AI教師データセット販売・作成なら- フィジカルAI・自動運転・音声認識・VLMデータセット豊富ーNexdata

人気のデータセット

すぐに使える最新のデータセットにアクセスし、ビジネスの成長を促進しましょう。

151万セット画像編集インストラクションデータセット

現在、生成AIや画像編集モデルの開発では、多様な編集指示に高精度で応答できるインストラクションベース画像編集データの確保が課題です。特に日本語対応の生成AI教師データセットや、ピクセルレベル編集注釈付きの画像合成学習データへの需要が急増しています。弊社が提供する本データセットは、151万セットの高品質な画像編集ペアを収録。対象ターゲットは人物（クローズアップ・半身・全身）をはじめ、動物・商品・植物・建物・風景・旅行写真・家庭シーンなど、実用的な画像カテゴリを幅広くカバーします。編集タイプは5種類。人物・物体の一貫性編集50万セット、構造的編集30万セット、複合編集21万セット、空間編集45万セット、スタイル転送編集5万セット。多様な編集ニーズに対応可能です。収録条件は高品質です。画像解像度は2K以上を保証。データ形式は画像が.jpg/.jpeg/.png、編集指示テキストが.txt。アノテーションは編集指示に従ったピクセルレベル編集を実施。精度保証も万全です。編集済みデータの適合率は97%超。編集対象と元対象のエッジ誤差は5ピクセル以内を維持。生成モデルの学習用として最適な品質を実現。本データセットは、画像合成モデルの学習や、データ拡張・仮想シーン生成アルゴリズム開発に最適。生成AI教師データセット、インストラクションベース画像編集学習、テキスト指示対応画像生成、マルチモーダルAI開発など、幅広い用途にご利用いただけます。多様な編集指示に高精度で応答する画像生成モデルを、効率的に実装可能です。さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録ターゲット種別・編集タイプ・アノテーション粒度・データ形式などを柔軟に調整。独自性の高い生成AIソリューション開発を、最適な学習データ基盤でサポートいたします。

生成AI教師データ画像編集画像編集インストラクションデータセット画像合成学習データ生成モデル

300時間日本語金融自然対話音声データセット

弊社では、会議シーン・金融窓口・カスタマーサポートなど、あらゆる実環境の音声データに加え、感情認識・動作認識・マルチモーダルデータまで幅広く対応いたします。すべて商用利用可能で、モデル学習の初期段階からそのままご活用いただけます。本データセットは、実世界の金融シーンの多様性を反映した日本語音声データです。窓口対応・電話相談・オンライン対話などの実際のインタラクションを口語化コーパスで収録。金融特有の専門用語や複雑な文脈を自然に含み、ASR・NLPモデルのロバスト性と汎化性能を大幅に向上させます。アノテーションは98%超の高精度を保証。転写テキストに加え、タイムスタンプ・話者分離・環境ノイズ・機密情報ラベルまで詳細に付与。モデルの学習効率と認識精度の最大化に貢献します。収録条件は低ノイズ環境。16kHz/16bitのWAVフォーマットで提供するため、前処理負荷を最小限に抑え、ディープラーニングの本質的な特徴抽出を可能にします。さらにGDPR・CCPAなどの厳格なデータ保護規制に完全準拠。企業規模のAI開発にも安心してご導入いただけます。さらに、音声データ収集に特化した専門チームとプロジェクト管理チームが在籍。金融分野をはじめ、業界固有の用語・シナリオ・言語に対応したカスタム収集・アノテーションプロジェクトを柔軟に請け負います。納品データは前処理不要で、すぐにモデル訓練へ投入可能。AI開発の効率化と商用化を、ワンストップでサポートいたします。

