语音可提供样本
高棉语对话语音
关于银行、购物、健康和出行等日常话题的自然双人电话对话，附按说话人分离的转写文本。
- 数据量
- 目标：500 小时
- 覆盖范围
- 1,000+ 名说话人，覆盖各地区
- 格式
- WAV 8 / 16 kHz · JSON
- 适用于
- ASR、呼叫中心分析
6 个数据集
语音可提供样本
高棉语朗读语音（多口音）
由金边、马德望、暹粒、茶胶等地说话人朗读的音素均衡句子，使用日常手机录制。
- 数据量
- 目标：300 小时
- 覆盖范围
- 按年龄、性别和地区均衡
- 格式
- WAV 16 kHz · TextGrid · JSON
- 适用于
- ASR、语音合成、口音测试
语音可提供样本
高棉语唤醒词与语音指令
用于应用、汽车和智能设备的简短指令，如“打电话”“付款”“打开”、数字和日期，涵盖安静与嘈杂环境。
- 数据量
- 目标：200,000 条
- 覆盖范围
- 2,000+ 名说话人
- 格式
- WAV 16 kHz · CSV
- 适用于
- 唤醒词、关键词检测
语音可提供样本
高棉语录音棚 TTS 声音
由专业高棉语男女配音演员在录音棚录制，包含中性、新闻和亲切三种风格，并附对齐文本。每个声音都附有签署的声音授权同意书。
- 数据量
- 目标：4 个声音 × 20 小时
- 覆盖范围
- 男声和女声，3 种说话风格
- 格式
- WAV 48 kHz / 24-bit · JSON
- 适用于
- 语音合成、语音助手、IVR
文本可提供样本
高棉语分词与命名实体语料
新闻、社交媒体和官方文本，词语边界经语言专家核对，并标注人名、地名、机构、日期和金额。
- 数据量
- 目标：100 万词
- 覆盖范围
- 新闻、社交、官方、金融
- 格式
- JSONL · CoNLL
- 适用于
- 分词器、搜索、NER、大模型
文本可提供样本
高棉语–英语平行文本
涵盖银行、医疗、科技和日常聊天的人工翻译句对，包括拉丁字母拼写的高棉语。
- 数据量
- 目标：500,000 句对
- 覆盖范围
- 正式与非正式语体
- 格式
- TSV · JSONL
- 适用于
- 机器翻译、大模型微调
需要别的数据？
任何数据集都可以扩展或定制，增加口音、领域、设备或标签类型。也可以为您从零开始构建。
申请定制项目没有找到匹配的数据集。请换个关键词，或向我们申请定制数据集。
以上数据量为当前采集目标，每月持续增长。申请样本即可获取最新数据和完整的数据说明书。
申请样本
先试用，再购买
告诉我们您想评估哪些数据集。我们将在一个工作日内回复，并附上样本和数据说明书。