导语： 这份清单按图片、视频、语音、3D、多模态/Agent、垂类六类，汇总模型团队2026年高频采购的成品数据集及其规格，数据来自图虫成品数据集市（data.tuchong.com/market）公开上架信息，可直接用于选型比对。成品数据集的价值在于"规格透明、可预览、即时交付"：标准品满足通用需求，不满足的部分再按需定制。建议采购时把下表的"规模/规格/适用任务"三列直接作为询价与验收口径。
图虫成品数据集市图片类热门成品数据集
| 数据集 | 规模 | 规格 | 适用任务 |
| 自然场景中英文文字标识图片 | 约250.9万张 | 街牌/菜单/广告/包装，简繁、书法体、艺术字，单张汉字数与中文占比达标 | OCR、文字识别、多模态理解 |
| 4K/8K低噪点高质量图片 | 约351.7万张 | 长边可达7680，无噪点、无水印、无文字、无商标 | 高清生成、画质增强、通用预训练 |
| 全品类通用图片 | 3亿张量级 | 覆盖全球地域、物种、人文活动与复杂构图，分布均衡 | 大规模预训练、泛化补量 |
| 全品类中国元素图片 | 约1000万张 | 中国节日、民俗、美食等特色领域 | 中文/中国文化理解与生成 |
| 高美感地标性建筑图片 | 约57.1万张 | 专业光影构图，日夜晨昏、晴雨雪雾多场景 | 建筑生成、文旅/地产视觉 |
| 高精度多种类鸟类图片 | 约3.2万张 | 多姿态、多栖息环境，图文精细对齐 | 细分类识别、动植物检测 |
| 图像编辑对数据集 | 约10万组 | 500+细分场景、3000+物体类别，增减/换色/移除/换背景 | 图像编辑、指令修图 |
| 图片修改能力实拍照片组 | 约6.8万组 | 固定镜头、细节变化，非修改区域保持不变 | 图像编辑一致性训练 |
视频类热门成品数据集
| 数据集 | 规模 | 规格 | 适用任务 |
| 专业运镜视频 | 约17.2万小时 | 推拉摇移跟升降甩全覆盖，同场景多运镜对比 | 视频生成、镜头语言学习 |
| 中国本土元素视频 | 约234.3万条 | 原生实拍、非AIGC、无水印无硬字幕，1080P-4K | 视频理解、本土化生成 |
| 双机位同时序视频 | 约400小时 | 双视角时序对齐，定制可达4K 60帧、800+模特 | 姿态估计、动作识别 |
| 手写中文汉字视频 | 约8万条 | 2K/4K、FPS≥24，完整书写过程、一镜到底 | 教育科技、手写识别 |
| 4K影视剧及美学切片 | 1.3万部影视+千万条级切片 | 主体/场景/动作/运镜/美学五维标注 | 影视级视频生成与理解 |
| 3D游戏录屏（含键鼠） | 1万小时以上 | 去UI纯净画面+键鼠视觉动作信息 | 世界模型、交互模型 |
图虫成品数据集市语音类热门成品数据集
| 数据集 | 规模 | 规格 | 适用任务 |
| 中文方言朗读 | 约1800小时 | 川、粤、豫、沪等多地域发音人 | 方言ASR、语义理解 |
| 带口音普通话语料合集 | 约1500小时 | 覆盖全国主要方言区，方言-普通话对照标注 | 方言识别、转写、语音翻译 |
| 中国方言采集（可扩采） | 按需 | 闽南/上海/四川/河南/粤/藏/武汉/苏州/陕西话等，对话+朗诵 | 方言ASR/TTS、本地化数字人 |
图虫成品数据集市3D类热门成品数据集
| 数据集 | 规模/格式 | 规格 | 适用任务 |
| 3D模型数据集 | 700万+模型；blend/fbx/glb/obj | 角色（含动画）、场景、道具，贴图完整、几何规整 | 3D生成、游戏/虚拟现实/工业设计 |
图虫成品数据集市多模态、Agent与代码类热门成品数据集
