К содержимому

Датасет · VINAY-UMRETHE

Мультимодальный корпус аудио-видео-текст

VINAY-UMRETHE/Trio-Image-Audio-Text

Унифицированный мультимодальный датасет, объединяющий изображения, аудио и тексты из публичных источников.

Что внутри

Датасет содержит от 100K до 1M примеров на английском, хинди, маратхи, кашмири, игбо и арабском языках. Включает 29 безопасных подмножеств (конфигураций) с исключением NSFW-контента.

Что можно сделать

  • Обучение мультимодальных моделей (изображение-аудио-текст)
  • Разработка многоязычных систем распознавания речи и работы с изображением
Языки
Хинди, mr, ks, Английский, ig, Арабский
Размер
100K–1M записей
Скачиваний за месяц
29,3 тыс.
Лайков
0
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("VINAY-UMRETHE/Trio-Image-Audio-Text")