这是MNBVC多模态语料小组的图文通用语料的格式展示。
字段说明：
文件md5: 这个字段存储文件的MD5哈希值。MD5是一种广泛使用的哈希函数，它产生一个128位（16字节）的哈希值，通常用于确保数据的完整性。在这里，它可以用来唯一标识文件，或者检查文件是否被更改。
文件id: 文件的唯一标识符。这可以是一个数据库中的主键，或者任何用于唯一标识文件的系统。
页码: 如果数据源是一个多页文档（如PDF文件），这个字段表示文本或图片所在的具体页码。
块id: 在文档中，特定块（block）的唯一标识。这可以用于标识文本或图片所在的具体块（block）。块（block）的定义其实主要用以区分“模态”，所以对于文本来说，可以是多段的文本，也可能是单段的，取决于使用者的实际情况。
文本: 存储文档中的文本内容。这可以是整个文档的文本，或者是特定段落或页面的文本。
图片: 如果文档中包含图片，这个字段存储图片的数据。
