MDT-RI002 粤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，有利于提升粤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。针对粤语九声调、懒音、俚语等特性优化标注，严格保证音字匹配质量。完整语句结构与符合口语习惯的标点设计，帮助模型精准捕捉粤语特有的停顿节奏和语气词用法，攻克方言识别中的泛化瓶颈。
语种
粤语
数据风格
spontaneous
比特率
16bits
声道
1
时长
5000+小时
没有找到想要的数据？
数据集推荐
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
MDT-AA006 中国英语朗读音频数据集
【开源数据】
试听音频
MDT-AG022 中文普通话对话音频数据集
试听音频
MDT-AE012 土耳其语朗读音频数据集—日常用语
【开源数据】
试听音频
MDT-BE011 中文女声客服TTS数据集（素人）
【开源数据】
试听音频
MDT-AE023 泰语朗读音频数据集—日常用语
试听音频
数据优势有哪些？
合规性
符合ISO/IEC 27001和ISO/IEC 27701:2019标准认证
多维度
音频、文本、图像、音视频多模态数据
覆盖性
涵盖多领域的对话式、朗读式及自发式数据
高精度
人机协同高精度标注