SMD-H3-T2VA-100K 文本到视频音频条件
音视频
0 下载
1 浏览
2026-10-09
数据集简介
数据集构成与加载方式
该数据集在数据平台上以 Datasets 形式提供,支持通过 Datasets、Dask、Polars 等常用库直接加载浏览,页面同时提供 Data Studio 预览与 Files and versions 下载入口。数据模态为表格(Tabular)与文本(Text)两种,语言为英语,规模区间为 100K–1M 行。
数据模态与格式
- 表格模态承载结构化字段,便于按行检索与过滤;
- 文本模态承载提示词正文,供生成模型直接读取;
- 文件格式包括 json 与 safetensors,其中条件数据以 conditions.safetensors 分片保存,json 用于描述字段结构。
字段结构
每行记录围绕一条提示词条件组织,主要字段如下:
| 字段 | 说明 |
|---|---|
| shard | 分片文件名,如 conditions.safetensors |
| token_start | 提示词在分片中的起始 token 位置 |
| token_end | 提示词在分片中的结束 token 位置 |
| global_index | 全局索引 |
| prompt_sha256 | 提示词内容的 SHA256 摘要 |
| prompt | 提示词文本,含 integrated_multimodal_description、overall_soundscape、non_diegetic_music |
prompt 字段内的 integrated_multimodal_description 提供分镜层面的画面描述,overall_soundscape 描述整体声景,non_diegetic_music 记录非叙事音乐信息;当某条样本不涉及非叙事音乐时,该字段取值为 N/A。例如声景字段可出现「Glass stems click softly on the tabletop」这类具体声音描述。
语言与规模
数据集语言为英语,规模标注为 100K–1M 行。
使用与获取
数据集公开可访问,用户可在页面 Files and versions 区域获取文件,并通过 Datasets、Dask、Polars 等库加载使用。页面未标注具体许可名称,使用前建议核对源页面说明。
引用信息
- 数据集名称:SMD-H3-T2VA-100K
- 发布账号:zjwfufu
- 发布日期:2026-10-09
- 数据格式:json、safetensors
基本信息
记录数量未知
文件大小未知
文件格式json, safetensors
数据来源zjwfufu
数据模态表格、文本
语言英语
规模100K - 1M 行
支持库Datasets、Dask、Polars
数据落地页https://huggingface.co/datasets/zjwfufu/cache-pack-a
发布日期2026-10-09
文本到视频音频多模态生成条件数据集提示词声景描述
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载