DATA MARKETPLACE · 数据市场

成品数据集,即选即用

33 个单渠道成品数据集,覆盖社媒、电商、公开视频、具身 Ego 与文本语料五大品类——每一份都带完整授权链路、统一 Schema 与免费样例。

33 个单渠道成品数据集
2.3B+视频片段池 · 截至 2026Q1
50,000h+4D / Ego 采集储备
100%授权链路可溯源
EGO·POV
主推RLDS
1,200h+ 真人第一人称家务操作,含手部关键点、任务分解与物体交互标注。
1,200h+有效时长
60+任务族
RLDS交付格式
KITCHEN·8
主推LeRobot v3
厨房场景族第一人称操作,覆盖备菜/烹饪/清洁任务链,动作序列与语言指令精确对齐。
420h+有效时长
8 类场景族
LeRobot交付格式
NAV·INDOOR
EGO空间理解
第一人称室内移动与导航数据,含空间关系标注、路径语义与障碍交互事件。
380h+有效时长
多户型环境覆盖
RLDS交付格式
FACTORY·LINE
EGO工业场景
工厂产线第一人称装配与质检操作,含工具语义、工位切换与安全事件标注。
260h+有效时长
12 类工位场景
RLDS交付格式
RETAIL·SHELF
EGO零售场景
零售门店第一人称理货、补货与结算操作数据,含货架空间关系与商品交互标注。
180h+有效时长
6 类门店业态
RLDS交付格式
CINE·2M+
主推视频生成
200万+ 电影级切片,附场景/视觉/叙事/特征/情感稠密标注,三层版权授权可溯源。
200万+切片
稠密五类标注
合规三层授权
DOCU·PHYSICS
主推世界模型
500万+ 纪录片级真实物理影像切片,覆盖自然运动、材质交互与光影变化。
500万+切片
真实物理影像
IP 链可溯源
ACTION·2.3B
视频蒸馏VLA
精选自 2.3B+ 片段母池的真实人类动作数据,附动作语义与时序标注。
2.3B+母池规模
120+任务族
时序动作标注
YOUTUBE·LONG
主推YouTube
YouTube 长视频内容切片,含 ASR 转写、章节结构与多语种字幕,覆盖教程/评测/纪实等题材。
30+语种
ASR转写对齐
章节结构标注
TIKTOK·SHORT
主推TikTok
TikTok 短视频内容数据,含运镜类型、特效标签、音轨信息与创意结构标注。
10 区域覆盖
运镜类型标注
音轨元数据
DRAMA·SERIAL
视频叙事结构
微短剧完整剧集切片,含分集叙事节点、情绪曲线与角色关系标注,服务叙事生成研究。
叙事节点标注
情绪曲线量化
授权正版内容
LIVE·STREAM
视频实时场景
直播场景视频切片,含主播行为、商品展示与互动事件标注,覆盖带货/才艺/游戏等场景。
多场景直播类型
互动事件标注
长时序连续片段
4D·MULTI-CAM
本体 · 4DDaaS
多机位同步 4D 视频,空间对齐误差厘米级*,配套动作语义与空间关系标注。
50,000h+采集储备
厘米级空间对齐*
DaaS定采模式
TELEOP·TRAJ
本体遥操作
真机遥操作末端执行器轨迹与动作序列,与视觉帧精确对齐,适配 VLA 后训练。
60+任务族
帧级视觉对齐
RLDS交付格式
FORCE·HAPTIC
本体力反馈
带力/触觉反馈的真机操作数据,记录接触力、力矩与滑移事件,服务精细操作策略训练。
力矩六维记录
接触事件标注
高保真采样率
X·GLOBAL
主推X
X 平台公开帖文、话题与互动数据,含情感标签、话题聚类与实体识别,PII 全量脱敏。
30+语种
话题聚类标注
100%PII 脱敏
TIKTOK·CREATOR
主推TikTok
TikTok 创作者画像、帖文与评论三层数据,含垂类标签、ASR 转写与 OCR 字段。
10 区域平台覆盖
三层创作者/帖/评
