yuhuanstudio/wikipedia-omni-zh

中文维基百科图文交错数据集（简体中文） 正文与图片交错排列：text 里的每个 <image> 占位符对应 images 数组的 同一个位置，顺序就是图片在条目中原本出现的位置。格式对齐 MMC4／OBELICS 的惯例。 📅 当前版本：2610（维基百科 dump 日期：2026/10/1） 字段 字段 说明 id / title / url 同纯文本版，可用 id 对应 text 条目全文，图片位置以 <image> 标示 images 图片数组：url / file_name / caption / alt 不变量：text.count("<image>") == len(images)，全量实测 0 误差。章节被丢弃时 它的图片一并丢弃，两者永远对得上。 与纯文本版的差别只有 图片处理：纯文本版把标记整行移除、并清掉“拿掉图片后就空掉”的章节；这一版 保留它们——只有地图的一节对纯文本模型是空标题，对多模态模型是有价值的图文对。 ⚠️ 图片授权各不相同（CC… See the full description on the dataset page: https://huggingface.co/datasets/yuhuanstudio/wikipedia-omni-zh.

<iframe src="https://silytics.si/embed/item/2185255e-fbf4-4c38-b020-b30ff0331133" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 20 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.