服务项目

六大服务板块覆盖主流训练数据类型。每类服务均有独立的作业规范、验收标准与交付格式,也可按项目需求组合定制。

以下为标准服务范围。实际项目中,标注类型、精度等级、交付格式与验收规则均以双方确认的《标注规范》为准;复杂场景建议先做小批量试标,再进入批量生产。

01 / IMAGE

图像标注

面向计算机视觉模型训练,提供目标检测、语义分割、实例分割、关键点、矩形框、多边形与图像分类等标注类型,严格按标注规范执行,保障边界精度与类别一致性。

目标检测语义分割实例分割 关键点矩形框多边形图像分类

标注类型

  • 目标检测:矩形框标注,覆盖多类别、遮挡与密集小目标场景
  • 语义分割:像素级区域划分,支持同类多目标合并与边界细化
  • 实例分割:逐实例轮廓勾画,区分同类不同个体
  • 关键点标注:人体、人脸、手部与工业部件关键点定位
  • 多边形标注:不规则目标轮廓、地块与缺陷区域勾画
  • 图像分类:单标签与多标签分类,支持层级标签体系

交付与适用场景

  • 支持 COCO、VOC、YOLO 等主流标注格式导出
  • 附带类别字典、标注规范与抽检记录
  • 适用工业质检、安防监控、医疗影像、零售分析等场景
  • 支持多轮返修与版本管理,便于模型迭代复现

02 / VIDEO

视频标注

逐帧精准标注、目标跟踪、行为与事件标注、动态轨迹标注,支撑复杂环境下的动态感知算法训练,兼顾时序连续性与标注效率。

逐帧标注目标跟踪行为标注 事件标注动态轨迹

标注类型

  • 逐帧标注:支持关键帧 + 插值或全帧标注两种作业模式
  • 目标跟踪:跨帧保持目标 ID 连续,处理遮挡、进出画面与重叠
  • 行为标注:识别并标注动作类别、起止时间与参与目标
  • 事件标注:按时间区间标注场景事件,支持多事件并发
  • 动态轨迹标注:记录目标运动路径与关键节点位置
  • 长视频与复杂场景:支持长时段素材切分与场景级一致性校验

交付与适用场景

  • 交付帧序列标注结果与 JSON / CSV 轨迹文件
  • 附带抽帧策略说明与跟踪 ID 映射表
  • 适用智能交通、行为识别、视频内容理解、机器人感知
  • 支持按片段分批交付,便于阶段性训练验证

03 / TEXT & LLM

文本与 LLM 标注

语料清洗、文本分类、意图标注、实体抽取、对话改写与问答对构建,严格遵循大模型训练规范,保障语料合规与意图精准。

语料清洗文本分类意图标注 实体抽取对话改写问答对

标注类型

  • 语料清洗:去重、去噪、格式统一与语言识别
  • 文本分类:主题、情感、风险等级与业务标签分类
  • 意图标注:用户指令意图拆解与多意图标注
  • 实体抽取:人名、机构、地点、时间与行业专有实体
  • 对话改写:口语化表达规范化,保留原始语义
  • 问答对构建:基于文档与场景生成高质量问答样本

交付与适用场景

  • 交付 JSON / JSONL 结构化数据,支持多轮对话字段
  • 附带标注规范、标签体系说明与一致性抽检结果
  • 适用大模型预训练语料、客服意图识别、知识库问答、内容审核
  • 支持敏感词与合规规则按客户清单定制

04 / MULTIMODAL

多模态标注

图文匹配、音视频与文本对齐、跨模态实体关联,以及多源异构数据的融合治理,让不同模态的数据在统一口径下进入训练。

图文匹配音视频文本对齐 跨模态关联融合治理

标注类型

  • 图文匹配:图像与文本相关性判定与描述生成
  • 音视频文本对齐:语音转写文本与时间轴逐句对齐
  • 跨模态实体关联:同一实体在图像、文本、视频间的指代关联
  • 视频描述与字幕:场景级描述、镜头切分与字幕校对
  • 多源数据融合治理:字段映射、去重与冲突消解

