多方言语音翻译数据

本数据集面向图文多模态藏汉机器翻译研究建设，契合解决纯文本藏汉翻译歧义问题的需求。背景为藏汉机器翻译领域现有资源多为百科、新闻等纯文本平行语料，缺乏公开图文多模态藏汉平行语料库。其意义在于通过文本与对应图像结合，帮助模型建立语言与视觉关联，提供语境信息以减少歧义，提升翻译准确性与场景适配度。产生方法上，依据藏文句子是否含歧义，划分“有歧义”与“无歧义”两类文本-图像对构建数据集。主要内容为图文藏汉平行文本-图像对，体量共计15,300条，含300条有歧义、15,000条无歧义数据，按8:1:1比例随机划分为训练集、验证集和测试集，支撑多模态翻译模型训练与评估。