yuhuanstudio/wikipedia-omni-zh-tw
中文維基百科圖文交錯資料集（台灣正體中文） 正文與圖片交錯排列：text 裡的每個 <image> 佔位符對應 images 陣列的 同一個位置，順序就是圖片在條目中原本出現的位置。格式對齊 MMC4／OBELICS 的慣例。 📅 目前版本：2610（維基百科 dump 日期：2026/10/1） 欄位 欄位 說明 id / title / url 同純文字版，可用 id 對應 text 條目全文，圖片位置以 <image> 標示 images 圖片陣列：url / file_name / caption / alt 不變量：text.count("<image>") == len(images)，全量實測 0 誤差。章節被丟棄時 它的圖片一併丟棄，兩者永遠對得上。 與純文字版的差別只有 圖片處理：純文字版把標記整行移除、並清掉「拿掉圖片後就空掉」的章節；這一版 保留它們——只有地圖的一節對純文字模型是空標題，對多模態模型是有價值的圖文對。 ⚠️ 圖片授權各不相同（CC… See the full description on the dataset page: https://huggingface.co/datasets/yuhuanstudio/wikipedia-omni-zh-tw.
| Author / organization | yuhuanstudio |
|---|---|
| License (as declared) | cc-by-sa-4.0 |
| Downloads | 243 (as reported by Hugging Face) |
| Likes | 0 |
| Created | 11 August 2026 |
| Last updated at source | 10 October 2026 |
Popularity, last 5 days
243 now (-1 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.
More from yuhuanstudio
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 Information may be incomplete or out of date.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.