How2 多语言视频数据集

这是一个关于多语言视频数据集，包含 13,500 个视频，300 小时演讲，视频均带有英文字幕和的葡萄牙语翻译。其中 185,187 个语料用于训练、 2,022 个语料用于开发（dev）、 2,361 个语料用于测试。该数据集可用于研究多模态语言理解。