Conjuntos de Dados de Treino de Alta Qualidade

4 Pessoas - Corpus de Síntese de Timbre Médio com Alta Expressividade em Chinês (Narração), gravado por atores de voz profissionais. Dado um livro, os locutores o lêem com um estilo de narração altamente expressiva.

5 Pessoas - Corpus de Síntese de Timbre Médio com Estilos e Emoções Várias, gravado por atores de voz profissionais. Os estilos incluem: chefe feminina eficiente, príncipe magnânimo, empregada ágil e avó benevolente. As emoções abrangem: esprezo, raiva, alegria, preocupação, surpresa, respiração ofegante de medo, resmungo (desprezo), compaixão, riso, atividade mental, sério, nojo, dúvida e neutro.

O contexto do Conjunto de Dados da Competição de Diálogo Multilíngue Interspeech 2025-MLC-SLM tem origem na organização da Competição de Diálogo Multilíngue MLC-SLM pela Datatang em 2025. O conjunto de dados provém da recolha de quinze conjuntos de dados de diálogos por Datatang. Caracterizado por alta precisão de dados e forte usabilidade, foi projetado especificamente para superar gargalos técnicos no reconhecimento de fala multilíngue e compreensão de contexto longo. O conjunto de dados captura de forma autêntica cenários interativos complexos, como sobreposição de falantes e interrupções espontâneas, fornecendo recursos ricos para pesquisas e aplicações relacionadas com reconhecimento de voz, ajudando os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de Voz de Diálogos Naturais Mandarim em Modo de Comunicação Full-Duplex, gravados com base em diálogos sobre temas comuns. Anotado com atributos como  o conteúdo textual, marcas de tempo das frases, género e identidade do locutor, com alta precisão, este conjunto de dados oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, ajudando os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de Voz em Grego: Leitura (Telemóvel), recolhidos através de monólogos baseados em scripts fornecidos. Foram 95 locutores da Grécia, e as gravações foram feitas em um ambiente silencioso sem reverberação. O conteúdo gravado é amplo, com aproximadamente 1000 frases por cada locutor. Os textos são revisados manualmente para garantir alta precisão. Oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, validado por várias empresas de IA: ajuda os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de Voz em Norueguês: Leitura (Telemóvel), recolhidos através de monólogos baseados em scripts fornecidos. Foram 157 locutores da Noruega, e as gravações foram feitas em um ambiente silencioso sem reverberação. O conteúdo gravado é amplo, com aproximadamente 1000 frases por cada locutor. Os textos são revisados manualmente para garantir alta precisão. Oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, validado por várias empresas de IA: ajuda os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de Voz Coloquial em Grego,  abrangem domínios genéricos como mídias independentes, diálogos e transmissões ao vivo, refletindo cenários reais de interação.  Anotado com o conteúdo textual, género e identidade do locutor e outros atributos, este conjunto de dados foi gravado por nativos romenos de diferentes regiões e culturas, garantindo alta precisão e usabilidade. Oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, ajudando os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de Voz Coloquial em Norueguês, abrangem domínios genéricos como mídias independentes, diálogos e transmissões ao vivo, refletindo cenários reais de interação.  Anotado com o conteúdo textual, género e identidade do locutor e outros atributos, este conjunto de dados foi gravado por múltiplos noruegueses de diferentes regiões e culturas, garantindo alta precisão e usabilidade. Oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, ajudando os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de texto da plataforma japonesa de perguntas e respostas OKWAVE, incluindo perguntas, respostas, categorias, data de publicação, autores e outros campos. Os dados estão em atualização contínua; até o final de abril de 2025, havia 8,4 milhões de perguntas com 2,3 bilhões de caracteres, 27 milhões de respostas com 7,6 bilhões de caracteres, 15,5 milhões de agradecimentos (expressões de gratidão dos perguntadores aos respondentes) com 1,7 bilhão de caracteres, e 2,1 milhões de esclarecimentos adicionais com 360 milhões de caracteres. Esses dados podem ser usados para treinamento de modelos gerais de grande porte.

Dados de Voz em Tamil: Leitura (Telemóvel), recolhidos através de monólogos baseados em scripts fornecidos com conteúdo rico. Anotado com o conteúdo textual e outros atributos, o conjunto de dados foi recolhido por 479 nativos, com precisão alta. Oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, validado por várias empresas de IA: ajuda os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Dados de Voz em Lao: Leitura (Telemóvel), recolhidos através de monólogos baseados em scripts fornecidos com conteúdo rico. Anotado com atributos como o conteúdo textual, este conjunto de dados foi gravado por 418 nativos, com precisão alta. Oferece recursos abrangentes para pesquisas e aplicações relacionadas com reconhecimento de voz, ajudando os modelos a desempenharem-se excelentemente face à diversidade do mundo real. Cumprimos rigorosamente as leis de proteção de dados e as normas de privacidade, garantindo a proteção da privacidade dos utilizadores e os seus direitos legais durante todo o processo de recolha, armazenamento e utilização dos dados. Todos os dados estão em conformidade com o RGPD, CCPA e PIPL.

Corpus de Síntese Chinês de Interjeições Emocionais e Diálogos Livres, gravado por vários dubladores nativos chineses. Abrange frases ricas em interjeições que se alinham com padrões de expressão cotidianos, juntamente com dados de diálogos livres sobre tópicos específicos. Dentro de cada segmento de diálogo, o áudio de cada locutor é armazenado independentemente em faixas separadas. E os foneticistas profissionais anotaram o conteúdo textual e outras informações relevantes, atendendo plenamente aos requisitos precisos para pesquisa e desenvolvimento de síntese de voz.