语音与音频采集
- 多语言与方言语音；通话录音与自由对话
- 脚本朗读与交互语音；唤醒词与语音指令
- 近场与远场录音；噪声与复杂声学场景
- ……
数据采集
从 TTS 发音人筛选与录音，到多语言、视觉和多模态数据采集，按语言、设备和业务场景组织项目，为模型提供可靠的数据基础。
TTS 发音人与录音
- 多语种发音人招募、筛选与试音；音色、年龄段与声音风格匹配
- 情绪语音、自然朗读与专业术语录音；录音棚及指定环境录音
- 音视频同步的多模态语音；声音使用授权与录音规范确认
- ……
文本与语言语料
- 领域文档与结构化知识；多语言与机器翻译语料
- 问答、摘要与对话样本；SFT 指令与回答语料
- 社交媒体与用户生成内容；经授权的公共及行业文本
- ……
视觉与多模态采集
- 菜单、名片、票据与文档；海报、招牌与手写文字
- 人像、动作与场景视频；图文对与交互内容
- 屏幕及风格化图像；经授权的数字人与多模态素材
- ……
数据标注
把原始素材转化为可用数据：提供音频转写与质检、翻译与语言学咨询，以及语音、文本、视觉和多模态标注。
音频转写与质检
- 音频转写与发音校对；说话人分段标注与时间戳
- 噪声、削波、截断与音量质检；错漏读与音文一致性检查
- 情感、意图与实体标签；声音事件与场景标签
- ……
TTS 发音与韵律标注
- 发音词典与多语言音素适配；音素、音标与时间边界
- 韵律、语调与情感分类；发音质量与噪声环境
- 语音文本对齐与分段；文本规范化与发音校对
- ……
翻译与语言学服务
- 多语种翻译、本地化与译文校对；语言学咨询、术语与标注规范
- 实体、句法与语义角色标注；意图、情感、问答与摘要标注
- SFT 指令与回答标注；RLHF 回答偏好排序
- ……
视觉与多模态标注
- 文字检测与转写（OCR）；目标检测、关键点与图像分类
- 语义分割与场景理解；视频标签与运动跟踪
- 三维重建与点云标注；图文对齐与多模态理解
- ……
模型评估
通过 MOS 主观听评、语言质量与多模态评测，识别模型表现的不足。按任务建立独立测试集和统一评审标准，为模型改进提供依据。
MOS 与 TTS 听评
开展 MOS（平均意见分）主观听评，并按项目需求评估自然度、发音准确性、韵律与音色一致性，汇总评分与问题样本。
语言与语音评测
按任务评估语音识别、转写与翻译的准确性，以及问答的相关性和事实准确性，并按语言与场景归类问题。
多模态与偏好评测
评审图像理解、图文一致性与跨模态对齐，开展回答比较与偏好排序，为 RLHF 提供反馈数据。
安全与对抗评测
结合安全性评审与对抗测试，分析违反安全边界的回答、指令冲突和风险场景，形成可复核的问题记录。
行业应用
智能驾驶与机器人
结合道路场景与动作数据、目标检测、视频跟踪和三维标注，支持环境感知与交互理解。
对话式 AI 与智能终端
覆盖唤醒词、交互语音与意图标注，为语音助手、智能家居和智能客服提供数据。
零售与电子商务
结合商品图像、菜单和票据 OCR 数据与搜索语料，支持商品识别、内容推荐和购物问答。
工业制造
细化缺陷与设备状态标签，为视觉质检和异常检测提供数据。
汽车座舱与车联网
围绕车载指令、远场语音与噪声环境、导航播报和座舱交互，提供语音数据采集、标注与评测服务。
金融与企业服务
通过文档 OCR、信息提取、文本分类与领域问答标注，支持金融服务和企业文书处理。
媒体与内容平台
提供音视频转写、多模态描述与情感语音数据，服务内容创作、有声读物和影视娱乐。
科研与环境分析
围绕时序数据、遥感与环境观测，整理便于复核的数据与评估集。
关于集沙数据
集沙数据是一家全球化 AI 数据服务商，合作服务网络覆盖中国、巴基斯坦及亚洲多国，为多模态大模型及语音、语言和视觉应用提供数据服务。支持 190 多种语言与方言，已服务 1200 多个项目，合作语言专家超过 2000 名。项目采用保密协议、最小权限管理和持续质量复核。
我们的客户
- 字节跳动
- 科大讯飞
- 百度
以及更多客户
聊聊你的
数据需求。
告诉我们数据类型、规模和预期时间，我们将与你讨论具体方案。
- 地址
- 上海市长宁区武夷路656-658号2号楼2楼3281室