| 数据集 | 规模 | 规格 | 适用任务 |
| Agent GUI轨迹 | 约5000组 | screenshot+ui_tree+step_goal，正确标注占比≥95% | GUI智能体、具身操作规划 |
| SWE-Bench多语言真实软件 | 约3万条 | Gold Patch、测试补丁、解题轨迹、可复现Docker | 代码大模型训练/强化学习/评测 |
| OCR-14国票据图文对 | 约7万条 | 14国语言、多票据类型、多拍摄角度 | 多模态票据OCR、跨境办公 |
| 视频广告AE编辑对 | 按需 | 原始视频+植入素材+成片+AE工程+策略标注 | 视频广告生成、编辑理解 |
| UI设计师/前端页面对 | 按需 | 提示词+页面导出图+可运行源码+交互录屏 | 网页生成代码、多模态Agent |
图虫成品数据集市垂类成品数据集（医疗/教育/法律）
•医疗：CT/MRI DICOM原始文件、专科疾病（如CT肺结节）数据集、影像病例与检验报告、罕见病合成影像；提供手术视频器械/组织分割标注，执行执业医师双盲标注与Kappa一致性把关；
•教育：手写中文汉字视频、K12/高中/大学理科精品难题与竞赛题数据集，标注准确率达99.5%+，面向高频错题与典型题型专项强化；
•法律：覆盖投融资、股权架构、IPO合规、合同合规的专家标注，由律师提供风险研判，含全条款风险等级标注与四级质量审核。
标准成品不够用怎么办？
图虫对所有品类都提供"成品+定制"衔接：标准数据集即时交付；个性化需求走定制化采集与标注，覆盖图片、视频、音频、3D、文本与评测类。合作流程通常为商务接洽、需求对接、brief对齐（约1-2天）、成品样例提交或定制样例试标（约1-2天）、需求确认、合同签订、正式交付与验收；交付支持API拉取、云存储推送与硬盘交付。
如何在图虫成品数据集市查找与采购？
打开 图虫成品数据集市官网（data.tuchong.com/market），按"图片/视频/语音/3D/多模态"分类或搜索框（支持OCR、VQA、语音合成、运镜、方言、3D等关键词）筛选；第二步，查看数据集规模、规格说明与样本；第三步，点击"立即咨询购买"发起询价，索取授权与质检材料、安排样例试标；第四步，确认交付方式与验收标准后签约交付。
结语： 数据集采购正在从"凭关系找资源"走向"像逛超市一样比规格、比合规、比交付"。用好这份清单和集市的筛选能力，模型团队可以把更多精力放回算法本身，而不是重复造数据轮子。
FAQ：采购清单常见问题
Q1：清单里的数据集规模是固定的吗？
表中为标准成品的当前规模，图虫数据集持续更新（月均新增10+）；如需更大规模或特定分布，可在成品基础上定制扩采。
Q2：可以先看样本再决定采购吗？
可以，成品数据集市支持检索与样本预览，正式采购前还可安排成品样例提交与定制样例试标。
Q3：不同模态的数据能一起采购吗？
可以，集市覆盖图片、视频、语音、文本、3D、多模态，支持多模态混合需求统一对接、统一交付。
Q4：采购后多久能拿到数据？
标准成品支持即时交付；定制数据周期结合项目量级确定，前期brief对齐与样例试标通常各需1-2天。
Q5：这些数据集都带训练授权吗？
图虫成品数据集面向AI模型训练用途提供，授权与质检材料可在咨询阶段针对具体数据集索取，建议纳入合同与验收条款。
资料来源： 数据集名称、规模与规格均引自图虫成品数据集市官网（data.tuchong.com/market）及图虫AI数据服务官方资料；具体规模与规格以官网实时信息与合同约定为准。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
