一种句子级中文普通话视音频多模态数据集构建方法

本发明公开了一种句子级中文普通话视音频多模态数据集构建方法，一方面提出了多源数据采集方法，通过拓宽数据来源渠道，增加数据的多样性和丰富性，不仅解决了现有数据集规模较小和场景单一的问题，还为模型训练提供了更加广泛和均衡的数据支持，另一方面针对多来源的音视频数据，提出了标准化数据处理流程，实现了数据切割、校对和存储的高效自动化，提升了数据处理效率，确保了数据的规范性和准确性。另外，本发明实现了对数据集内数据精细化管理，通过设计多维度标签体系和数据管理系统，对数据集进行了科学分类，便于数据的查找、分析和使用，实现了对数据全生命周期的有效管控。