К содержимому

Датасет · jamesqijingsong

Китайские идиомы чэнъюй с AI-иллюстрациями

jamesqijingsong/chengyu

Более 5 тысяч китайских фразеологизмов с текстовыми пояснениями и сгенерированными картинками для мультимодальных задач.

Что внутри

Набор данных основан на сайте chengyu.18dao.net и включает 20 609 файлов: 5 156 текстовых объяснений в формате txt, 5 155 картинок jpg с наложенным текстом и 5 148 пар из исходных PNG-иллюстраций и их описаний. Изображения сгенерированы нейросетью по текстам в 2024 году, а сам архив загружен в 2025-м. В метаданных указаны китайский и английский языки, размер — от 1 до 10 тысяч записей.

Что можно сделать

  • Обучение или LoRA-адаптация text-to-image моделей под китайскую культуру и идиомы
  • Тренировка мультимодальных моделей понимать переносные значения фразеологизмов по картинке
  • Сборка учебных и справочных систем по китайскому языку
Языки
Английский, Китайский
Размер
1K–10K записей
Скачиваний за месяц
152,5 тыс.
Лайков
8

Как загрузить

from datasets import load_dataset

ds = load_dataset("jamesqijingsong/chengyu")