エンボディッドAIデータセット

办公文档处理データセット

8,000+ episodes · 文档 OCR · 盖章扫描分类归档 · 办公自动化数字员工

episodes8,000+

发票/合同/报销单/审批表等12 类文档

コンプライアンス检测标注印章/签名

打印/盖章/扫描/分类/归档5 步流程

无真实敏感信息脱敏处理

データセット概要

定義：办公文档处理データセットは長沙朗慧信息科技有限公司提供的エンボディッドAIデータセット。办公场景中的文件打印、盖章、扫描、分类归档与票据整理操作，同步记录文档 OCR 结果、操作步骤与审批状态，适用于办公自动化数字员工训练。

データセット名	办公文档处理データセット
データ総量	8,000+ episodes
データ種別	RGB-D 视频、文档 OCR、印章/签名检测、审批状态、流程步骤
视频规格	1920×1080 @ 30 FPS
納品形式	LeRobot 3.0 / RLDS / HDF5 / JSON 元数据
ライセンス形態	許諾データまたはプロジェクトのカスタマイズ

コアデータフィールド

每份数据包含完整的结构化字段，覆盖从基础元数据到专业分析的全部需求。

フィールド種別	代表的なフィールド
办公操作视频	RGB-D 视频、桌面视角、文档类型、操作人角色、办公场景、光照条件
文档 OCR 内容	文字内容、印章位置、签名检测、表格结构、票据字段、版式类型、关键信息抽取
流程步骤标注	打印、盖章、扫描、分类、归档、审批流转等步骤时间戳与结果、异常中断标记
审批与状态	审批节点、通过/驳回标记、异常原因、处理时长、系统截图、流转记录
元数据与コンプライアンス	部门编码、文档编号、授权范围、数据合成/脱敏标识、コンプライアンス等级

データサンプル紹介

以下は非識別化後の構造化JSONサンプルです。代表的なデータ形式を示します。

{
  "episode_id": "OFF-2026-0018922",
  "office": "finance_dept",
  "doc_type": "invoice",
  "video": {"rgb": "rgb_0018922.mp4", "depth": "depth_0018922.mkv", "fps": 30},
  "ocr": {
    "text": "示例科技有限公司 金额：¥12,500.00",
    "stamp_boxes": [[120,80,220,140]], "signature": true, "table_cells": [...]
  },
  "steps": [
    {"time": 3.2, "action": "print", "status": "done"},
    {"time": 8.5, "action": "stamp", "status": "done"},
    {"time": 15.1, "action": "scan", "status": "done"},
    {"time": 22.4, "action": "archive", "status": "done"}
  ],
  "approval": {"node": "manager", "result": "approved", "comment": "同意报销"}
}

AI活用シーン

办公自动化数字员工

训练 RPA+视觉模型完成打印、盖章、扫描、归档等重复办公任务。

文档智能处理

OCR 与版面分析数据训练发票、合同、表单等文档理解模型。

印章与签名检测

视觉数据训练印章真伪、签名存在性检测与コンプライアンス审核模型。

审批流程挖掘

步骤与状态数据训练流程异常检测与优化建议模型。

智能文件柜

归档动作与位置数据训练实体文件自动分类与检索系统。

多模态办公助手

视频、OCR、状态数据训练能理解办公场景的 AI 助手。

よくあるご質問

対応哪些文档类型？

覆盖发票、合同、报销单、审批表、证照、银行回单、快递单等常见办公文档。

OCR 字段包含哪些？

包含通用文字、金额、日期、抬头、税号、印章、签名、表格单元格等关键字段。

是否涉及真实敏感信息？

数据均已脱敏或合成生成，不含真实个人敏感信息与企业机密。

データサンプルの取得方法？

お問い合わせください長沙朗慧信息科技有限公司 DataAssetsAPIプラットフォーム。