高棉语 AI 训练数据

您的 AI 一直缺少的高棉语数据。

高精度高棉语数据、语音与 AI 服务：数据采集、转写、标注、语音生成、字幕与配音，以及 AI 提示词工程。

申请试点 查看服务
  • 母语高棉语语言专家
  • 每位说话人均已授权同意
  • 免费试点批次
bank_call_0142.wav 质检通过
  1. A 00:00.4 – 00:03.1

    សួស្តី ខ្ញុំចង់បើកគណនីធនាគារ។

    “Hello, I'd like to open a bank account.” intent: open_accountdialect: Phnom Penh
  2. B 00:03.6 – 00:07.2

    បាទ សូមបង្ហាញអត្តសញ្ញាណប័ណ្ណរបស់អ្នក។

    “Sure, please show your national ID card.” entity: ID_CARDnoise: low
服务行业
  • 银行与金融科技
  • 电信与呼叫中心
  • 语音助手
  • 媒体与在线教育
  • 政府公共服务
  • AI 研究机构
1 天一个工作日内回复每一份需求
免费决定之前先做试点批次
2×每份转写和标注都经两位语言专家审核
100%所有参与者均签署同意书并获得合理报酬

服务

高棉语一站式服务：从原始数据到成品语音与 AI

八项服务，均由高棉语母语专家完成。可单独选用，也可组合使用。每个项目都从一次小规模免费试点开始，让您先验证质量。

语音数据采集

按脚本朗读和自然对话的高棉语录音，说话人覆盖各省份、年龄和性别——包括电话、手机和远场录音。

  • 定制脚本与唤醒词
  • 对话及呼叫中心录音
  • 人口属性均衡
了解更多 →

语音转写

逐字或规整的高棉语转写文本，附时间戳、说话人轮次及统一的拼写规范。

  • 句级与词级时间戳
  • 高棉语–英语混说
  • 噪声与非语音标签
了解更多 →

数据标注

与您的机器学习团队共同设计文本、音频和图像标签，并由第二位语言专家复核。

  • 意图、实体与情感
  • 高棉语分词
  • 边界框与关键点
了解更多 →

文本与大模型数据

高棉语指令数据、翻译及人工偏好评分，让聊天机器人和大模型说出自然地道的高棉语。

  • 提示词–回答撰写
  • 人工翻译与审校
  • 输出排序（RLHF）
了解更多 →

评测与基准

独立的高棉语测试集和人工评分，让您在上线前了解模型的真实表现。

  • WER / CER 测试集
  • 准确率与偏差检测
  • 供应商模型对比
了解更多 →
新

高棉语语音生成

为应用、IVR、有声书和语音助手提供自然的高棉语声音：来自已签署同意书的配音演员的录音棚录音、可直接训练的语音合成数据，以及定制品牌声音。

  • 录音棚 TTS 数据集（48 kHz，音素均衡）
  • 定制品牌声音，附签署的声音授权同意书
  • 用于 IVR、在线课程和广告的高棉语配音
  • 合成语音的 MOS 听感测试
了解更多 →
新

AI 工程师与高棉语提示词专家

以高棉语为母语的提示词工程师和 AI 工程师，为您设计、测试并加固聊天机器人和 AI 智能体，让它们用高棉语回答得准确、礼貌且安全。

  • 高棉语系统提示词和少样本示例库
  • 高棉语红队测试与安全测试
  • 基于您的高棉语文档做 RAG 和微调
  • 按月派驻到您团队的提示词专家
了解更多 →
新

字幕与配音

为电影、剧集、在线课程和广告提供高棉语字幕和配音，并为走向海外的高棉语内容制作英文和中文字幕。

  • 带时间轴的字幕（SRT、VTT）和隐藏式字幕
  • 高棉语配音和旁白，口型同步
  • 高棉语 ⇄ 英语和中文翻译
  • 母语人员审核时间轴、拼写和语气
了解更多 →

