大多数公共语音数据集在英语、录音室音频和精致录音条件上过度集中。 这种偏见在下游表现出来：语音转文本（STT）和文本转语音（TTS）系统在真实环境中对全球用户的表现不佳。 这更多是一个数据问题，而不是模型问题。

介绍波塞冬语音AI数据集。 超过33K小时的权利清除音频，涵盖低资源语言。 在几种语言中，这超过了多年的公共数据收集。 下面是对数据的技术深入分析 ↓

您听说过我们为物理AI提供高质量、权利清晰的训练数据。 但在背后发生了什么，以及Poseidon与其他数据供应商有什么不同？ 1 ➤ Poseidon由一个数据管道网络组成，任何人都可以贡献真实世界的AI训练数据并帮助验证其质量。 2 ➤ 在背后，Poseidon运行在专门的子网络上，每个子网络都针对特定的AI领域及其独特的数据需求量身定制。 3 ➤ 所有这些都基于@StoryProtocol，以跟踪数据来源和IP血统，创建一个高质量训练数据的开放市场。