HK Study - Train HE

...............................

本数据集收录了来自多个来源的音频文件，包括但不限于 FLAC（Free Lossless Audio Codec）和 WAV 格式。其中，图像数据则以 JPEG（Joint Photographic Experts Group）格式呈现。数据集旨在为语音识别和图像处理领域的研究提供丰富的样本资源，其中涵盖了多种场景和主题，旨在促进相关算法的性能提升。在数据集中，文本描述采用了大语言模型（LLM）进行生成，以实现零样本（Zero-shot）和少样本（Few-shot）学习的目标。