​海天瑞声亮相2026声音探索者系列论坛，方言数据集入选实践案例

10月28日,由北京广播电视台主办的2026声音探索者系列论坛在北京通州举办。本届论坛以“声音,万物入口”为主题,汇聚广电、互联网、人工智能及高校等领域代表,共同探讨声音产业的发展与创新。

论坛发布了16个“2026声音探索者”实践案例,海天瑞声方言数据集入选“平台·技术”类别。海天瑞声副总裁、首席语言学家郝玉峰受邀在大会主论坛发表主题演讲,分享声音数据工程化生产与价值释放的实践与思考。

乡音数字化与语言资源守护

“每种乡音被记住,每方水土便不会失声。”这是主办方给予海天瑞声方言数据集的颁奖词。方言承载着地域文化与生活记忆,海天瑞声通过系统采集与精细化加工,让多样的乡音成为可保存、可复用的数字资源。

海天瑞声方言数据建设累计语音数据规模达5.6万小时,覆盖30+个省级行政区、30余种地区方言与少数民族语言。数据围绕30个生活常见话题采集自然交流语音,并进行了多维度清洗化标注,保留丰富的语言表达,为方言语音识别等应用提供数据支撑,也为语言资源的保护与利用积累基础。

以数据工程释放声音价值

在大会主论坛上,郝玉峰发表《声音数据的工程生产与价值释放》主题演讲,提出声音产业正在形成“内容—数据—模型—场景”的闭环。他强调,声音不仅承载文字,还包含口音、情绪与环境等丰富信息。将这些资源转化为可训练、可复用的数据资产,首先要明确应用场景,由模型需要解决的问题决定数据如何采集、标注与检验。

围绕这一过程,海天瑞声将语言专业能力与数据工程能力相结合,依托DOTS端到端数据处理平台,通过自动化工具与专家协同,将重复性工作交给机器,将专业判断融入规范制定、疑难处理和质量审核,支撑高质量声音数据的规模化生产。模型进入应用场景后,实际使用中的问题与反馈又形成新的数据需求,推动数据与模型持续优化,为语音识别、合成与交互提供支撑,也为方言保护和声音文化资源的数字化保存创造价值。

从方言数据集入选实践案例,到在主论坛分享声音数据工程化建设经验,海天瑞声展示了高质量数据连接语言资源与智能应用的实践路径。未来,海天瑞声将持续深化语言专业能力与数据工程能力,与产业伙伴共同探索声音资源的保护、开发与应用,让更多声音得以留存,让数据价值在真实场景中持续释放。