សំណុំទិន្នន័យ
សំណុំទិន្នន័យខ្មែរដែលរួចរាល់
ចាប់ផ្តើមបង្ហាត់ម៉ូដែលបានលឿនជាងមុនជាមួយទិន្នន័យខ្មែររួចរាល់របស់យើង ឬប្រើវាដើម្បីវាយតម្លៃមុនគម្រោងផ្ទាល់ខ្លួន។ សំណុំទិន្នន័យនីមួយៗមានការយល់ព្រម ត្រួតពិនិត្យដោយអ្នកភាសាវិទ្យា និងមានអាជ្ញាប័ណ្ណសម្រាប់ប្រើប្រាស់ពាណិជ្ជកម្ម។
6 សំណុំទិន្នន័យ
សំឡេងមានគំរូ
សំឡេងសន្ទនាខ្មែរ
ការសន្ទនាតាមទូរសព្ទធម្មជាតិរវាងមនុស្សពីរនាក់ លើប្រធានបទប្រចាំថ្ងៃ ដូចជា ធនាគារ ការទិញទំនិញ សុខភាព និងការធ្វើដំណើរ ជាមួយអត្ថបទចម្លងបំបែកតាមអ្នកនិយាយ។
- បរិមាណ
- គោលដៅ៖ ៥០០ ម៉ោង
- វិសាលភាព
- អ្នកនិយាយជាង ១.០០០ នាក់ គ្រប់តំបន់
- ទម្រង់
- WAV 8 / 16 kHz · JSON
- ល្អបំផុតសម្រាប់
- ASR និងការវិភាគមជ្ឈមណ្ឌលទំនាក់ទំនង
សំឡេងមានគំរូ
សំឡេងអានខ្មែរ ច្រើនសំនៀង
ប្រយោគដែលមានតុល្យភាពសូរសព្ទ អានដោយអ្នកមកពីភ្នំពេញ បាត់ដំបង សៀមរាប តាកែវ និងកន្លែងផ្សេងទៀត ថតលើទូរសព្ទប្រើប្រាស់ប្រចាំថ្ងៃ។
- បរិមាណ
- គោលដៅ៖ ៣០០ ម៉ោង
- វិសាលភាព
- តុល្យភាពតាមអាយុ ភេទ និងតំបន់
- ទម្រង់
- WAV 16 kHz · TextGrid · JSON
- ល្អបំផុតសម្រាប់
- ASR ការបំលែងអត្ថបទជាសំឡេង និងការតេស្តសំនៀង
សំឡេងមានគំរូ
ពាក្យដាស់ និងពាក្យបញ្ជាជាសំឡេងខ្មែរ
ពាក្យបញ្ជាខ្លីៗសម្រាប់កម្មវិធី រថយន្ត និងឧបករណ៍ឆ្លាតវៃ ដូចជា «ហៅ» «បង់ប្រាក់» «បើក» លេខ និងកាលបរិច្ឆេទ នៅកន្លែងស្ងាត់ និងកន្លែងមានសំឡេងរំខាន។
- បរិមាណ
- គោលដៅ៖ ២០០.០០០ ឃ្លីប
- វិសាលភាព
- អ្នកនិយាយជាង ២.០០០ នាក់
- ទម្រង់
- WAV 16 kHz · CSV
- ល្អបំផុតសម្រាប់
- ពាក្យដាស់ និងការចាប់ពាក្យគន្លឹះ
សំឡេងមានគំរូ
សំឡេង TTS ស្ទូឌីយោជាភាសាខ្មែរ
ការថតក្នុងស្ទូឌីយោពីអ្នកអានសំឡេងខ្មែរអាជីព ទាំងប្រុសនិងស្រី ក្នុងរចនាបថធម្មតា ព័ត៌មាន និងរួសរាយ ជាមួយអត្ថបទដែលតម្រឹមរួច។ សំឡេងនីមួយៗមានការយល់ព្រមអាជ្ញាប័ណ្ណសំឡេងដែលបានចុះហត្ថលេខា។
- បរិមាណ
- គោលដៅ៖ ៤ សំឡេង × ២០ ម៉ោង
- វិសាលភាព
- ប្រុស និងស្រី រចនាបថនិយាយ ៣
- ទម្រង់
- WAV 48 kHz / 24-bit · JSON
- ល្អបំផុតសម្រាប់
- Text-to-speech ជំនួយការសំឡេង IVR
អត្ថបទមានគំរូ
សំណុំអត្ថបទកាត់ពាក្យ និង NER ខ្មែរ
អត្ថបទព័ត៌មាន បណ្តាញសង្គម និងឯកសារផ្លូវការ ដែលមានព្រំដែនពាក្យត្រួតពិនិត្យដោយអ្នកភាសាវិទ្យា និងស្លាកលើឈ្មោះ ទីកន្លែង អង្គភាព កាលបរិច្ឆេទ និងចំនួនទឹកប្រាក់។
- បរិមាណ
- គោលដៅ៖ ១ លានពាក្យ
- វិសាលភាព
- ព័ត៌មាន បណ្តាញសង្គម ឯកសារផ្លូវការ ហិរញ្ញវត្ថុ
- ទម្រង់
- JSONL · CoNLL
- ល្អបំផុតសម្រាប់
- Tokenizer ការស្វែងរក NER និង LLM
អត្ថបទមានគំរូ
អត្ថបទប៉ារ៉ាឡែលខ្មែរ–អង់គ្លេស
គូប្រយោគដែលបកប្រែដោយមនុស្ស លើវិស័យធនាគារ សុខាភិបាល បច្ចេកវិទ្យា និងការជជែកប្រចាំថ្ងៃ រួមទាំងខ្មែរសរសេរជាអក្សរឡាតាំង។
- បរិមាណ
- គោលដៅ៖ ៥០០.០០០ គូ
- វិសាលភាព
- ភាសាផ្លូវការ និងក្រៅផ្លូវការ
- ទម្រង់
- TSV · JSONL
- ល្អបំផុតសម្រាប់
- ការបកប្រែដោយម៉ាស៊ីន និងការកែសម្រួល LLM
ត្រូវការអ្វីផ្សេងទៀតឬ?
សំណុំទិន្នន័យណាមួយក៏អាចពង្រីក ឬកែសម្រួលបាន ដោយបន្ថែមសំនៀង វិស័យ ឧបករណ៍ ឬស្លាកផ្សេងៗ។ ឬយើងបង្កើតថ្មីទាំងស្រុងសម្រាប់អ្នក។
ស្នើសុំគម្រោងផ្ទាល់ខ្លួន
រកមិនឃើញសំណុំទិន្នន័យដែលត្រូវនឹងការស្វែងរករបស់អ្នក។ សាកល្បងពាក្យផ្សេង ឬស្នើសុំសំណុំទិន្នន័យផ្ទាល់ខ្លួនពីយើង។
បរិមាណខាងលើជាគោលដៅប្រមូលបច្ចុប្បន្ន ហើយកើនឡើងជារៀងរាល់ខែ។ សូមស្នើសុំគំរូ ដើម្បីទទួលបានតួលេខចុងក្រោយ និងឯកសារពិពណ៌នាទិន្នន័យពេញលេញ។