💡Thordata 的數據集涵蓋哪些語言和地區？

涵蓋全球主要語言，並重點布局小語種與區域語言——尤其是別處很難找到的東南亞語言。

已核實的語言涵蓋包括：語音語料有印尼語（3,200 小時）、泰語（800 小時）、馬來語（500 小時）、越南語、口音英語（泰國、印尼、馬來西亞口音）以及日語口語對話；OCR 影像數據集涵蓋 11 種語言——中、英、日、韓、法、德、西、義、葡、俄、印尼；文字數據涵蓋 YouTube、TikTok、X 的全球平台內容。未列出的語言或區域變體，多數可以安排客製化採集——小語種和長尾語言是 Thordata 有意深耕的方向，不是順帶做的。