本文介绍了一个PB级院线级电影多模态数据集，包含3万小时高质量影视资源。该数据集将每部电影拆解为视频、音频和字幕三条独立数据流，保持严格时间对齐，并附带完整元数据信息。数据优势包括高清画质、专业内容、丰富场景和多模态拆解，适用于文生视频模型训练、多模态融合研究、视频检索和影视编辑等多种应用场景。该数据集解决了现有视频语料在质量、多样性和工程处理上的不足，为视频大模型训练提供了优质基座。

本数据集基于10部权威医疗电子书构建，包含240个LaTeX章节、3991张医学图像和13份完整PDF文档，涵盖影像诊断学、重症医学、临床药学等核心医学领域。数据集具有高度结构化特点，包含18,297个标记、37,381个医学实体和5,770个交叉引用关系，支持疾病-药物关系抽取和临床决策系统开发。其多模态特性（文本、图像、公式）为医疗大语言模型训练、知识图谱构建及智能教育系统开发提供了优质资源。

本文介绍了一个高质量多语种语音识别数据集，包含15种语言的1500个WAV格式音频文件（约50小时）。数据集采用专业录音设备录制，涵盖日常对话、商务交流等多种场景，并配有精确的JSON格式文本标注。语言覆盖印欧、亚洲、南岛等主要语系，每种语言提供100个样本（约3.3小时）。该数据集具有音频质量高、标注精准、场景多样等优势，适用于多语言语音AI模型训练和全球化语音应用开发，为语音识别系统研发提供了

【摘要】本文介绍了一个专为AI火灾检测训练设计的5198张高清无人机图像数据集。该数据集覆盖城市、农村、森林、农田、田埂和工厂等多场景真实火情，包含火焰与烟雾的精确标注。相比传统固定监控，无人机拍摄具有视角广、机动性强等优势，能有效提升火灾早期预警能力。数据集支持目标检测、场景分类、语义分割等多种AI模型训练，提供YOLO、COCO等多种标注格式。通过数据增强和平衡采样策略，可显著提升模型对不同环

本文介绍了一个包含5000道生物科学英文题目的综合性题库数据集，专为研究生教育设计。该数据集采用JSON格式存储，涵盖分子生物学、生物化学、细胞生物学等20多个生物科学分支，包含选择题和开放题等多种题型。每道题目配有标准答案、详细分析和知识标签，数据经过专业审核，确保学术准确性和教育价值。该数据集可作为生物科学教育资源和AI模型训练基础，支持智能评估系统开发与个性化教育方案制定。

在当今数字化农业和智慧畜牧业快速发展的时代背景下，动物识别与检测技术已成为现代农业生产中不可或缺的核心技术之一。随着人工智能技术的不断进步，计算机视觉在畜牧业管理、动物健康监测、智能养殖系统等领域展现出巨大的应用潜力。然而，高质量、大规模、精准标注的动物识别数据集仍然是制约相关AI算法发展的关键瓶颈。本数据集专门针对奶牛和水牛这两种重要的经济动物，通过精心收集和标注，为研究人员和算法开发者提供了一

本文介绍了一个包含100万局国际象棋专业对局的数据库，数据全部来自Lichess平台。该数据集包含比赛类型、玩家信息、完整棋步序列和结果等关键字段，完整度达99.64%。数据分布显示82.18%为普通对局，17.82%为锦标赛对局，其中41.47%的对局超过101步。该数据集具有规模大、来源权威、完整性高等优势，可为AI算法训练、棋艺分析和国际象棋研究提供可靠支持，尤其适用于深度学习模型训练和战术