音声認識データセット日本語音声認識データ金融分野音声データセット金融音声データ金融チャットボット音声データドメイン特化日本語音声コーパス

48kHz・579時間高音質・話者分離日本語自然会話音声データセット

本データは、フルデュプレックス（全二重）対話を前提に収録した高品質な日本語音声データセットです。半二重方式では再現が難しい同時発話や重なり発話、自然な相槌や割込みを含み、双方向に同時進行する対話を再現した同時双方向音声データセットとして、リアルタイム対話AIや次世代ASRの研究開発に適しています。本セットは、提示されたトピックリストから収録者が複数の得意分野を選択し、自然な流れで会話を展開して収録した日本語自然会話音声データセットです。日本各地のネイティブ話者による多様な対話を含み、高音質収録によりASRの音響・言語モデル学習、声紋識別、対話システム評価など幅広い研究用途に活用できます。データは各種プライバシー保護規制に準拠して管理されています。当社の全二重音声データセットシリーズは、日本語をはじめ、英語、韓国語など多言語に対応し、書き起こしテキスト、発話タイムスタンプ、話者ID、性別などの詳細アノテーションを標準搭載しています。また、話者ごとの独立音声を含む話者分離音声データセットとしても利用可能で、収録条件や話者属性、ラベル仕様のカスタマイズ収集・作成にも柔軟に対応します。

日本語音声データ話者分離音声データ全二重音声データセット同時双方向音声データセット日本語自然会話音声データ

262時間日本人子供日常会話音声データセット

411名・約262時間の大規模な日本語子供音声データセットは、147,668発話に及ぶ子供の読み上げ音声を網羅的に収録しています。6歳から13歳の日本人の子供を低学年と高学年に分類し、男女比もバランスよく構成されています。スマートフォンで収録された16kHz/16bitモノラルWAV形式の音声には高精度な発話書き起こしと読み上げ原稿が付属しており、日本語の子供音声認識（ASR）や音声合成（TTS）、話者認識、発音評価など、多様なAI学習タスクに最適なデータリソースです。

日本語音声認識データ音声認識データセット子供音声データセット子供日常会話音声データセット

205時間話者分離日本語自然会話音声データセット

本データは、フルデュプレックス（全二重）対話を前提に収録した高品質な日本語音声データセットです。有効時間205時間。半二重方式では再現が難しい同時発話や重なり発話、自然な相槌や割込みを含み、双方向に同時進行する対話を再現した同時双方向音声データセットとして、リアルタイム対話AIや次世代ASRの研究開発に適しています。そして、本セットは提示されたトピックリストから収録者が複数の得意分野を選択し、自然な流れで会話を展開して収録した日本語自然会話音声データセットです。日本各地のネイティブ話者による多様な対話を含み、高音質収録によりASRの音響・言語モデル学習、声紋識別、対話システム評価など幅広い研究用途に活用できます。データは各種プライバシー保護規制に準拠して管理されています。当社の全二重音声データセットシリーズは、日本語をはじめ、英語、韓国語など多言語に対応し、書き起こしテキスト、発話タイムスタンプ、話者ID、性別などの詳細アノテーションを標準搭載しています。また、話者ごとの独立音声を含む話者分離音声データセットとしても利用可能で、収録条件や話者属性、ラベル仕様のカスタマイズ収集・作成にも柔軟に対応します。

日本語音声データ話者分離音声データ全二重音声データセット同時双方向音声データセット日本語自然会話音声データ

1,000枚OCR向け日本語請求書データセット

本データセットは、日本語の請求書画像1,000枚を収録した高品質なOCR学習用データです。基礎編集データ500枚と専門編集データ500枚から構成され、請求書の内容、編集方式、フォーマットにおいて十分な多様性を確保し、実際の業務で使用される帳票に近い構成となっています。画像内に含まれる会社名、住所、氏名、電話番号、FAX番号などの個人・企業情報はすべて仮想データに置換された匿名加工済み情報であり、プライバシーに配慮しています。本データは、日本語請求書の検出、OCRによる文字認識、帳票構造解析、キー情報抽出、エンドツーエンド型Document AIシステムの開発など、幅広いAI研究開発用途に活用可能です。

