Ocular AI 是一个应用研究实验室，致力于构建数据基础设施和人类专家网络，将现实世界知识编码到前沿 AI 模型中，覆盖多种模态、语言和领域。其核心是 Data Foundry——一个专用引擎，将原始专业知识转化为结构化训练数据、对齐信号和大规模严格评估。团队与精英专业人士合作，捕获他们的实际工作方式，包括诊断背后的推理、谈判中的直觉、母语者的节奏、设计决策中的工程洞察，以及机器从未被教过识别的微表情。从博士数学家、配音演员到宪法律师和语言学家，每个学科、口音和方言都有独立的数据管道。
主要能力：
- Converse 基准测试：包括 Converse-STT（会话语音转文本基准）和 Converse-Diarization（会话说话人分离基准），使用 Ocular AI 开源测试框架，在真实世界双人美式英语对话上评估前沿 AI 模型。STT 基准以词错误率（WER）和字符错误率（CER）衡量，Diarization 基准以分离错误率（DER）衡量。
- 基准测试结果：Converse-STT v2 涵盖 19 个模型，Scribe v2 (ElevenLabs) 以 1.22% WER 排名第一，Grok Voice Transcribe 2.0 (xAI) 2.94%，Gemini 3.5 Transcribe (Google) 3.13% 等。Converse-Diarization 涵盖 11 个模型，Pyannote Community-1 以 27.98% DER 排名第一，DiariZen WavLM Large s80 MD v2 (BUT) 28.16%，Nemotron 3 Diarization (NVIDIA) 28.21% 等。
- 对话式 AI 数据集：提供全双工对话数据集（48 kHz 双通道录制，保留重叠、反馈和打断）、领域特定语音数据集（医疗、客服、技术面试、紧急呼叫等场景）、脚本化语音数据集（配音演员和训练有素的叙述者，语音平衡，受控情感范围，多版本录制）、标注与评估数据集（词级转录、说话人分离、韵律标记、场景和角色标签、连续情感标注、人类偏好评分），支持 40 多种语言，包括美式英语。
使用方式：Ocular AI 主要面向前沿 AI 实验室和财富 100 强企业，提供数据基础设施和专家网络。具体使用方式暂未提供详细的公开文档或自助注册流程。
适用场景：需要高质量、真实世界对话训练数据的 AI 语音模型开发，包括实时对话语音代理、垂直领域语音代理、TTS、语音克隆、语音转语音等。也适用于对语音 AI 模型进行基准评估的研究人员。
限制：官方资料未明确披露定价、具体使用步骤、平台支持细节等信息，暂未提供。
