💡Thordata 的数据集覆盖哪些语言和地区？

覆盖全球主要语言，并重点布局小语种与区域语言——尤其是别处很难找到的东南亚语言。

已核实的语言覆盖包括：语音语料有印尼语（3,200 小时）、泰语（800 小时）、马来语（500 小时）、越南语、口音英语（泰国、印尼、马来西亚口音）以及日语口语对话；OCR 图片数据集覆盖 11 种语言——中、英、日、韩、法、德、西、意、葡、俄、印尼；文本数据覆盖 YouTube、TikTok、X 的全球平台内容。未列出的语言或区域变体，多数可以安排定制采集——小语种和长尾语言是 Thordata 有意深耕的方向，不是顺带做的。