跳到主要内容

ABOUT TOMCUBE

让多模态数据成为可验证的科学证据

汤川科技(TOMCUBE)面向高校与企事业单位,提供多模态语言数据的设计、采集、处理与验证服务。我们把语音、视频、文本、眼动与生理信号放在同一条时间轴上,交付可复现、可审计、可引用的研究级数据。

成立
2019 年
总部
北京 · 朝阳
合作机构
10+ 家
覆盖语言
38 种

01 / 我们的故事

从一条时间轴开始

七年时间,我们只做了一件持续变难的事:让不同来源的信号在同一时间轴上保持可信。

成立
2019 年
总部
北京 · 朝阳
办公地点
2 处
法律主体
汤川科技(北京)有限公司

汤川科技成立于 2019 年。最初我们只做一件事:把声音、画面与传感器信号稳定地放在同一条时间轴上。七年之后,这支团队从一间录音室扩展到北京总部与上海联合实验室两个据点,语料从第一小时的朗读扩展到 12,400 小时的多模态记录。

我们做什么

我们围绕研究问题提供完整链路:研究设计、采集、处理与标注、验证与交付。差异不在于设备清单,而在于验证:同步误差、标注一致性与批次质检结果都会被写成可复核的报告,随数据一起交付。

我们如何工作

每个项目都配研究、工程与伦理三个角色。研究角色负责把问题翻译成可测量的变量,工程角色负责让采集与处理稳定可复现,伦理角色负责知情同意、去标识化与授权链条。交付物不只是一批文件,还包括采集日志、标注手册与验证结论。

我们更愿意被当作什么

不是数据供应商,而是研究团队的外部方法组。数据交付之后,方法仍然可以被追问、被复现、被引用——这是我们判断一个项目是否完成的唯一标准。

02 / 价值观

四条不妥协的原则

它们不写在墙上,而是写进每一份交付报告、每一次伦理审查和每一次重采决定里。

01

可复现优先

数据、采集日志、标注手册与分析脚本一起交付。换一个时间、换一个人,仍然能复现同一批结论。

02

验证先于交付

同步误差、标注一致性与批次质检结果都写进交付报告。不通过就重采,不用「差不多」换进度。

03

伦理是设计的一部分

知情同意、去标识化与授权链条在采集之前确定,而不是在数据已经躺在硬盘里之后补一份说明。

04

与研究团队同行

从研究问题出发设计采集,而不是从设备清单出发。我们更愿意被当作外部的方法组,而不是数据供应商。

03 / 能力与认证

从采集到验证的完整能力

我们不把环节拆散外包:研究设计、采集、处理标注与验证在同一个团队里完成,责任链条清晰。

能力清单

  • 实验室级多流同步采集
  • 田野与真实场景采集
  • 远程与众包采集
  • 多语种被试招募
  • 语音转写与强制对齐
  • 标注体系设计与管理
  • 去标识化与隐私计算
  • 验证报告与可复现审计

认证与合规

  • ISO 27001 信息安全管理体系

  • ISO 20252 研究与数据服务规范

  • 机构伦理审查(IRB)协作流程

认证证书副本可应要求提供。涉及个人数据或未成年人的项目,均需通过伦理审查并签署数据处理协议。

04 / 时间线

2019–2026:一条越来越长的时间轴

从第一间录音室到北京总部与上海联合实验室,变的是规模,不变的是每条信号都要对得上时间。

  1. 2019

    从一间录音室开始

    汤川科技在北京成立,为第一个语音学课题搭建音视频同步采集链路。团队三个人,设备装满一辆后备箱。

  2. 2020

    首个多模态语料库交付

    完成首个包含语音、视频与转写的多模态语料库,同步误差首次被写入交付报告,成为后续项目的标准动作。

  3. 2021

    建立验证与质检体系

    引入双盲标注复核与批次抽检流程,把标注一致性 κ 与质检通过率作为交付前的硬指标。

  4. 2022

    上海联合实验室启用

    上海联合实验室投入使用,联合高校团队开展多模态采集与验证方法研究,为华东地区的语言与认知研究提供实验空间。

  5. 2023

    开放研究计划启动

    发布第一项开放研究与标注协议,开始把内部测量口径整理成可复现的公开文档。

  6. 2024

    临床与眼动数据集开放

    发布临床对话去标识化基准与 READ 中文阅读眼动数据集,验证「隐私保护」与「研究可用性」可以同时成立。

  7. 2025

    课堂协议与方言基准

    课堂多模态标注协议升级到 v2,方言语音识别鲁棒性基准完成首轮评测,合作机构覆盖到 10+ 家。

  8. 2026

    12,400 小时与 MC-Sync

    已验证多模态语料累计达到 12,400 小时,同步质量基准 MC-Sync 发布,采集与验证流程对外可复现。

05 / 合作版图

与实验室一起,把方法留在现场

从 C9 高校语音实验室到汽车座舱、音乐厅与脑神经研究组,我们在真实研究场景中共同建设采集、标注与验证流程。

C9 高校语音实验室

语音采集 · 韵律与语音技术

语言类高校多模态实验室

课堂与访谈 · 多模态标注

全景声感知实验室

空间音频 · 感知实验数据

汽车智能多模态

座舱多说话人 · 噪声场景

音乐院校多模态实验室

演奏动作 · 音频与生理同步

语言科学与脑神经

EEG / ERP · 语言加工

……以及持续扩展的语言、认知与人机交互研究场景

06 / 团队

四个人,四种把关

研究、标注、工程与伦理各有一位负责人,每条交付都要经过这四个视角。

林

林澈

创始人 · 首席科学家

语音学与多模态语料库;负责研究设计、同步验证与开放研究计划。

周

周予安

研究总监

多模态标注与一致性评估;负责标注体系、开放基准与联合研究。

陈

陈砚

数据工程负责人

采集流水线、多流同步与处理工具;负责实验室与田野采集的执行质量。

苏

苏遥

伦理与合规负责人

知情同意、去标识化与授权链条;负责伦理审查协作与数据合规。

07 / 办公地点

在北京与上海工作

北京总部负责研究设计、数据工程与验证交付;上海联合实验室承担多模态采集方法与设备验证。来访请提前预约。

北京

总部

朝阳区豆各庄乡水牛坊015号东楼二层247室

上海

联合实验室

上海 · 联合实验室(预约参观)

WORK WITH US

把下一个研究问题交给我们

无论你正在准备课题申报、搭建数据资产,还是需要复核一批已有语料,都可以先聊聊问题本身。

1 个工作日内回复 · 支持 NDA 与数据授权协议 · 高校科研专属方案