中文
zh
数据解决方案
请填写姓名
手机格式错误
请填写手机号码
请填写公司全称
请填写企业邮箱
需求描述不能为空
提交成功！感谢您支持数据堂。
填写格式错误请重新填写
确定
需求描述格式错误
暂无数据
语音合成
zh
数据解决方案
请填写姓名
手机格式错误
请填写手机号码
请填写公司全称
请填写企业邮箱
需求描述不能为空
提交成功！感谢您支持数据堂。
填写格式错误请重新填写
确定
需求描述格式错误
暂无数据
语音合成
该数据涵盖法文、韩文、日文、西班牙文、德文、意大利文、葡萄牙文、俄文8种语言的会议场景PPT，以及中英文自然场景的海报、路标、包装说明、菜单等。自然场景为行级矩形框标注，PPT场景为四边形框标注，且都进行内容转写。
该数据规模5000人，其中，监控人脸识别数据500人，人脸多姿态数据3000人，跨年龄人脸数据1000人，遮挡人脸识别数据500人。以青年人为主，男女比例均为1:1。除人脸多姿态数据中黄种人、黑人、白人和印度人均匀分布，其他数据均为中国人。采集环境为室内、室外两个场景，采集设备有手机、相机。图像的数据格式为jpg。
该数据共3000人，每人分别采集正常、高兴、惊奇、悲伤、愤怒、厌恶、恐惧七种表情。涵盖黄种人、白人、黑人、棕色人（墨西哥人)四种肤色人种，以中青年为主，男女比例1:1。采集环境包括室内、室外。可用于表情识别算法研究。
该数据共10000张。以青年人为主，男女各5000人，包含黄种人4822人、白种人454人、黑种人2224人、印度人2500人。每人一张人脸图片，每张图片标注106人脸关键点，10种人脸属性。
该数据由黄种人、白人、黑人三种肤色的青年人在纯色、室内、室外场景下进行采集。男女比例均匀，涵盖了自然景观、街景、广场等多种场景；人脸倾斜、闭眼、瞪眼、抿嘴、张嘴等多种表情。对人脸、五官、身体和附属物进行抠图标注。
该数据包含室内外不同场景的18种静态手势及50种动态手势，从正视、斜视、俯视、仰视四个角度进行拍摄，对静态手势图像标注21关键点，手势的类别和属性；对动态手势的属性，相机的位置，采集的环境进行了标注。
该数据集由全国33个省市6278名发音人使用手机录制，录音环境为安静的室内，包含不影响语音辨识的背景噪音，录音内容包括30万条口语化句子，覆盖通用领域，数据格式为16kHz 16bit，wav单声道，句准确率不低于98%，可广泛应用于语音识别、声纹识别、机器翻译。
该数据由440人较年轻的采集人在不指定话题、以自然说话随意交谈的情况下录制，性别比例均衡，在相对安静的室内环境，环境底噪不超过50db，并标注了文本、说话人及有效句子的起止时间。该数据格式为16kHz或22.05kHz,16bit，单声道wav，句准确率不低于97%。
相对安静无回声的室内环境下，通过手机采集557名6-12岁儿童发音，录音内容来自儿童作文故事、人机交互、家居命令、数字及其他通用领域。该数据格式为16kHz、22.05kHz或44.1kHz,16bit，单声道wav，句准确率不低于97%。可应用于语音识别、声纹识别等方向。
在相对安静无回声的室内，由701名采集人录制的中英混杂语音数据，其中男女比例均衡，在噪音符号等附加项不计入的情况下句准确率不低于97%。数据有效时长200小时，该数据格式为16kHz 16bit，单声道wav。
该数据包括粤语、上海话、四川话、闽南话、武汉话、长沙话、昆明话、杭州话、苏州话、河南话各30小时，录音内容以口语化句子为主。在相对安静的室内通过手机采集录制，16kHz 16bit，wav，单声道，可广泛应用于语音识别、方言语种识别等场景。
该数据由来自俄罗斯、韩国、加拿大、美国、葡萄牙、日本、西班牙、印度、英国、中国的528人录制，每个国家男女比例均衡。在相对安静无回声的室内环境下，通用类语料，部分语言含有交互类、家居类、车载类和数字。数据格式为16kHz，16bit，无压缩wav，单声道，录音人员均使用英语进行录制，句错误率（SER）低于5%。
该数据由50人，每人80句家居类语句在真实家居场景下录制，每人同时采集37个通道，数据格式：麦克风阵列 48kHz 32bit（浮点）；手机 48kHz 16bit，麦克风阵型为6+1麦环形。可应用于家居场景下的语音增强、语音识别等。
该数据包括日语、韩语、印地语、越南语、俄语、法语、德语、意大利语、西班牙语、葡萄牙语各20小时，每个人录制数百句话。录音人覆盖各个年龄段，以年轻人为主，男女比例均衡。语音数据格式：16kHz 16bit，wav，单声道，标注结果为txt，数据标签格式：metadata。可用于语音识别声学、语种识别研究、语言模型训练或算法研究。
注：邮寄地址请咨询在线客服或打客服电话13051623904
AI数据助研计划申请表
13051623904
services@datatang.com