合作方式

选择适合您团队的模式

购买现成数据、把整个项目交给我们，或为您的流程增加高棉语专家。

01

授权现成数据集

现成的高棉语语音和文本数据，附数据说明书和商业授权。

适合 您需要本月就开始训练。

浏览数据集 →
02

托管项目

我们按您的规格和期限，端到端完成采集、转写、标注和质检。

适合 您需要定制数据和固定价格。

估算项目 →
03

专属团队

按您的标注规范培训的高棉语语言专家和标注员，按月合作。

适合 您有持续的数据需求。

联系我们 →
04

在您的工具内工作

我们的团队在您的标注平台或云环境中工作，敏感数据不离开您的系统。

适合 数据受监管，例如银行或身份证件。

查看安全措施 →

为何需要专业团队

通用数据流程处理不好高棉语

国际供应商把高棉语当作普通语言处理。但事实并非如此——这些错误会在实际使用中表现为准确率低下。

ខ្ញុំស្រលាញ់កម្ពុជា词与词之间没有空格
词语边界必须由受过训练的语言专家判定，否则分词器和搜索都会出错。
ស្ត្រី叠写辅音
下标字母和 Unicode 顺序错误会悄无声息地破坏文本和 OCR 标注。
OK បង语码混用
真实口语中高棉语夹杂英语、法语、泰语和越南语词汇——聊天中还常用拉丁字母拼写高棉语。
ទឹក地区口音
金边、马德望、茶胶以及下高棉地区的口音各不相同，您的数据需要全部覆盖。

应用场景

我们的数据能做什么

听得懂高棉语的语音转文字与语音助手

用大量多样且转写准确的高棉语音频训练 ASR 和唤醒词模型——录音所用的手机和嘈杂环境，正是您用户的真实场景。

  • 已转写的朗读及自然口语数据
  • 唤醒词与语音指令数据集
  • 发音词典

合作流程

五步完成：从需求到数据集

  1. 1

    确定范围

    与您的团队确定数据规格、标注指南、数量和时间表。

  2. 2

    试点

    提供一小批免费样本，供您测试质量并完善指南。

  3. 3

    采集

    通过经审核的贡献者网络，在授权同意的前提下录音和拍摄。

  4. 4

    标注与质检

    语言专家两轮审核，每批次都测量标注一致性。

  5. 5

    交付

    按您需要的格式安全交付，并附质量报告和数据说明卡。

质量与安全

可直接投入生产、经得起审查的数据

  • 每一次都知情同意

    贡献者签署清晰的高棉语同意书，并获得合理报酬。您将收到全部同意记录。

  • 可量化的准确率

    双重审核、金标准抽检，并按批次报告一致性分数——不只是口头承诺。

  • 严格的数据管控

    加密存储与传输、基于角色的访问权限、全员签署保密协议，并可按需删除数据。

  • 数据留在您需要的地方

    可在我们的安全平台上作业，也可在您自己的工具和云环境中完成。

每个批次都会附带

可衡量的质量，而不只是承诺

batch_07_report.pdf 已验收

示例 · 对话语音 · 120 小时 · 412 位说话人

转写准确率98.7%目标 ≥ 98%
标注一致性 (κ)0.91目标 ≥ 0.85
金标准任务通过率99.2%每批次均含隐藏抽检
同意书记录412 / 412每位说话人一份，交付给您

示例仅供说明。您的报告会显示每个批次的真实数据，并按说话人、地区和标签细分错误。

项目估算

30 秒获得大致估算

选择服务和数量，查看参考预算和交付时间。免费试点后您将获得固定报价。

音频小时 录音小时 千条 千组问答 成品录音棚小时 工程师人天 视频分钟 视频分钟
交付速度
质检级别

参考预算

—

预计交付

— 周

  • 先做免费试点批次
  • 数据说明书、同意书记录和质检报告
  • 按您需要的格式交付

仅供参考。价格取决于音频质量、标注复杂度和交付速度。

常见问题

常见问题

免费试点如何进行？

我们按您的规格免费制作一小批样本——例如 1 小时转写音频或 500 张标注图像。您审核后，我们完善指南，再为完整项目报价。

项目如何定价？

语音通常按音频小时计费，标注按条计费，采集按贡献者人数或录音时长计费。数量、交付周期和难度都会影响价格。试点结束后，您将获得固定报价。

你们能使用我们自己的标注工具吗？

可以。我们的团队可以在您的平台内作业，也可以使用我们自己的安全工具并按您的格式交付。

数据归谁所有？

定制项目交付的数据集归您所有，并附有允许约定用途的同意记录。我们不会转售定制数据。

你们支持其他语言吗？

我们专注于高棉语。如有需要，也可提供高棉语–英语平行语料以及柬埔寨少数民族语言数据。

启动项目

告诉我们您正在构建什么

我们将在一个工作日内回复，附上问题清单和试点方案。

  1. 1 需求
  2. 2 范围
  3. 3 联系方式
您需要哪些服务？

将在您的邮件应用中打开一封已填好信息的邮件。