© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
数据堂（北京）科技股份有限公司
企业数据堂（北京）科技股份有限公司成立于2010年，位于北京市。所属行业为科技推广和应用服务业。经营范围包括技术开发、技术服务；基础软件服务、应用软件服务；市场调查；货物进出口、技术进出口。
新三板(正常上市)高新技术企业科技型中小企业专精特新瞪羚企业
数据集列表
中文文本韵律标注语料数据
用于训练BERT/TinyBERT、LSTM-Attention、CRF、Span-based、HPM、Conformer等。提升韵律边界预测、停顿 / 重音 / 语调精准生成、情感表达、长文本一致性，增强对诗词格律、专业术语、对话交互的稳健性。服务于TTS、智能客服、有声内容、ASR、语言教学、影视配音、心理健康评估等场景。
杭州数据交易所2026-06-29 更新130
汉语多音字语料数据
用于训练BERT/RoBERTa-wwm、Distilled BERT、LSTM-Attention、SVM、规则 - 深度学习融合等。提升多音字精准消歧、上下文语义理解、罕见与专业发音识别、TTS 自然度，增强对诗词、术语、姓名、口语变调的稳健性。服务于语音合成、智能客服、语音识别、教育学习、内容创作、无障碍辅助等场景。
杭州数据交易所2026-06-29 更新00
有声读物文本拼音标注数据
用于训练TTS、ASR、预训练模型（ChineseBERT）。提升多音字与罕见字准确发音、语音合成自然度、拼音 - 汉字转换鲁棒性、中文 NLP 语义理解。服务于有声读物合成、语言学习、无障碍辅助、儿童教育、内容审核、智能语音助手等场景。
杭州数据交易所2026-06-29 更新00
小语种客服实网语音数据
用于语音识别训练，提升识别准确率、合成自然度、情感理解、多语种切换，增强对口音、方言、专业术语的鲁棒性。服务于跨境电商客服、国际热线、多语种智能助手、语音翻译、智能外呼、无障碍服务等场景
杭州数据交易所2026-06-29 更新00
13国票据数据
用于训练OCR+CNN+LSTM、YOLO / 改进版、LLM + 知识图谱、多模态融合。提升：多语种识别、跨版式适应、智能分类与结构化抽取、全球票据统一解析。服务：跨国企业财务自动化、跨境金融风控与反洗钱、国际税务合规、全球商旅智能报销、文档智能与辅助视障。
杭州数据交易所2026-06-29 更新00
婴幼儿啼哭数据
用于训练 CNN、LSTM、WaveNet 及音频 Transformer 模型。可提升啼哭原因分类（饥饿、不适等）、异常啼哭预警、哭声与需求匹配的精准度，增强噪音环境下识别的鲁棒性。服务于智能婴儿监护、母婴陪护设备、月子中心照护、新手父母育儿辅助、儿科远程初步筛查等场景。
杭州数据交易所2026-06-29 更新20
美国儿童手机采集语音数据
用于训练Whisper、Wav2vec2、LSTM/CLDNN等模型，并做儿童语音适配与多模态融合。可提升儿童语音识别准确率、语言发展分析、情绪理解，增强对高尖声、快语速、不标准发音的鲁棒性。服务于儿童教育应用、智能陪伴设备、语音治疗、健康监测等场景。
杭州数据交易所2026-06-29 更新10
中文男声客服语音合成数据
用于训练TTS，提升自然度与流畅度、情感表达、多场景适配、响应效率，增强对多音字、专业术语、长难句的稳健处理。服务于智能客服、智能语音助手、金融服务、内容创作、无障碍辅助、车载与智能家居等场景。
杭州数据交易所2026-06-29 更新10
会议演讲语音数据
用于语音识别训练，可提升长文本精准转写、多人声分离、专业术语识别能力，增强对演讲噪音、语速变化、口音的鲁棒性。服务于会议实时字幕生成、智能纪要整理、演讲内容复盘、远程会议翻译、培训课程转写等场景。
杭州数据交易所2026-06-29 更新00
唇形多模态视频数据
用于训练 CNN+LSTM、ViT、VocaLiST 等跨模态模型，还有 3D 唇形重建相关模型。可提升唇形 - 语音精准对齐、静音唇语识别、跨模态转换及复杂环境下唇形解析的鲁棒性。服务于听障人士无障碍交流、车载静音交互、安防隐蔽语音识别、虚拟人唇形驱动等场景。
杭州数据交易所2026-06-29 更新00