语音-语言与多语种对话
包含多种语言的语音对话及转录文本，适合语音识别、对话系统、多语言翻译及 TTS 模型训练。
文本音频图文到文本文本生成语音识别风景/自然社交媒体简体中文英语多语言更新时间 2026·06·08
数据集简介
聚焦多模态对话场景，覆盖情感咨询、智能客服、婚恋社交、广播电台等多个垂直领域，包含100+万小时对话数据，为语音识别、自然语言处理、情感理解等相关领域的研究与应用提供了多样化的数据支撑，多语种（中文、英文、土耳其、葡萄牙等）
数据质量
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
文本音频图文到文本文本生成语音识别风景/自然社交媒体简体中文英语多语言
