M3AV多模态学术讲座数据集

M3AV多模态学术讲座数据集是一个包含约367小时、1113个视频的多模态学术讲座数据集，涵盖计算机科学、生物医学和数学三个领域。数据由三个核心部分组成：标注了简单/复杂文本块（含手写体和LaTeX公式）的幻灯片、包含专业词汇转写和词级时间戳信息的语音，以及部分视频对应的学术论文。