Conversational audio
Rekaman Bahasa Indonesia dan bahasa daerah untuk speech recognition, transcription, dan conversational AI.
Enterprise datasets
Data Indonesia yang mengikuti kebutuhan model Anda.
DataKita membantu tim AI mendefinisikan, mengumpulkan, dan meninjau dataset Bahasa Indonesia berbasis consent untuk training dan evaluation.
Supported data
Audio, video, text, dan preference data.
Setiap engagement dimulai dari spesifikasi. Halaman ini menjelaskan kapabilitas, bukan inventaris dataset live.
Video & visual context
Video, dashcam, dan rekaman visual dari konteks Indonesia sehari-hari untuk computer vision dan model multimodal.
Text data
Teks umum dan domain-spesifik untuk fine-tuning, evaluation, dan language understanding.
Preference data
Pasangan respons dan anotasi preferensi untuk RLHF, safety, dan model evaluation.
Model use cases
Dibangun untuk keputusan training dan evaluation yang nyata.
- Speech recognition dan transcription
- Multilingual language models
- Model fine-tuning
- Evaluation dan benchmarking
- Safety dan alignment
- Custom data collection
Quality workflow
Spesifikasi menjadi alur review yang dapat ditelusuri.
Kriteria penerimaan ditetapkan sebelum koleksi. Sampel diberikan untuk review sebelum paid pilot.
- 01
Task design
Instruksi, consent, dan kriteria penerimaan ditetapkan sebelum koleksi dimulai.
- 02
Automated checks
Format, kelengkapan, durasi, dan sinyal kualitas dasar diperiksa saat data masuk.
- 03
Human review
Kiriman yang ditandai dan sampel terpilih ditinjau untuk menjaga konsistensi.
- 04
Traceable delivery
Dataset menyertakan metadata consent dan metadata bahasa atau lokasi jika dikumpulkan.
Metadata
Konteks yang membantu tim Anda menilai provenance.
- Consent record dan usage purpose
- Tipe tugas dan versi instruksi
- Bahasa atau register yang dikumpulkan
- Wilayah jika relevan dan disetujui
- Hasil validasi dan status review
- Identifier pengiriman untuk traceability
Delivery formats
JSON
Structured records for application workflows
CSV
Tabular delivery for analysis and review
JSONL
Line-delimited records for ML pipelines
Custom collection
Dari requirement ke paid pilot.
Tim DataKita menyusun tugas, metadata, dan alur review berdasarkan kebutuhan yang sudah divalidasi bersama.
- 01
Discovery
Kami memetakan use case, volume, bahasa, dan ambang kualitas.
- 02
Tailored sample
Tim DataKita menyiapkan sampel yang mengikuti spesifikasi Anda.
- 03
Quality review
Tim Anda menilai kualitas dan memberi umpan balik terstruktur.
- 04
Paid pilot
Spesifikasi yang disetujui diterapkan pada koleksi berbayar.
Consent dan withdrawal menjadi bagian dari spesifikasi data.
DataKita mencatat consent per submission dan mendukung penarikan dari penggunaan lisensi di masa depan. Detail operasional tersedia di Trust Center.
Enterprise inquiry
Ceritakan dataset yang dibutuhkan model Anda.
Kami akan meninjau use case, tipe data, volume, dan kebutuhan kualitas sebelum menghubungi Anda melalui email kerja.