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

价格

免费