日本語OCRデータ AI-OCR学習データ請求書OCR学習用データ日本語帳票データ

122時間日本語固有表現読み上げ音声データセット（数字・地名）

スマートフォンで収録された日本語の読み上げ音声を約100時間収録したデータセットです。指定されたテキストを朗読した音声で構成され、人名、電話番号、住所、数値・英数字列、メールアドレス、製品型番、シリアル番号、金額など多様な固有表現（Named Entity）を豊富に含んでいます。すべての音声には書き起こしテキストが付与されており、音声認識（ASR）、固有表現認識（NER）、音声理解、音声検索、対話AIなどの研究・開発に適しています。実環境に近いスマートフォン収録により、現実的な音響条件を反映した学習データとして利用可能です。データはプライバシー保護および関連法規を遵守して収集・管理されており、GDPR、CCPA、PIPLに準拠しています。

日本語音声データ NER 音声データ日本語固有表現音声データ日本語エンティティーワード

200時間韓国語話者分離・自然会話音声データセット

本データは、フルデュプレックス（全二重）対話を前提に収録した高品質な韓国語音声データセットです。半二重方式では再現が難しい同時発話や重なり発話、自然な相槌や割込みを含み、双方向に同時進行する対話を再現した同時双方向音声データセットとして、リアルタイム対話AIや次世代ASRの研究開発に適しています。本セットは、提示されたトピックリストから収録者が複数の得意分野を選択し、自然な流れで会話を展開して収録した韓国語自然会話音声データセットです。約200名の韓国ネイティブスピーカーによる多様な対話を含み、高音質収録によりASRの音響・言語モデル学習、声紋識別、対話システム評価など幅広い研究用途に活用できます。データは各種プライバシー保護規制に準拠して管理されています。当社の全二重音声データセットシリーズは、日本語をはじめ、英語、韓国語など多言語に対応し、書き起こしテキスト、発話タイムスタンプ、話者ID、性別などの詳細アノテーションを標準搭載しています。また、話者ごとの独立音声を含む話者分離音声データセットとしても利用可能で、収録条件や話者属性、ラベル仕様のカスタマイズ収集・作成にも柔軟に対応します。

韓国語音声データセット韓国語自然会話音声データ韓国語話者分離音声データ韓国語音声認識データ

800万件QA日本語対話データセット

日本 Q&Aプラットフォームのテキスト解析・処理データ。質問、回答、カテゴリ、作成日時、ユーザーなどを含む。データは継続的に更新される。4月25日時点で質問数840万件、単語数23億語。回答2,700万件・76億語；感謝（質問者から回答者への謝意）1,550万件・17億語；補足説明210万件・3億6,000万語。本データセットはLLMトレーニングやRLHF学習などのタスクに活用可能。

日本語LLMデータ日本語テキストデータ日本語QAデータセット

日本語・英語音声データ207時間_読み上げ（携帯電話）

日本語音声データ_読み上げ（携帯電話）は、所定のスクリプトに基づいて読み上げて録音し、汎用、インタラクティブ、車載、ホームなどの多様なカテゴリーをカバーし、内容が豊富です。このデータセットにはテキストの内容などのさまざまな属性が表示されており、さまざまな地域と文化背景から来た400人以上の日本人が録画に参加しており、アクセントは本格的で、テキストは手作業で校正されており、精度が高く、音声認識関連の研究と応用に豊富な資源を提供しており、複数のAI企業のバリデーションを経て、モデルが現実世界の多様性に直面する際に優れたパフォーマンスを発揮するのに役立つ。当社はデータ保護規制とプライバシー規制を厳格に遵守し、データ収集、保存、使用の過程でユーザーのプライバシーと合法的権益を保護することを保証し、すべてのデータはGDPR、CCPA、PIPLに従っています。

