作為教育科技的先行者,好未來近日開放了一批長達(dá)587小時(shí)教學(xué)場景中的中英文混合語音數(shù)據(jù)集。該數(shù)據(jù)集源自語種混合最具代表性場景之一——教師英語授課場景。好未來此次開放的數(shù)據(jù)集是迄今教育行業(yè)最大的語音開源數(shù)據(jù)集之一,也是目前已知全球較大的中英文混合場景開源數(shù)據(jù)集,有效填補(bǔ)了中英文混合語音識(shí)別研究的數(shù)據(jù)稀缺空白。

算法、算力、數(shù)據(jù)是人工智能技術(shù)發(fā)展的三大基石。一個(gè)AI模型從設(shè)計(jì)到訓(xùn)練,再到部署使用,整個(gè)過程中,數(shù)據(jù)集的選擇十分重要。高質(zhì)量的數(shù)據(jù)集往往能夠提高模型訓(xùn)練的質(zhì)量和預(yù)測的準(zhǔn)確率。由于行業(yè)的天然壁壘,智能教育領(lǐng)域目前開放的數(shù)據(jù)資源非常有限,而經(jīng)過清理、標(biāo)注、注釋、結(jié)構(gòu)化的數(shù)據(jù),更為少見。

作為教育行業(yè)內(nèi)人工智能技術(shù)領(lǐng)域的代表企業(yè),好未來很早就開始布局人工智能技術(shù)的教育場景落地,也在多年的實(shí)踐中沉淀了大量優(yōu)質(zhì)教育資源和海量教學(xué)數(shù)據(jù),并推動(dòng)了多項(xiàng)智慧教育解決方案的落地。同時(shí),作為智慧教育國家新一代人工智能開放創(chuàng)新平臺(tái)的承建者,好未來肩負(fù)著為智慧教育行業(yè)關(guān)鍵技術(shù)創(chuàng)新提供支撐和服務(wù)的使命,將通過開源開放的形式,加速資源共享與技術(shù)融合創(chuàng)新。

早在2020年3月,好未來就開放了第一批教育開源數(shù)據(jù)集——“小學(xué)低年級(jí)算式數(shù)據(jù)集”。該數(shù)據(jù)集包括33550張算式圖像,均來源于小學(xué)1~3年級(jí)學(xué)生的數(shù)學(xué)練習(xí)冊(cè)和作業(yè),涵蓋各類數(shù)學(xué)口算題目類型。每張圖像經(jīng)過手工剪裁,并提供相應(yīng)標(biāo)注。隨后,好未來又陸續(xù)開放了手寫中英文、手寫公式、中文語音識(shí)別、語音情感等多個(gè)數(shù)據(jù)集。

值得一提的是,好未來此前開放的手寫公式數(shù)據(jù)集成為了第五屆中國創(chuàng)新挑戰(zhàn)賽智慧教育專題賽“教育手寫公式識(shí)別”比賽的官方數(shù)據(jù)集。該比賽依托于智慧教育國家新一代人工智能開放創(chuàng)新平臺(tái),由北京市科學(xué)技術(shù)委員會(huì)與好未來聯(lián)合承辦,吸引了來自清華大學(xué)、北京大學(xué)、中國科學(xué)技術(shù)大學(xué)等國內(nèi)高校及科研機(jī)構(gòu),以及阿里、騰訊、百度等一線互聯(lián)網(wǎng)公司數(shù)百支隊(duì)伍參賽。該數(shù)據(jù)集數(shù)據(jù)量更為豐富、數(shù)據(jù)場景更為復(fù)雜,均超過之前的同類開源數(shù)據(jù)。

歷經(jīng)18年的高速發(fā)展,好未來已成為國內(nèi)領(lǐng)先的科技教育公司。為實(shí)現(xiàn)技術(shù)資源共享與技術(shù)落地經(jīng)驗(yàn)復(fù)用,好未來內(nèi)部建立起跨業(yè)務(wù)的技術(shù)互通機(jī)制,積極推進(jìn)技術(shù)中臺(tái)建設(shè),推動(dòng)內(nèi)部開源。這也是好未來對(duì)行業(yè)開源開放的堅(jiān)實(shí)基礎(chǔ)。隨著智慧教育國家新一代人工智能開放創(chuàng)新平臺(tái)的深入建設(shè),好未來積累的大量教育場景數(shù)據(jù)集也會(huì)逐步開源開放。同時(shí)也將通過建立數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)服務(wù)機(jī)制,吸引更多的教育機(jī)構(gòu)和科技企業(yè),開放共享更豐富多元的教育數(shù)據(jù),共同構(gòu)建智慧教育行業(yè)生態(tài)體系。

詳見下表: