고품질 학습 데이터셋

본 데이터셋은 심층 검색, 데이터 분석, 산업 리서치 등 업무 환경을 포괄하며, 여러 차례에 걸친 추론 과정과 도구 호출 체인을 완전하게 기록합니다. 에이전트의 계획 수립 능력 분석, 도구 선택 전략 연구 및 품질 평가 등에 활용할 수 있으며, 에이전트 학습 및 평가를 위한 구조화된 벤치마크를 제공합니다.

500,000장 21개국 자연 장면 & 문서 촬영 & 전자 장면 OCR 라벨링 데이터는 21개 언어로 구성되어 있으며, 각 언어당 20,000~25,000장의 이미지를 포함한다. 데이터 유형은 자연 장면, 문서 촬영, 전자 화면으로 다양하며, 촬영 각도와 환경도 다채롭다. 라벨링은 행(열) 단위의 사각형 또는 다각형 어노테이션, 내용 전사 방식으로 수행되며, 다국어 OCR 인식 연구에 활용할 수 있다.

한국어 자연 대화 합성 말뭉치로, 한국어 원어민 성우 2명(남성 1명, 여성 1명)이 녹음했으며, 지정된 주제를 바탕으로 한 자유 대화와 감정·부언어 텍스트 연기라는 두 가지 모듈로 구성됩니다. 데이터에는 단일 단계 감정, 다단계 감정 및 다양한 어기조사를 포함한 부언어 표현이 포함되며, 전문 언어학자가 텍스트 내용, 감정 라벨, 부언어 현상에 대한 3차원 어노테이션을 수행했습니다. 총 길이는 약 11시간이며, 샘플링 레이트 48kHz, 24bit, WAV 형식, 모노 채널로 구성되어 음성 합성(TTS) 연구·개발에서 요구되는 자연스러움, 표현력 및 정밀한 어노테이션에 대한 다양한 요구를 충분히 충족할 수 있습니다.

Interspeech 2026-MLC-SLM 다국어 대화 음성 경연 데이터셋은 넥스데이타가 2026년에 개최한 MLC-SLM 다국어 대화 음성 경연을 배경으로 하며, 넥스데이타 자체 보유 21종의 대화 음성 데이터셋으로 구성됩니다. 높은 정확도와 활용성을 갖추고 있으며, 다국어 음성 인식 및 장문 컨텍스트 이해 기술의 한계를 극복하기 위해 설계되었습니다. 화자 간 발화 중첩, 즉흥적인 끼어들기 등 복잡한 상호작용 상황을 실제 환경에서 포착하여 음성 인식 관련 연구 및 애플리케이션에 풍부한 리소스를 제공하며, 실제 환경의 다양성에 직면한 모델의 성능 향상에 기여할 수 있습니다. 넥스데이타는 데이터 보호 법규 및 개인정보 보호 규정을 엄격하게 준수하며, 데이터 수집, 저장 및 사용 과정에서 사용자의 개인정보와 합법적인 권익을 보호합니다. 모든 데이터는 GDPR, CCPA, PIPL을 준수합니다.

본 데이터셋은 현재 대규모 언어 모델이 장문 이해 및 복잡한 추론 작업에서 보이는 핵심적인 한계를 보완하기 위해 구축한 고품질 학습 데이터입니다. 중국어, 영어, 한국어 3개 언어로 총 7,500건으로 구성되어 있으며, 각 데이터는 장문 context를 기반으로 문단 간·문서 간 정보 통합과 다중 단계 논리 추론이 필요한 질문으로 설계되었습니다. 이를 통해 모델의 장문 이해, 정보 검색, 추론 체인 구축 및 근거 추적 능력을 종합적이고 엄격하게 평가할 수 있습니다.

50만 건의 LLM용 한국어 수학 사진 기반 문제 풀이 데이터로, 다양한 학년과 문항 유형을 포함하고 있습니다. 모든 답안은 전사되어 있으며, 수식과 표는 LaTeX 형식으로 변환되어 있습니다. 본 데이터셋은 자동 채점, 숙제 및 학습 보조 등의 다양한 교육 분야에 활용할 수 있습니다. 데이터 수집, 저장 및 활용을 포함한 전체 데이터 라이프사이클에서 관련 데이터 보호 법규와 개인정보 보호 기준을 엄격하게 준수하고 있습니다. 이를 통해 사용자의 권리와 개인정보를 보호하고 있으며, 모든 데이터는 GDPR, CCPA 및 PIPL을 준수합니다.