アクセント英語日本語日本語英語

5,147件日本語手書きOCRデータセット

日本語手書き文字の自動認識や文書デジタル化の開発では、日本人の自然な筆跡を反映した高精度な教師データの確保が課題です。弊社が提供する本データセットは、日本人548名から収集された5,147枚の手書き画像です。性別は男性244名・女性304名。年齢層は18〜45歳が中心（494名）。実用的な筆跡バリエーションを網羅します。収録環境はA4用紙・罫線入り用紙・方眼用紙など。スマートフォンで撮影。視線レベルのアングルで統一。データ形式は画像が.jpg、注釈が.json。収録コンテンツは多岐にわたります。作文・詩・散文・ニュース・物語など、実用的な日本語テキストを幅広くカバー。日常の手書き表現を自然に反映しています。アノテーションは高精度です。行レベルの四角形バウンディングボックス＋テキスト転写を付与。収集精度・文字転写精度ともに97%超を確保。学習用として最適な品質を実現。本データセットは、日本語手書き文字認識モデルの学習や、筆跡理解・文書デジタル化アルゴリズム開発に最適。日本人筆跡特化の日本語OCR教師データ、手書きノート自動変換、フォーム入力自動化、教育・出版分野のデジタルアーカイブなど、幅広い用途にご利用いただけます。さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録コンテンツ・アノテーション粒度・データ形式などを柔軟に調整。独自性の高い日本語手書きOCRソリューション開発を、最適な学習データ基盤でサポートいたします。

日本語手書きOCRデータセット日本語手書き文字教師データ OCRデータセット日本語OCR教師データ

96時間日本日本語子供音声データセット

日本語子供音声データ（12歳以下）は、日常会話、学校でのやり取り、ゲーム実況、動画配信、学習・講義、バラエティ風トークなど、子どもたちが実際に使う多様な口語シーンを収録しています。全国の異なる地域・文化的背景を持つ子どもたちが参加し、テキスト、話者ID、性別、アクセントなどの属性を正確にアノテーション。音声認識や対話システムの開発に活用可能な高品質データです。複数のAI開発チームが実証済みで、モデルが実際の子ども言葉に対応する上で効果を発揮しています。全データは保護者の同意を得て収集されており、研究・開発および商用利用が可能です。

日本語音声データ子供音声コーパス日本語音声認識日本語音声会話

513時間分の日本語音声データ_会話（電話）

本データは、800人以上の話者の参加を得て収録されたもので、実際の対話のシナリオに沿って、与えられたいくつかのテーマについて、幅広い分野で、自然で流暢な声で自由にコミュニケーションをとっています。手作業によるが文字おこしが行われており、精度は高いです。

日本語自然会話音声データ日本語自然会話音声日本語自然会話データ日本語会話音声データ

1,178時間のアメリカ英語音声データ（口語化）

1,178時間のアメリカ英語音声データ（口語化）は、ソーシャルメディア、対話、講演などの分野をカバーし、実際の世界でのインタラクションの状況を反映しています。このデータセットには、文字起こし、話者の識別、性別など、さまざまな属性があります。データは、異なる地域や文化的背景を持つアメリカ本土の人々によって録音され、正確性が高く、使いやすさも優れています。このデータは、音声認識に関する研究およびアプリケーションにおいて豊富なリソースを提供し、モデルが実世界の多様性に対応できる能力を向上させるのに役立ちます。私たちは、データ収集、保存、使用の過程でユーザーのプライバシーと法的権利を保護するため、データ保護規制とプライバシーの規定を厳守しており、すべてのデータはGDPR、CCPA、PIPLに準拠しています。

口語動画音声データ英語動画データテキストアノテーション英語口語動画音声データ英語口語動画音声データセット英語口語動画音声データベース英語口語動画音声コレクション

4484人の多種族-赤外線顔識別データ

4484人の多種族赤外線顔識別データ。このデータセットの収集シーンには、屋内シーンと屋外シーンが含まれる。データには男性と女性が含まれている。人種分布にはアジア人、黒人、コーカサス人、茶色人種が含まれる。年齢分布は子供から高齢者までさまざまで、若者と中年が多数を占めている。収集装置はDV-DH 4044 S 305 ADである。データの多様性には、複数の年齢層、複数の顔の姿勢、複数のシーンが含まれる。これらのデータは赤外線顔認識などのタスクに使用できます。私たちはデータ保護法規とプライバシー基準を厳格に遵守し、データ収集、保存、使用中にユーザーのプライバシーと合法的な権利を維持することを確保し、私たちのデータセットはすべてGDPR、CCPA、PIPLに合致しています。

