对话剧本数据集
包含7万份中英戏剧/电影/动漫/话剧/微电影/相声/剧本杀等多种剧本，台词说话人清晰标注，适配大语言模型。
7.0万 条数据更新时间 2026-05-11
数据集简介
数据集剧本涵盖青春、爱情、科幻、悬疑、恐怖、历史、喜剧、都市传说和传记等题材，每一剧本确保段落结构完整、对白和场景拆分清晰、角色指代明确。中文剧本不少于3,000字符，英文剧本单词总数不少于3,000词，适用于剧本分析、对话生成模型训练、角色聊天机器人开发等大模型创新应用。
数据质量
记录完整性
90.39%
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
需要定制更适合业务场景的数据集？
我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。