Projects & Track Record

2020년부터 7개년 연속,
AI 데이터 국책사업을 수행했습니다

음성·텍스트·이미지·LLM 평가 전 영역의 AI 학습데이터 사업 13건과 2007년부터 이어 온 공간정보·건설정보·행정시스템 실적입니다. 구축 데이터셋은 NIA AI Hub에 공개되어 있습니다.

AI Data Projects 2020 — 2026

AI 학습데이터 · LLM 평가 사업

누적 계약 74.0억 원발주처 5곳

LLM 벤치마크

1LLM 성능·다문화 평가 데이터셋

2024.08 ~ 12NIA

초거대AI 확산 생태계 조성 — 글로벌 규범·문화 평가 데이터

LLM 다문화 평가용 10개 Task, Task별 1,500개 이상 총 25,000건+. 베트남어·한국어·영어 3개 언어, GPT·Gemini·Claude·HyperCLOVA 등 평가.

주관벤치마크

다국어

1비영어권 언어·문화 Instruction 데이터

2024.08 ~ 12NIA

초거대AI 확산 생태계 조성 — 글로벌 규범·문화 데이터

스와힐리어(탄자니아)·크메르어(캄보디아) 원천 말뭉치 1억 어절+ 수집, 규범·문화·관습·제도를 반영한 Instruction Q&A 제작·검증.

다국어Instruction

말뭉치

1초거대 AI 사전학습용 원천 말뭉치

2023.07 ~ 12NIA

베트남어 말뭉치 데이터

초거대 AI Pre-training용 베트남어 원천 말뭉치 대량 구축. 베트남 진출 국내기업 챗봇·생성형 AI 응용서비스 기반.

말뭉치AI Hub

음성

4소음 환경·연령대별 발화 음성 데이터

2023.07 ~ 12NIA

다양한 소음원에서의 Ground Truth 지식정보 데이터

다양한 소음원 환경에서의 음성·소리 Ground Truth 데이터 구축. 소음 환경 음성인식 성능 향상 연구용.

음성AI Hub

2022.07 ~ 12NIA

연령대별 특징적 발화(은어·속어) 음성 데이터

2,000명+ 크라우드 워커, 음성 3,000시간·전사 3,000시간. 구어체 음성인식, 상담, 디지털 휴먼 챗봇 문맥 이해 연구용.

음성AI Hub

2022.05 ~ 12NIA

극한 소음 환경 음성데이터 및 소리데이터

음성 2,000시간 · 소리 1,000시간. 실제 소음환경 발화 음성, 화자·환경 정보, 전사 파일. 노이즈 제거·음성인식 성능 개선용.

음성AI Hub

2021.05 ~ 12NIA

소음 환경 음성 데이터

소음환경 발화 음성 7,500시간(전사·환경정보 포함). 4채널 동시녹음 장비 자체 구성, 재택·현장·스튜디오 혼합 운영 일 150명 투입. 소음 제거 모델·크라우드소싱 플랫폼 개발 병행.

음성AI Hub

이미지

2얼굴·환경오염 이미지 데이터

2022.07 ~ 10ETRI

얼굴 사진 클립 데이터 (얼굴 인식 · 3D 실감 가시화)

사진 1장 기반 디지털 3D 휴먼 생성·실감 가시화 엔진 학습용 데이터. 공개 DB(FFHQ 등) + 크라우드 워커 수집 데이터.

이미지3D

2020.11 ~ 2021.02NIA

환경오염 AI 데이터 (산업 폐기물 · 수질 · 생활 폐기물 이미지)

환경오염 이미지 인식용 AI 학습데이터. 인사이트정보의 첫 NIA AI 학습데이터 구축 사업.

이미지AI Hub

소리

1환경·센서 소리데이터와 AI 솔루션

2024.08 ~ 12KISTI

소리데이터 기반 AI 솔루션 개발

센서·가구용·영상 소리데이터 수집·처리, 비정상 데이터 탐지, 모델 도커 이미지·학습 설정, 데이터 공유·학습·추론 서비스까지 사회문제해결 AI 솔루션.

소리AI 모델

교육 콘텐츠

2생성형 AI 다국어 교육 영상

2026.08 ~ 09부산외국어대학교

2026학년도 부산형 AI 다국어 교육 콘텐츠 제작 (2차)

소방·경찰·가스/전기안전공사·환경공단 등 8개 공공기관 안전 시나리오 기반 숏폼 40편, 5개 언어 자막 200개. 생성형 AI 영상 + AI TTS + AI 번역 자막.

완료교육 콘텐츠

2026.01 ~ 02부산외국어대학교

2026 부산형 AI 다국어교육 콘텐츠 제작 (1차)

외국인 근로자 대상 11개 카테고리 숏폼 50편(16:9 / 9:16), 한·영·베트남·우즈베크·인도네시아 5개 언어 자막 250개. 3단계 학습 구조와 파일럿 테스트.

완료교육 콘텐츠

영상

1영상 기반 인물·감정 레이블링

2023.04 ~ 2024.06ADD

북한 인물정보 AI 학습용 데이터 — 인물정보 레이블링

조선중앙TV·다큐 등 영상자료 확보, 인물·감정(7종) 레이블링, 1·2·3차 독립 교차검증. 2024년 고도화 사업 연속 수행.

영상크라우드소싱

※ NIA 한국지능정보사회진흥원 · KISTI 한국과학기술정보연구원 · ADD 국방과학연구소 · ETRI 한국전자통신연구원. 공동수행 사업은 역할(주관/참여)을 표기했습니다.

Open Datasets on AI Hub

우리가 만든 데이터는
지금도 전국의 AI가 배우고 있습니다

AI Hub 바로가기

2020년부터 구축한 AI 학습데이터셋 12종이 한국지능정보사회진흥원 AI Hub에 공개되어 기업·대학·연구기관이 자유롭게 내려받아 쓰고 있습니다. 음성 1만 6천 시간, 말뭉치 4억 7천만 어절, LLM 벤치마크까지 — 모두 인사이트정보가 수집·가공·검수한 데이터입니다.

0종

공개 데이터셋

0시간+

음성 · 소리 데이터

0억 어절

비영어권 원천 말뭉치

0만+

누적 조회 · 다운로드 5만+AI Hub 2026.10 기준

LLM 평가2024