ASR+ OCR
IG·VISUAL
社媒Instagram
Instagram 创作者与图文帖数据,含视觉标签、话题标签与互动指标,适配多模态对齐训练。
图文多模态对
视觉标签体系
互动指标字段
YT·COMMENT
社媒YouTube
YouTube 视频评论、字幕与频道元数据,含长文本讨论串与观点立场标注。
长文本讨论串
字幕多语种
立场标注
FB·PAGE
社媒Facebook
Facebook 公开主页帖文与互动数据,覆盖品牌、媒体与社群账号,含地域与语种字段。
公开主页数据
多地域覆盖
品牌媒体社群
SOCIAL·30+LANG
社媒SFT · RAG
跨 5 大平台、10 区域的社媒聚合数据,含情感标签、ASR 转写与 OCR 字段,PII 全量脱敏。
30+语种
10 区域平台覆盖
100%PII 脱敏
CN·OPINION
社媒中文
主流中文社媒平台公开讨论数据,通过合规接口与授权合作获取,含情感倾向与话题热度标注。
公开讨论数据
情感倾向标注
话题热度量化
AMAZON·SKU
主推Amazon
Amazon 商品结构化属性、图文与买家评论数据,含价格追踪序列与评分分布。
SKU 级结构化属性
价格追踪序列
评论情感标注
SHOPEE·SEA
主推Shopee
Shopee 东南亚站点商品与评论数据,覆盖印尼/泰国/越南/菲律宾等市场,多语种本地化处理。
东南亚多站点
多语种本地化
图文对齐对
LAZADA·SEA
电商Lazada
Lazada 平台商品目录、品类树与评价数据,含跨站点价格对比与品类映射字段。
品类树结构化
跨站价格对比
评价结构化
COUPANG·KR
电商Coupang
Coupang 韩国市场商品与评论数据,含韩语本地化处理、配送标签与品类属性字段。
韩语本地化
品类属性字段
评论结构化
TT SHOP·SOCIAL
电商TikTok Shop
TikTok Shop 商品与带货内容关联数据,打通短视频内容与商品转化链路的字段结构。
内容商品关联
转化链路字段
多区域站点
SKU·2.1B+
电商多模态
SKU 级商品图文对齐数据,覆盖主流跨境电商平台,服务多模态检索与商品理解。
2.1B+SKU 图
图文对齐对
Parquet交付格式
XBORDER·30+
文本多语种
商品、评论与搜索语料覆盖主流跨境平台,30+ 语种本地化处理,SFT / RAG 即用。
30+语种
200+国家地区
JSONL交付格式
TEXT·23B+
文本SFT
精选自 23B+ 文本母池的高质量内容评论语料,人机协同三级清洗,观点与情感标签齐备。
23B+母池规模
三级人机清洗
JSONL交付格式
OPINION·CORPUS
主推舆情
可供训练的公开舆情观点语料,含立场分类、论证结构与情绪强度标注,适配观点抽取与立场判别任务。
立场四分类
论证结构标注
情绪强度量化
NEWS·MULTI
文本新闻
多语种新闻资讯语料,含标题-正文-摘要三元组、实体链接与时间线标注,服务摘要与检索训练。
三元组标题正文摘要
实体链接标注
时间线结构化
FILMTV·SFT
文本SFT
影视综内容评论指令语料,含作品元信息、评价维度与指令-输入-输出三段结构,艺恩自有版权内容。
指令三段结构
维度评价标签
自有版权内容
RAG·KB
文本RAG
面向 RAG 场景的社媒知识库,文档级 + 切片级双层结构,含来源、垂类与 token 计数字段。
双层文档+切片
垂类分域标注
token计数字段

没有找到需要的数据集?

三十大类之外,艺恩支持按场景族、任务族与格式定制采集与加工——从需求评审到首批交付,最快 6 周闭环。

咨询定制数据 →

* 标注数字为产品口径 · 内部测评示意值,截至 2026Q1;全部数据集附授权链路文档与免费小规模样例。