晴数智慧布局对话式AI数据集多年，关注到大模型带来了大规模的对话式场景落地在3年前开始规划语音翻译数据集产品设计。高质量的语音翻译数据集成为基础能力制约的关键。晴数智慧设计生产了各个语言 (包括方言) 的端到端翻译数据集:MagicData-CLAM-MT自然口语对话端到端翻译数据。该数据集来自真实的人类自然对话，对话内容自然、丰富、具有个人特点且情感表达自然，可以使机器学习到人类的自然表达。

该数据集专为训练更懂口语表达的AI模型打造，有利于提升英语语音识别的自然交互能力，重点捕捉自然对话中的连读、弱读及填充词，覆盖场景丰富，由多样化人群录制，字准率高。高完整度语句与符合母语习惯的标点标注，有效提升模型对英语韵律节奏的建模能力，实现语音精准识别。

【开源数据】

副语言相比情感，在对话过程中随着不同上下文，时刻发生着不同程度的变化，也就往往更为难以描述。为了能够更好的让大模型学会人类的副语言信息，晴数智慧全新打造了“副语言信息高质量对话数据集”。该数据集由资深产品专家和语音合成顾问联手打造，经过精细设计和专业生产流程，，确保标签体系精准。数据集具备48KHz高采样率，安静环境采集，涵盖不同地区、年龄、性别的人员，实现语音多样化。采集领域多样，覆盖20个领域主题，包括但不限于衣食住行、休闲娱乐、教育培训、健康医疗等。