Spoken‑magpie LLM用の日本語インストラクション・チューニングデータセット。CosyVoice2 TTSを10枚のNVIDIA H200 GPUで構築し、500文字以内のプロンプトに対して多様な話者音声とオーディオ応答を提供。サンプルは公開されている50件です。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
648
Hugging Face の Like 数
3
掲載日
2026年10月5日
同じカテゴリで人気のリソース
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Jaは、LLM‑jp Corpus v4からフィルタリングされた3000億トークンの日本語コーパスであり、事前学習言語モデル用に20クラスタに分割され、ODC‑BYライセンス(元のソースライセンスを保持)で公開され、parquet形式で保存されています。
- llm-course-final-2026bumbuboon13k日本語ウィキペディアベースのRAGデータセット(LLMコース最終競技用)、約100万テキストチャンクと検索インデックスを含む。
- JMedBenchColdog23331kJMedBenchは日本語医療・生物医学用LLMベンチマークであり、20のデータセットをMCQA、NER、STSなどを含む5つのタスクにまたがって構成しています。データセットはMedMCQA、PubMedQA、MMLUなどから取得されており、それぞれに独自のライセンスが付属しています。また、翻訳にバイアスが含まれる可能性があるため、人間によるレビューが必要であるという注意事項が記載されています。
- voicevox-voice-corpusayousanz885VOICEVOX生成の合成音声データセットで、445,793件の.wavファイル(総計577時間51分23秒)から構成され、ITA、つくよみちゃん、およびROHANコーパスを使用して作られた。
- vntl-leaderboardlmg-anon857日本語ビジュアルノベルを英訳する際のセマンティック精度で大型言語モデルをランキングするリーダーボード。256サンプルに対してコサイン類似度を用い、Sugoi Translator、Google Translate、Naver Papago、Alibaba Translate などと比較するため chrF スコアを報告します。
- makise-kurisu-vn-voicelineszhonglongbao847Whisper Large‑V2 を使用してビデオからマクイゼ・クリスの VN ダイアログを文字起こしし、pydub でクリップに分割しました。未整理のテキストは TTS モデル訓練用であり、作者の著作物ではありません。
研究分野が近いリソース
Step-Audio-EditXstepfun-ai980強力な30億パラメータのLLMベース強化学習音声編集モデルで、感情・話し方・パラ言語情報の編集に優れ、堅牢なゼロショット音声合成機能も備える。多言語共通: 音声合成・大規模言語モデル(LLM)
T5Gemma-TTSAratako312T5Gemma エンコーダー・デコーダー型LLMをベースにした、声質クローンと発話時間制御に対応する多言語音声合成モデル。多言語共通: 音声合成・大規模言語モデル(LLM)- AnswerCarefullyllm-jp644AnswerCarefully Datasetは、商業利用または非商業利用のLLM安全向上のために日本語および多言語データを提供し、他の使用(安全迂回を含む)を禁止し、帰属を伴う派生作品を許可し、害やサービス変更に対する非責任の創作者免責事項を付帯しています。共通: 大規模言語モデル(LLM)・コーパス・データセット
- llm-japanese-datasetizumi-lab572日本語インストラクション・チャットデータセット(LLMのファインチューニング用(例:LoRA)、9 M+サンプル)。最近更新され、ライセンス付きAlpacaデータを除外し、クリーンなWikipediaとALT出力を含め、CC‑BY‑SA 4.0でリリース。共通: 大規模言語モデル(LLM)・コーパス・データセット
- oasst2-33k-jallm-jp551LLM‑jpは、英語サブセット oasst2(kunishou/oasst2‑135k‑ja から派生)の DeepL 翻訳による日本語指示チューニングデータセットを提供し、Kiyomaru と Kodama によってコンパイルされています。共通: 大規模言語モデル(LLM)・コーパス・データセット
- JGLUEllm-book546『Large Language Model Introduction』で使われるJGLUE datasetのデータセットカード。元のリポジトリ (original repo) から取得し、コードはCC BY‑SA 4.0でライセンス、データは配布者のライセンスに基づく。Kurihara & Kawahara(日本語)を引用し、Shunsuke Kitada’s repository をベースに構築。共通: 大規模言語モデル(LLM)・コーパス・データセット