
• 美式英语呼叫中心场景对话（130h）
……
（联系我们获取完整数据集列表）
语音合成（TTS）数据集
01.多风格多角色TTS数据集
该数据集面向角色音色构建、大模型精调、虚拟人配音、剧情类AI创作、个性化语音克隆等应用场景，数据集依托多部国民经典影视IP，为多角色音色生成提供坚实基础。
产品特点
• 新增三大角色：咆哮哥、如来佛祖、心灵鸡汤
• 角色音色差异化：多角色、多风格音色，IP角色形象高度还原
• 个性化文本设计：内容贴合角色性格特征
• 高质量录音环境：录音棚采集，音色纯净一致，无噪声干扰
• 专业标注体系：包含文本、韵律、与发音标注，强化模型的韵律与语音表现能力
数据集（部分）
• 中文男声角色模仿合成库-咆哮哥风格（2h）
• 中文男声角色模仿合成库-如来佛祖风格（2h）
• 中英混女声合成库-心灵鸡汤风格（1h）
……
（联系我们获取更多经典IP角色数据集）
02.美式英语多情感TTS数据集
该数据集适用于可控情绪语音生成、虚拟角色表达、对话式AI创作及智能陪伴等多种应用场景。
产品特点
• 情感覆盖全面：支持十余种常见及高起伏情绪，包括中性、开心、生气、伤心、震惊、害怕、讨厌、失望等
• 多年龄层音色：覆盖年轻、成熟、稳重等不同年龄段女声与男声
• 专业标注体系：提供文本、发音标注，提升模型生成质量与可控度
数据集（部分）
• 美国英语男声语音合成库-温柔暖男20-30岁（3h）
• 美国英语男声语音合成库-温柔成熟30-40岁（3h）
• 美国英语女声语音合成库-成熟稳重50-60岁（5h）
……
（联系我们获取完整数据集列表）
多模态数据集
01.人-物交互动作理解数据集
该数据集面向多模态大模型训练、动作识别、人机交互及带货数字人等应用场景，帮助模型精准理解人—物之间的动作、姿态与语义关系，显著提升理解精度与场景泛化能力。
产品特点
• 数据规模：包含2,000段视频，视频结合物体多角度特写图
• 真实多场景：覆盖办公室、会议室、停车场、花园等
• 多光照条件：涵盖正常光、弱光、逆光等
• 动作+口语解说：每段视频伴有模特对物体的简单解说，贴近真实交互语义
• 视频/图片规格：视频MP4（分辨率1280×720，10–15秒）；图片JPG（分辨率3072×4080，每个物体3张）
02.美学构图训练数据集
该数据集面向美学模型评测、图像生成、影像调优、设计类 App 及手机影像系统等应用场景，帮助模型掌握构图规律，提升成片的审美水平与视觉表现力。
产品特点
• 数据规模：包含7,231组高质量图像
• 专业摄影采集：由摄影师使用单反相机及手机拍摄
• 多构图标签：涵盖三分法、中心构图、对角线、三角构图、水平构图等
• 审美级标注：每张图匹配1–3种构图标签，便于模型学习审美规律
• 高分辨率图片：JPG格式，分辨率1920×1080及以上
03.中文新闻图文交织数据集
该数据集适用于新闻理解、事件抽取、图文对齐、信息检索、内容生成及舆情分析等任务，帮助模型提升对新闻语境、事件逻辑及图文关联的综合理解能力。
产品特点
• 数据规模：包含100万组，新闻图片与文本组合
• 多行业覆盖：涵盖科技、人文、社会、金融、体育、旅游、健康等多个领域
• 专题内容丰富：包括党政时事，可持续更新
• 新闻内容结构化：提供事件（event）+ 正文（content）字段
• 权威来源保障：新闻来源严格按照中央网信办白名单筛选，确保数据可靠性
04.物流场景视觉数据集
该数据集面向智能物流、仓储管理、交通监管、自动分拣、车辆识别及箱体损坏分析等行业场景，帮助模型快速掌握物流物体识别与场景感知能力。
产品特点
• 数据规模：包含80万张高质量图像
• 采集对象多样：50类物流相关对象，覆盖厢式货车、牵引车、三轮车、吊车、泡沫箱及其破损状态等
• 多场景采集：运输、仓储、街景、装卸等真实应用场景
• 高质量标注：提供类别标签及精确框坐标，便于模型训练与检测任务
05.文旅与人物视频理解数据集
该数据集覆盖人物、街景、建筑、自然地标、特色美食、文化艺术及体育运动等真实场景，结合高质量问答数据，帮助模型提升理解能力、时序推理、构图判断与知识表达能力。适用于AI文旅解说、智能导览助手、大模型视频理解训练及地方文旅知识库构建等应用场景。
产品特点
• 高质量视频素材：分辨率≥1080P/2K，格式支持MP4、MOV、AVI等，视频无水印、无空帧、无损坏
• 问答覆盖多维度：包括空间感知、时序感知、拍摄角度及构图专业问题
• 视频拍摄时长：单段10秒至5分钟
• 大规模可扩展数据资源：
o 文旅视频问答对：5万组，由专业团队拍摄，围绕文旅场景设计高质量问答
o 通用场景视频理解训练数据：10万组，覆盖动植物、建筑风景、运动、美食等，问答设计涵盖类别、数量、空间位置、行为动作及时序关系
o 高质量人物视频数据集：100万组，以人物为主体，涵盖中国多领域代表性人物及生活场景中的普通人
o 专业体育运动视频数据集：100TB，覆盖9大类运动，包括田径、球类、水上、冬季运动、武术与格斗、极限运动、健身体能训练及传统民族体育
o 实体视频数据集：200万组，国内环境、文化相关实体及对应视频与内容介绍
