Flickr Audio Caption Corpus
收藏OpenXLab2026-04-18 收录
下载链接：
https://openxlab.org.cn/datasets/OpenDataLab/Flickr_Audio_Caption_Corpus
下载链接
链接失效反馈官方服务：
资源简介：
Flickr 8k 音频字幕语料库包含 8,000 张自然图像的 40,000 条语音字幕。它于 2015 年收集，用于研究用于无监督语音模式发现的多模态学习方案。有关语料库的描述，请参见：D. Harwath 和 J. Glass，“Deep Multimodal Semantic Embeddings for Speech and Images”，2015 年 IEEE 自动语音识别和理解研讨会，第 237-244 页，美国亚利桑那州斯科茨代尔，12 月2015
提供机构：
OpenDataLab
创建时间：
2022-06-07