多人種赤外線人の顔双眼カメラ多年齢層人顔の多姿勢複数のシーン

よくあるご質問

既製品データセットは無料サンプル入手可能ですか？

お客様のご要望に応じて、既製品データセットを提案しています。もちろん、データの詳細、サンプルなどご提供可能です。

既製データセットの安全対策はどうなっていますか？

全てのデータセットは弊社版権で取り扱っています。データの提供元からAIモデル・機械学習開発に使われる許可を得ています。お客様には安心してお使いいただけます。

日本語の方言音声データ収集は対応できますか？

はい。関西弁、九州弁、東北弁など、地域ごとのアクセントに対応した収集が可能です。

学術研究向けの無料データセットは提供していますか？

はい、提供しています。Nexdataでは、大学や研究機関など世界中の非営利組織を対象に、「AIデータ支援研究プログラム」を実施しています。このプログラムを通じて、コンピュータビジョンや音声認識など、さまざまな分野における高品質なトレーニングデータセットを無償で提供し、AI研究の発展をサポートしています。ご要望に応じて、既存の提供範囲外のデータセットについても、個別にご相談承ります。

AI教師データセット販売・作成

大規模・高品質データを即時納品

人気のデータセット

151万セット画像編集インストラクションデータセット

300時間日本語金融自然対話音声データセット

48kHz・579時間高音質・話者分離日本語自然会話音声データセット

262時間日本人子供日常会話音声データセット

205時間話者分離日本語自然会話音声データセット

1,000枚OCR向け日本語請求書データセット

122時間日本語固有表現読み上げ音声データセット（数字・地名）

200時間韓国語話者分離・自然会話音声データセット

800万件QA日本語対話データセット

日本語・英語音声データ207時間_読み上げ（携帯電話）

5,147件日本語手書きOCRデータセット

96時間日本日本語子供音声データセット

513時間分の日本語音声データ_会話（電話）

1,178時間のアメリカ英語音声データ（口語化）

4484人の多種族-赤外線顔識別データ

データサービス

プラットフォーム

生成AIデータサービス

ファインチューニング

人間のフィードバックによる強化学習

レッドチーミング

自動運転向けデータサービス

車室内データセット

LiDARデータアノテーション

Nexdataが選ばれる理由

高品質

高効率

コンプライアンス

セキュリティ

よくあるご質問

最新情報

AI教師データセット販売・作成 大規模・高品質データを即時納品

人気のデータセット

151万セット画像編集インストラクションデータセット

300時間日本語金融自然対話音声データセット

48kHz・579時間高音質・話者分離日本語自然会話音声データセット

262時間日本人子供日常会話音声データセット

205時間話者分離日本語自然会話音声データセット

1,000枚OCR向け日本語請求書データセット

122時間日本語固有表現読み上げ音声データセット（数字・地名）

200時間韓国語話者分離・自然会話音声データセット

800万件QA日本語対話データセット

日本語・英語音声データ207時間_読み上げ（携帯電話）

5,147件日本語手書きOCRデータセット

96時間日本日本語子供音声データセット

513時間分の日本語音声データ_会話（電話）

1,178時間のアメリカ英語音声データ（口語化）

4484人の多種族-赤外線顔識別データ

データサービス

プラットフォーム

生成AIデータサービス

ファインチューニング

人間のフィードバックによる強化学習

レッドチーミング

自動運転向けデータサービス

車室内データセット

LiDARデータアノテーション

Nexdataが選ばれる理由

高品質

高効率

コンプライアンス

セキュリティ

よくあるご質問

最新情報

AI教師データセット販売・作成

大規模・高品質データを即時納品