数据采集
大模型数据采集指为训练大型语言模型而系统获取海量文本、图像、音频等多模态数据的过程，涵盖网络爬取、开源语料、书籍期刊、对话日志等多元来源。核心环节包括合法合规获取、质量过滤、去重脱敏、版权审查及多语言平衡采样，确保数据规模达TB级且覆盖广泛领域与场景。
图像数据采集
- •智能制造质检影像采集
- •设备运维监控影像采集
- •医疗诊断影像采集
- •术中实时影像采集
- •道路环境采集
- •车内监控影像采集
- •商品识别与管理影像采集
- •农作物监测影像采集
- •生态保护影像采集
- •公共安全影像采集
语音数据采集
- •智能设备唤醒词采集
- •基础语音命令采集
- •车载语音采集
- •多乘员语音分离采集
- •导航控制语音采集
- •医学术语精准识别采集
- •用户投诉/咨询多轮对话采集
- •语音社交采集
- •网络流行语采集
- •重叠语音分离采集
文本数据采集
- •开放网络文本采集
- •社交媒体语料采集
- •电子书资源采集
- •古籍数字化采集
- •单轮指令数据采集
- •客服对话文本采集
- •社交对话文本采集
- •多语言数据文本采集
- •科学与技术文本采集
- •医疗健康文本采集
运动健康数据采集
- •三维姿态轨迹采集
- •高速相机捕捉采集
- •动作阶段分割采集
- •异常动作标记采集
- •步数距离、卡路里采集
- •室内UWB定位轨迹采集
- •跳绳频率采集
- •立定跳远距离采集
- •运动能力成长采集
- •疲劳阈值采集
