数据堂(北京)科技股份有限公司

2,657小时普通话自然对话手机采集语音数据由4491名发音人参与录制，以自然方式进行面对面交流，不限制话题自由发挥，领域广泛，语音自然流利，符合实际对话场景。2,657小时普通话自然对话手机采集语音数据由人工转写文本，准确率高。

5,416段打喷嚏行为视频数据包括室内场景和室外场景。数据涵盖多种场景、多种分辨率。数据可用于人体行为检测、异常行为识别等任务数据堂专业的人工智能数据服务提供商,面向智能安防、手机应用、智能驾驶、智能家居、智能翻译等场景提供定制化数据解决方案。包括AI数据产品、AI数据采集、AI数据标注等数据定制服务。

176小时苏州方言手机语音采集语音数据由250名发音人，每人约500句苏州方言口语化句子采集得来。挑选苏州本地人员参与录音，口音正宗。录音内容口语化、生活化，朗读更加自然流利。176小时苏州方言手机语音采集语音数据由苏州本地人参与质检校对，文本转写更精准。匹配主流安卓、苹果系统手机

1000余名录音人朗读指定唤醒词，涵盖快中慢三种语速。语音均采用高保真麦克风录制于专业录音棚内。数据堂专业的人工智能数据服务提供商,面向智能安防、手机应用、智能驾驶、智能家居、智能翻译等场景提供定制化数据解决方案。包括AI数据产品、AI数据采集、AI数据标注等数据定制服务。

英俄平行语料数据总计108万组,排除了政治、黄色、个人信息等敏感词汇；可作为文本类数据分析的基础语料库，用于机器翻译等领域数据堂专业的人工智能数据服务提供商,面向智能安防、手机应用、智能驾驶、智能家居、智能翻译等场景提供定制化数据解决方案。包括AI数据产品、AI数据采集、AI数据标注等数据定制服务。

维吾尔语语音数据_对话（手机），基于约三十个常见主题来模拟录制。此数据集标注了文本内容、句时间戳、说话人身份、性别等多种属性，由328名来自不同地域和文化背景的维吾尔族人录制，准确性高，为语音识别相关研究及应用提供了丰富的资源，经多家AI公司验证：有助于模型面对真实世界的多样性时能够表现出色。我们严格遵循数据保护法规和隐私规定，确保数据采集、存储和使用的过程中维护用户的隐私和合法权益

10小时潮汕话女声合成库，由潮汕汕头发音人录制。语料音素覆盖均衡，专业语音学家参与标注，精准匹配语音合成的研发需求数据堂专业的人工智能数据服务提供商,面向智能安防、手机应用、智能驾驶、智能家居、智能翻译等场景提供定制化数据解决方案。包括AI数据产品、AI数据采集、AI数据标注等数据定制服务。

4,601张22种票据OCR数据采集背景为纯色，数据包括22种票据、多个省份。在标注方面，标注行级四边形标注、行级内容转写。本套票据OCR数据可用于票据识别、文字识别等任务数据堂专业的人工智能数据服务提供商,面向智能安防、手机应用、智能驾驶、智能家居、智能翻译等场景提供定制化数据解决方案。包括AI数据产品、AI数据采集、AI数据标注等数据定制服务。

399人35,112张黄种人人脸多姿态图像&21关键点标注数据集共采集399人，每人88张照片。数据多样性包括一人多姿态、不同年龄段、不同光照、不同采集环境。399人35,112张黄种人人脸多姿态图像&21关键点标注数据可用于人脸关键点定位、人脸行为识别等任务。

6087张体检报告OCR数据涵盖多种体检报告类型。在标注方面，行级矩形框标注、行级内容转写。本套体检报告OCR数据可用于体检报告检测与识别等任务数据堂专业的人工智能数据服务提供商,面向智能安防、手机应用、智能驾驶、智能家居、智能翻译等场景提供定制化数据解决方案。包括AI数据产品、AI数据采集、AI数据标注等数据定制服务。

101人4,538张日语手写体OCR数据文字载体为A4纸。该数据内容涵盖社会民生、娱乐、旅游、体育赛事、电影、作曲等领域。在标注方面，对文本进行字符级矩形框标注、字符级内容转写和行级矩形框标注、行级内容转写。本套数据可用于日语手写体OCR任务。

1,073只64,378张狗鼻子采集标注数据。数据场景包括室内外场景(同一只狗的采集场景不发生变化)。数据涵盖多种狗类型(泰迪、拉布拉多、柴犬等)、不同光照条件。对狗鼻子（鼻纹）进行抠图标注。本套狗鼻子采集标注数据可用于狗脸识别、狗的身份认证等任务。