Nexdata 多方向の読唇映像

Nexdata 多方向の読唇映像｜Datatang株式会社（Nexdata）

多方向の読唇映像を収録し、映像と音声を組み合わせた発話認識に利用するAI学習用データセット。

データ仕様・収録内容：中国語を話す202人のインドネシア人を対象に、正面・左右・上下など13方向の映像と音声を収録。室内の自然光・蛍光灯環境を含む。／確認 2026-09-15／https://nexdata.jp/datasets/speechrecog/1298

データ仕様・形式・注釈：MP4動画、音声、文字情報を用意。映像は1,920×1,080、音声は16kHz・16bit以上と案内。／確認 2026-09-15／https://nexdata.jp/datasets/speechrecog/1298

対象：映像と音声を組み合わせた発話認識に取り組むAI開発・データ調達担当。形式：AI学習用データセット。言語：日本語の公式商品説明を確認。収録言語・注釈言語は商品仕様による。。利用条件：公式商品ページから仕様・サンプル・見積もりを相談。納品範囲と利用許諾は個別条件を確認。

確認事項（編集部）：各方向の映像は同一人物・同一発話を含むため、方向ごとに独立した商品として数えない。話者・収録セッションを分けて学習と評価を設計する。

出典：Nexdata「読唇動画データセット｜202人・13アングル」／公開・更新日：ページで特定せず／確認日：2026-09-15／https://nexdata.jp/datasets/speechrecog/1298

関連ページ