国际语言文库 发布 Bloom Library 数据集, 应用在 多语言数据集、语言技术 领域

国际语言文库 本次发布的数据集 Bloom Library, Bloom Library是一个包含多模态和多语言数据集的平台，旨在支持语言建模、图像描述、视觉叙事和语音合成/识别等多种下游任务。该数据集涵盖了32个语系的363种语言，是目前最全面的多语言数据集之一。数据集的内容包括书籍、图像和音频记录，其中许多书籍包含与文本对齐的图像，以及超过1600本书的音频记录。数据集的创建过程涉及与当地语言社区的合作，使用开源软件Bloom进行书籍创作、音频录制和翻译。Bloom Library的应用领域广泛，旨在解决全球语言资源不平等的问题，特别是在低资源语言的NLP研究中建立基准。

查看Bloom Library

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。