多模态原生数据
未经过任何加工的原始数据 - 甲方可自由处理
支持推送至阿里云、腾讯云、百度云、火山引擎、Cloudflare R2、Google Cloud Storage、AWS S3 等海内外主流对象存储
获得诸多大模型团队的信赖
凤凰网
无限光年
吉利研究院
哔哩哔哩
Infix First Intelligence
海天瑞声
Anuttacon
dots数据类型丰富
数据可用于多模态、基础大模型、图像与视频生成、对话、学习辅导等方向
视频数据【热】
涵盖短视频、影视长片、体育运动、采访、演讲、单人出镜画面等多种场景。包括 YouTube-8M、VoxCeleb、WebVid-10M 等知名数据集
图片数据集
文生图、多模态理解、场景内容识别等方向的大模型训练
音频数据【热】
Spotify and YouTube Podcast、Amazon Audible 等平台播客、对话、演讲，多语种
3D 模型
涵盖人物、动物、角色、交通工具、建筑等
期刊论文数据【荐】
国际名校本硕博论文、高价值医疗类期刊、知名论文期刊平台数据集
长文本数据
新闻、财报、自媒体文章、科普文章等
题库与考试【荐】
STEM 相关 - 从小初高到大学的题库
帖子与回评
社交媒体互动、论坛讨论及多轮对话构建
为什么选择星海探知
我们是国内诸多大厂团队和大模型团队的服务商，数据质量高且交付快
完备的元信息
元信息维度丰富，后期筛选、过滤、分类更灵活
数据字段索引
前置配合
我们可配合对数据进行过滤、统计或技术评估
过滤建议
样例统计
技术评估
支持多种交付方式
磁盘、网盘、对象存储（海内/海外）
磁盘
网盘
对象存储
海量数据传输方案
我们拥有成熟稳定的 PB 级音视频数据传输和存储方案、千万级小文件处理与传输方案
并行传输