Conjuntos de Dados de Treino de Alta Qualidade

411 Falantes – Aprox. 262 Horas de Conjunto de Dados de Fala Infantil Japonesa, composto por 147.668 enunciados roteirizados. Os falantes são crianças japonesas com idades entre 6 e 13 anos, categorizadas em séries iniciais (6–9 anos, 179 falantes) e séries finais (10–13 anos, 232 falantes), com distribuição equilibrada de gênero. As gravações foram realizadas com smartphones no formato WAV mono 16kHz/16bit, acompanhadas de transcrições de enunciados e roteiros de leitura. O conjunto de dados é aplicável a tarefas como ASR infantil em japonês, TTS, reconhecimento de locutor e avaliação de pronúncia.

68750 grupos no total, dos quais 62500 grupos para edição baseada em conhecimento e 6250 grupos para edição baseada em regras físicas. As imagens abrangem uma ampla variedade de cenários e categorias. Na anotação, a imagem original é editada de acordo com as instruções do documento para gerar uma imagem de resultado. Para a maioria das categorias, o processo também envolve etapas de raciocínio. A precisão de correspondência entre imagem e conteúdo textual é de pelo menos 95%. Os dados podem ser utilizados para tarefas como geração de cenas virtuais, síntese de imagens e aumento de dados.

12.500 conjuntos de dados de edição de imagem (edição de cena), sendo 2.500 conjuntos para ajuste de sombras, 2.500 para ajuste de iluminação, 2.500 para adição/remoção de objetos reflexivos, 2.500 para correção de exposição e 2.500 para filtros de efeito. As imagens abrangem diversas cenas, categorias, condições climáticas e períodos do dia. A precisão de correspondência entre imagem e conteúdo textual é de no mínimo 95%. Os dados podem ser utilizados para tarefas como síntese de imagens e geração de cenas virtuais.

3 milhões de dados de imagem de alta qualidade. Este banco de dados consiste em obras de imagem originais e licenciadas publicadas pelo autor, com a maioria em resolução 4K ou superior, abrangendo diversas categorias, como retratos, gastronomia, paisagens, arquitetura e outras.

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 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.