© 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
北京希尔贝壳科技有限公司
企业北京希尔贝壳科技有限公司成立于2017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、技术推广、技术转让、技术咨询、技术服务；销售自行开发后的产品；计算机系统服务；基础软件服务。
高新技术企业科技型中小企业雏鹰企业小微企业创新型中小企业
数据集列表
客家方言数据库
该数据集是一套客家方言语音数据库，总规模约 513 小时。录音语言为客家方言，录音地区为中国梅州，使用手机在安静室内环境下录制。
核心信息：
数据类型：方言语音识别数据集
语种/方言：客家方言
录音地区：中国梅州
总时长：约 513 小时
录音人数：411 人
性别分布：男 67 人，女 344 人
年龄覆盖：16 岁至 51 岁以上
录音环境：安静室内，无回音、无他人说话
录音设备：常见手机，如苹果、华为、小米、OPPO 等
音频格式：16kHz、16bit、WAV
标注质量：经专业校对，字正确率达到 96% 以上
语料内容主要为日常对话/闲聊类文本，例如朋友、家人问候，同事沟通，客服咨询等。
国家数据集管理服务平台2026-07-14 更新00
青岛方言语音数据库
该数据集是一套青岛方言语音数据库，总规模约 309 小时。录音语言为青岛方言，录音地区为中国青岛，采用手机在安静室内环境下录制。
核心信息：
数据类型：方言语音识别数据集
方言/地区：青岛方言，中国青岛
总时长：约 309 小时
录音人数：62 人
性别分布：男 11 人，女 51 人
年龄覆盖：18 岁至 51 岁以上
录音设备：常见手机，如苹果、华为、小米、OPPO 等
音频格式：16kHz、16bit、WAV
标注质量：经专业校对，字正确率达到 96% 以上
数据内容：日常对话/闲聊文本，包括朋友、家人问候，同事沟通，客服咨询等
国家数据集管理服务平台2026-07-10 更新00
河南方言语音数据库
总时长 450 小时，邀请 262 名河南本地发音人参与录制，在安静环境下使用手机进行录制，语料覆盖日常闲聊、亲友问候、办公沟通、客服咨询等领域，严格规范转写，经过专业校对，字正确率达到96%以上，可用于声纹识别、语音识别等研究。
国家数据集管理服务平台2026-07-10 更新00
场景噪音数据集
AISHELL-ASR0015 是希尔贝壳推出的真实环境噪声数据集，总时长 37.4 小时，采用安卓手机实地录制，采样率 44.1kHz、16bit，覆盖步行街、车载、地铁、餐馆、教室、酒吧等 17 类日常真实噪声场景，各场景噪声分布均衡，贴合现实复杂声学环境。
国家数据集管理服务平台2026-07-10 更新00
听障语音数据库
AISHELL-ASR0086 听障语音数据库，邀请母语为中文的听障人群录制，采样率 16000Hz，比特率 16bit。
数据库经过专业语音校对人员转写标注，并通过严格质量检验，文本正确率在 97%以上，主要用于听障语音识别模型训练与调优，改善发音不标准带来的识别偏差，支撑语音转写、实时字幕等无障碍工具研发。
上。
国家数据集管理服务平台2026-06-02 更新00
四川方言语音数据库
该数据集是一套四川方言语音数据库，总规模约 597 小时。录音语言为四川方言，录音地区为中国四川，使用手机在安静室内录制。
核心信息：
数据类型：方言语音识别数据集
方言/地区：四川方言，中国四川
总时长：约 597 小时
录音人数：203 人
性别分布：男 55 人，女 148 人
年龄覆盖：18 岁至 51 岁以上
录音设备：常见手机，如苹果、华为、小米、OPPO 等
音频格式：16kHz、16bit、WAV
标注质量：经专业校对，字正确率达到 96% 以上
数据内容：日常对话/闲聊文本，包括朋友、家人问候，同事沟通，客服咨询等
国家数据集管理服务平台2026-07-10 更新00
济南方言语音数据库
该数据集是一套济南方言语音数据库，总时长约 208 小时。录音语言为济南方言，录音地区为中国济南。
数据基本信息：
语音规模：208 小时
录音人数：336 人
性别分布：男 122 人，女 214 人
年龄覆盖：18 岁至 51 岁以上
录音环境：安静室内，无回音，无其他人说话
录音设备：常见手机，如苹果、华为、小米、OPPO 等
音频格式：16kHz、16bit、WAV 文件
标注质量：经过专业校对，字正确率达到 96% 以上
数据文件：包含音频文件、转写文本、录音人信息表等
语料内容主要是日常对话/闲聊类文本，例如朋友、家人问候，同事沟通，客服咨询等自然生活场景。
国家数据集管理服务平台2026-07-10 更新00
多国文本数据集
多语种文本数据集，总规模为 4,726,596 条文本。数据覆盖多个国家/语种，文本内容主要包括金融、体育、娱乐、科技、时事新闻，以及人名、节目名、歌曲名、街道名等日常生活相关内容。
国家数据集管理服务平台2026-07-10 更新00
泰语-英语平行语料库
泰语-英语平行文本语料库，共计 1,954,681 条文本语料记录。语料内容覆盖 新闻、日常用语、地址 等常见文本场景，适合用于泰英双语自然语言处理相关任务。
国家数据集管理服务平台2026-07-10 更新00
智能家居语音数据-中文
AISHELL-ASR0010 智能家居语音数据库共 1852 小时。录音语言，中文；录音地区，中国。录音文本包含主流家居场景智能控制、命令等 11 个分类。以中国北方口音区域为主邀请 646名发音人参与录制。录制过程在真实家居环境中，模拟智能家居电器及应用产品使用情况，设置 7 个录音位。其中 5 个为高保真麦克风(44.1kHz，16bit，每个麦克风录制时长在 217~284小时之间)、1 个 iOS 系统手机(16kHz，16bit，282 小时)与 1 个 Android 系统手机(16kHz，16bit，281 小时)进行录制。此数据库经过专业语音校对人员转写标注，并通过严格质量检验，文本正确率在 95%以上。
北京国际大数据交易所2900