标贝（青岛）科技有限公司

标贝方言类语音数据集是标贝百万小时级语音大模型数据集的重要组成板块，覆盖四川话、粤语、上海话、河南话、东北话、陕西话等国内主流方言。语料采集自日常闲聊、生活交互等真实自然场景，涵盖不同年龄、性别发音人素材，保留地道方言词汇与口语表达。全部音频完成高精度文本对齐、音素、韵律多层标注，标注准确率高于 95%，统一采用 16kHz、16bit 单声道 wav 标准格式，可直接用于语音识别、语音合成模型训练，有效提升 AI 语音系统对方言口音的适配效果。