交付与适用场景

  • 交付结构化多模态数据包与对齐标注文件
  • 附带模态映射说明与缺失值处理规则
  • 适用多模态大模型、视频检索、智能座舱、内容理解
  • 支持按模态拆分验收,降低联合交付风险

05 / DATA CLEANING

LLM 对话数据清洗

去重去噪、敏感与合规过滤、质量打分、多轮对话结构化,让进入训练集的每一条数据都干净、可用、可追溯。

去重去噪合规过滤 质量打分多轮结构化

清洗环节

  • 去重:精确去重与近似去重(SimHash 等策略)
  • 去噪:乱码、模板文本、广告与无意义短句剔除
  • 合规过滤:敏感信息、违法违规与偏见内容识别
  • 质量打分:按长度、信息密度、可读性等维度分级
  • 多轮结构化:角色标注、轮次切分与上下文补全
  • 语言与主题分类:为分领域采样提供依据

交付与适用场景

  • 交付清洗后语料与《数据清洗报告》(规则、命中量、保留率)
  • 支持按客户规则定制过滤清单与打分阈值
  • 适用预训练语料准备、对话数据治理、数据资产盘点
  • 可保留清洗前后样本对照,便于复核与审计

06 / SFT DATASET

SFT 训练数据集制作

围绕指令微调与对齐训练,提供指令构造、问答对构建、偏好数据标注、训练集划分与格式转换,交付可直接进入训练流水线的数据集。

指令构造偏好数据 训练集划分格式转换

数据集内容

  • 指令构造:任务类型设计、难度分层与指令多样性控制
  • 问答对构建:基于领域文档与真实业务场景生成
  • 推理样本整理:多步推理过程规范化,避免结论式回答
  • 偏好数据标注:多回答排序与优选理由说明
  • 数据集划分:训练 / 验证 / 测试集按比例切分并去泄漏
  • 格式转换:JSONL、Alpaca、ShareGPT 等格式互转

交付与适用场景

  • 交付可直接训练的数据集与配套《数据说明文档》
  • 文档含字段释义、数据统计、采样策略与已知局限
  • 支持按训练框架约定字段命名与目录结构
  • 适用指令微调、对齐训练、领域模型定制

FAQ

关于服务的常见问题

没有找到答案?直接联系我们,1 个工作日内回复。

报价是怎么计算的?
报价主要由数据模态、标注类型、精度等级、数据规模与交付周期决定。同一批数据,目标框标注与像素级分割的工作量差异很大,因此我们会先确认标注规范与验收标准,再给出单价与总价区间,避免后期反复加价。
支持哪些数据格式与交付方式?
图像支持 COCO、VOC、YOLO 等格式;视频支持帧序列 + JSON / CSV 轨迹结构;文本与对话数据支持 JSON、JSONL、Alpaca、ShareGPT。交付通过加密通道或客户指定的存储介质完成,并附数据清单与校验值。
如何保证多人标注的口径一致?
项目启动前会建立标注规范、标签体系与示例库,并组织培训与考核;复杂类别先小批量试标,双方确认后再放量。作业中通过逐批复核与独立抽检监控一致性,发现偏移立即暂停并重新校准。
可以只做小批量试标吗?
可以。试标本身就是标准流程的一环,我们用小批量样本验证标注口径、精度与协作效率,客户可据此评估是否进入批量阶段,试标数据同样经过质检并完整交付。
数据保密如何落实?
项目启动前签署保密协议,明确数据用途与接触范围;作业环境实行项目级隔离,禁止外网传输与移动存储设备;涉及个人信息的数据按约定脱敏;项目结束后归还并销毁副本,出具销毁确认。
交付后发现问题怎么办?
交付后进入售后保障期。验收中发现的不符合项免费返修;因标准变更或模型迭代产生的补标需求,按增量工作量另行报价,我们会在原作业规范基础上延续标注,保证新旧数据口径一致。

不确定该选哪种标注方式?

把数据样例和训练目标发给我们,我们会给出标注方案建议、工作量估算与交付排期。