OmniVideo-100K

OmniVideo-100K 是一个面向音视频联合推理的大规模指令微调数据集，旨在提升模型对跨模态时序依赖、长程因果关系与结构化叙事的理解能力。其核心技术包括实体锚定的视频脚本生成（融合时间戳、声源定位与跨段指代一致性）和线索引导的问答构建（支持因果推理、未来预测、假设推演等10类认知任务）。数据集包含10万条合成样本及人工校验的测试集，适用于多模态大模型的音视频理解、跨模态推理与指令微调研究，尤其适合需建模复杂时序逻辑与模态对齐的学术与工业场景。