К содержимому

Датасет · jamesqijingsong

Иллюстрации, тексты и озвучка для китайского словаря

jamesqijingsong/zidian

Мультимодальный набор из 4307 иероглифов с ИИ-картинками, толкованиями и аудиозаписями пиньиня для обучения генеративных и языковых моделей.

Что внутри

Датасет собран на основе китайского онлайн-словаря zidian.18dao.net и содержит 4307 записей на китайском и английском языках. Внутри лежат сгенерированные нейросетью иллюстрации в формате png (4307 штук), их версии с наложенным текстом в jpg (4307 штук), текстовые пояснения (4307 файлов) и озвучка пиньиня в mp3 (1702 файла).

Что можно сделать

  • Обучение мультимодальных моделей связывать китайские иероглифы с визуальными образами
  • Создание образовательных приложений для изучения китайского языка и фонетики
  • Дообучение LoRA для генерации иллюстраций к текстам и словарным статьям
Языки
Китайский, Английский
Размер
1K–10K записей
Скачиваний за месяц
110,8 тыс.
Лайков
6

Как загрузить

from datasets import load_dataset

ds = load_dataset("jamesqijingsong/zidian")