К содержимому

Датасет · jamescalam

Транскрипции технических YouTube-уроков

jamescalam/youtube-transcriptions

Короткие текстовые фрагменты из англоязычных видеотуториалов с таймкодами для поиска и RAG.

Что внутри

Внутри лежат текстовые расшифровки технических обучающих видео с YouTube-каналов James Briggs, Daniel Bourke и AI Coffee Break на английском языке. Записи получены с помощью модели OpenAI Whisper (large). Каждая строка содержит короткий фрагмент текста длиной примерно в одно предложение, ссылку на видео и таймкод. Всего в датасете от 100 тысяч до 1 миллиона строк.

Что можно сделать

  • Обучение и тестирование систем семантического поиска и RAG по видеоконтенту
  • Создание вопросно-ответных систем с привязкой к таймкодам роликов
Задачи
Вопрос-ответ, Поиск по текстам, Вопросы по картинкам
Языки
Английский
Размер
100K–1M записей
Скачиваний за месяц
6,5 тыс.
Лайков
44

Как загрузить

from datasets import load_dataset

ds = load_dataset("jamescalam/youtube-transcriptions")