214시간 풀 듀플렉스 한국어 자연 대화 휴대폰 수집 음성 데이터로, 일반적인 주제를 기반으로 대화를 시뮬레이션하여 녹음했습니다. 본 데이터셋에는 텍스트 내용, 문장 타임스탬프, 화자 식별 정보, 성별 등 다양한 속성이 어노테이션되어 있습니다. 서로 다른 지역과 문화적 배경을 가진 한국 현지인이 직접 녹음했으며, 높은 정확도를 바탕으로 음성 인식 관련 연구 및 응용에 활용할 수 있는 풍부한 리소스를 제공합니다. 여러 AI 기업의 검증을 거쳐 실제 환경의 다양한 상황에서도 모델의 성능 향상에 도움이 되는 것으로 확인되었습니다. 데이터 수집, 저장 및 활용 과정에서 관련 데이터 보호 법규와 개인정보 보호 규정을 엄격히 준수하여 사용자의 개인정보와 합법적인 권익을 보호하고 있으며, 모든 데이터는 GDPR, CCPA 및 PIPL을 준수합니다.

165명의 야간 실외 모니터링 환경 Re-ID 데이터입니다. 데이터 환경은 야간 실외 모니터링 환경으로 구성됩니다. 데이터에는 남성과 여성이 포함되며, 연령 분포는 아동부터 중년까지이며 청년층을 중심으로 구성됩니다. 데이터 모달리티는 RGB와 IR의 2가지 모달리티로 구성됩니다. 어노테이션 측면에서는 인체 사각형 박스와 15종의 인체 속성 정보를 어노테이션했습니다. 본 데이터는 Re-ID 등의 작업에 활용할 수 있습니다.

본 데이터셋은 대규모 실제 환경 및 합성 환경 데이터를 포함하며, 데이터가 풍부하고 완전한 구성을 갖추고 있습니다. 상호작용 가능한 오브젝트 데이터에는 물리적 속성이 포함되어 있어 Isaac Sim으로 가져와 조작할 수 있으며, 장면 데이터와 결합하여 임베디드 AI 학습을 위한 시뮬레이션 환경을 구축할 수 있습니다.

UMI 임베디드 AI 조작 데이터셋은 임베디드 AI 조작을 위한 대규모 실제 환경 원격 조작 데이터셋입니다. 모든 영상은 휴대용 uDAS 1.0 데이터 수집 시스템을 사용해 실제 가정에서 수집했으며, 청소, 정리 정돈, 요리, 물건 정리 등 일상적인 가사 활동을 포괄합니다. 제약 없는 환경에서 자연스러운 사람의 움직임을 기록하여 실제 조작 작업의 다양한 예외 상황과 복잡성을 보존합니다. 데이터 규모는 유효 영상 약 50,000시간, 완전한 작업 기록(에피소드) 약 934,000개, 원자적 동작 구간(하위 작업) 약 1,920만 개입니다. 에피소드당 평균 길이는 3.2분이며, 약 20개의 하위 작업으로 구성됩니다. 각 에피소드에서는 1인칭 영상 스트림 6개를 동기화하여 기록합니다. 헤드 메인 카메라와 보조 카메라는 1408 × 1280, 좌우 손목 메인 카메라와 보조 카메라는 640 × 480 해상도를 지원하며, 모든 영상은 H.264 MP4 형식으로 30fps에서 촬영됩니다. 이와 동시에 고유 감각 상태 데이터는 30Hz로 기록되며, 동영상 프레임과 엄격하게 시간 정렬됩니다. 해당 데이터에는 양손 엔드 이펙터의 6자유도(6-DoF) 포즈, 그리퍼 개폐 상태 등이 포함됩니다.

본 데이터셋은 총 유효 수집 시간 10,000시간 규모로, 넥스데이타가 자체 개발한 6카메라 장비를 통해 수집했습니다. 여러 차례의 품질 검수, AI 전처리 및 수작업을 통한 정밀 동작 분할 어노테이션을 거쳤으며, 25개 유형의 실제 비즈니스 시나리오를 포괄하는 멀티모달 임베디드 AI 데이터셋입니다. MCAP 형식의 멀티센서 데이터를 제공하며, 한국어, 영어 등 다국어 작업 및 동작 라벨을 포함합니다.

본 데이터셋은 34개 장소, 6개 실제 환경에서 수집된 1,042개의 Ego-centric 영상 세그먼트로 구성되며, 각 세그먼트는 35초 길이의 실제 작업 데이터를 포함합니다. 수집 환경은 가정, 사무실, 리테일 공간 등 다양한 실제 시나리오를 포함합니다. 자체 개발한 VSLAM 시스템을 기반으로 밀리미터 수준의 위치 측정 정확도, 1ms 이하의 멀티센서 하드웨어 트리거 동기화, 그리고 RGB 카메라 기준 60fps 고프레임률 데이터를 제공합니다. 본 데이터셋은 멀티뷰 영상, 카메라 캘리브레이션 정보, 포인트 클라우드, SLAM 트래젝토리 및 제스처 인식 결과 데이터를 표준 형식으로 제공합니다. 임베디드 AI, 공간 인식 및 3D 재구성 모델 개발을 위해 설계되었으며, 높은 정밀도, 다양한 실제 환경 커버리지, 즉시 활용 가능한 데이터 구성을 통해 강력한 인식-행동(Perception-Action) 모델 학습에 적합합니다.