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")