资源
来自我们日常工作的实用经验：如何规划高棉语语音、文本和大模型数据，常见的问题，以及大致成本。
以下文章目前仅提供英文版。
逐步规划高棉语 ASR 数据集：说话人构成、地方口音、录音脚本、录音环境、转写规范、测试集以及常见错误。
高棉语书写时词与词之间没有空格。了解分词为何影响搜索、NLP、语音识别和大模型，现有工具的不足，以及如何标注高质量数据。
高棉语 TTS 数据集的关键：配音人选、录音棚录制、脚本覆盖、文本规范化、发音与对齐检查。
2026 年高棉语转写、语音采集、数据标注、大模型数据和字幕的参考价格，影响价格的因素，以及如何为项目做预算。
为高棉语微调大语言模型所需的数据：清洗后的语料、指令问答对、偏好数据、安全数据以及高棉语评测集。
查看现成的高棉语数据集 →
告诉我们您在开发什么。我们会按您的要求免费制作一小批试点数据，让您先验证质量。