miracleyin/qiushibaike_mnbvc

Name: miracleyin/qiushibaike_mnbvc
Creator: miracleyin
Published: 2024-07-13 03:21:15
License: 暂无描述

Hugging Face2024-07-13 更新2024-07-22 收录

下载链接：

https://hf-mirror.com/datasets/miracleyin/qiushibaike_mnbvc

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

miracleyin

miracleyin/example_mmdata_mnbvc

MNBVC多模态语料数据集（v2.0）是一个包含文本、图片、音频等多种模态数据的数据集。每个数据块都有唯一的实体ID和块ID，并且包含时间、扩展字段、文本、图片、OCR文本、音频、STT文本、块类型等字段。数据集还提供了图片和音频读取的示例代码，用于处理这些多模态数据。

Hugging Face2024-07-10 更新70

MNBVC

MNBVC (海量永无止境的BT海量中文语料库) 超大规模中文语料集。对标chatGPT训练的40t数据。MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、维基、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

OpenXLab10

liwu/MNBVC

MNBVC数据集是一个包含多种类型中文互联网语料的数据集，旨在为开源社区提供一个长期更新的中文语料库。数据集包含多个子集，如法律文书、政府工作报告、企业年报、知乎问答、维基百科文本等。数据格式包括通用文本、问答语料、代码语料、多轮对话、论坛语料和平行语料。数据集由里屋社区构建，并由社区成员上传至Huggingface。

Hugging Face2026-03-26 更新4590

MNBVC

OpenDataLab2026-07-12 更新1010

MNBVC

MNBVC数据集是一个超大规模的中文语料集，包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。

github2024-05-12 更新6830