MiraData：大规模视频数据集，具有长时长和结构化描述

：大规模视频数据集，具有长时长和结构化描述视频数据集在视频生成（如sora）中发挥着至关重要的作用。然而，现有的文本视频数据集在处理长视频序列和捕捉镜头转换方面往往存在不足。为了解决这些局限性，我们引入了MiraData（迷你索拉数据），这是一个专门为长视频生成任务设计的大规模视频数据集。MiraData的主要特点长视频时长：以往的数据集通常视频片段很短（通常少于6秒），而MiraData则不同，它侧重于未剪切的视频片段，持续时间从1分钟到2分钟不等。这种延长的持续时间可以对视频内容进行更全面的建模。结构化字幕：MiraData中的每段视频都配有结构化字幕。这些标题从不同角度进行了详细描述，增强了数据集的丰富性。标题平均长度为349个字，确保了视频内容的全面呈现。

非结构化数据分析机器学习平台

非结构化数据分析机器学习平台世界上80%的数据是以文本、图像、音频、视频等形式呈现的非结构化数据。使用Relevance释放非结构化数据的价值：在几行代码中使用预训练的机器学习模型快速分析非结构化数据。可视化你的非结构化数据。来自命名实体识别的文本突出显示，来自关键字的词云，来自图像的边界框。为结构化和非结构化创建图表。使用过滤器和相似性搜索进行钻取以探索和发现见解。与团队共享数据应用程序。RelevanceAI还充当以下平台：向量，通过灵活的向量相似性搜索存储和查询向量，可以与多个向量、聚合和过滤器组合。ML数据集评估，用于调试数据集标签、模型输出和显示边缘案例。#机器学习

新方法可大规模生产高质量石墨烯

新方法可大规模生产高质量石墨烯石墨烯被称为“21世纪的神奇材料”。自2004年发现以来，这种单层碳原子材料一直因其众多独特性能而备受推崇。但目前大量生产的石墨烯有个缺点：质量不高。现在，美国哥伦比亚大学和加拿大蒙特利尔大学联合研究团队开发出一种新方法，利用无氧化学气相沉积（OF-CVD）法来净化石墨烯，从而大规模生产高质量石墨烯。相关论文发表在5月29日的《自然》杂志上。更多详情→除氧可提高大规模生产石墨烯质量（科技日报）

解锁了上网能力的 ChatGPT，直接把网页提取成简洁的结构化信息。

解锁了上网能力的ChatGPT，直接把网页提取成简洁的结构化信息。Manoj: GotaccesstoChatGPTbrowsingmodetodayFollowingisathreadofsomeofmyearlyexperimentswithit#AI,#ChatGPTcc:@Scobleizer,@DataChaz@_Borriss_,@aidfulAI

WPS Office 新增 REGEXP 函数，通过正则表达式简化文本数据的匹配、提取、替换和处理

WPSOffice新增REGEXP函数，通过正则表达式简化文本数据的匹配、提取、替换和处理WPSOffice16894版本引入了REGEXP函数，允许用户利用正则表达式进行文本数据的匹配、提取、替换和处理。REGEXP函数包含多个子函数，如REGEXPEXTRACT、REGEXPMATCH和REGEXPREPLACE，分别用于提取、判断匹配和替换文本。通过一个简单的公式=REGEXP(B3"\\d+")，用户可以提取文本中的所有连续数字，解决了以往需要复杂公式或VBA代码才能实现的功能。关注频道@ZaiHuaPd频道投稿@ZaiHuabot

video-subtitle-extractor - 视频硬字幕提取，生成srt文件。无需申请第三方API，本地实现文本识别。基

-视频硬字幕提取，生成srt文件。无需申请第三方API，本地实现文本识别。基于深度学习的视频字幕提取框架，包含字幕区域检测、字幕内容提取功能：提取视频中的关键帧检测视频帧中文本的所在位置识别视频帧中文本的内容过滤非字幕区域的文本，去除水印（台标）文本去除重复字幕行，生成srt字幕文件支持视频字幕批量提取多语言：支持中文/英文、日语、韩语、繁体中文、法语、德语、俄语、西班牙语、葡萄牙语、意大利语字幕的提取多模式：快速-快速提取字幕但可能丢字幕（推荐）精准-不丢字幕但速度较慢