跳到主要内容

DATA CATALOG

可验证的多模态语言数据目录

九个数据集覆盖语音、视频、文本、眼动、生理信号、动作捕捉与多模态融合。每一份数据都通过同步、内容、一致性与可复现验证,再按研究或产品场景授权交付。

交付标准

已验证多模态语料
12,400小时
标注一致性中位数
0.91κ
批次质检通过率
98.7%

交付前完成同步测量、内容抽检与双盲一致性复核,并随附可复现审计清单。

数据集
9 类
覆盖模态
7 类
语言与方言
38 种
同步误差中位数
1.4 ms

02 / 数据目录

九个数据集,可按研究问题组合

每个数据集都可单独授权,也可按场景、说话人与标注层级组合成定制子集。使用筛选按模态缩小范围。

显示 9 个数据集

03 / 验证流程

每一份数据都通过五道验证

验证不是交付前的一次抽检,而是贯穿采集、处理、标注与交付的连续流程。每个批次都保留可追溯的记录。

  1. 01SYNC

    同步验证

    用统一时基测量音频、视频、眼动、生理与动作信号之间的时间偏差,中位数 1.4 ms 以内才进入下一环节。

  2. 02CONTENT

    内容核验

    按批次抽检转写、标注与元数据,核对字段完整性、说话人匹配与语义一致性。

  3. 03KAPPA

    一致性评估

    关键标注层执行双盲复核并计算 κ;低于阈值时重新培训标注员并重标相关批次。

  4. 04AUDIT

    可复现审计

    记录设备、参数、脚本与版本,任何人可以依据审计清单复现报告中的指标。

  5. 05ETHICS

    伦理与授权

    知情同意、去标识化与授权链条逐项留档,按研究或商业场景分级开放。

DATA REQUEST

需要一份匹配研究问题的数据集?

告诉我们研究问题、变量设计与交付时间,我们会给出子集方案、样本量与预算框架。

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