Japanese Anime Speech Dataset は、73,004 の音声‑テキストペア(合計110時間、V1 から V5 へと進化)を提供し、OpenAI’s Whisper などの ASR モデルを強化します。すべての利用に対してオープンライセンスが適用され、クレジットの表記があれば感謝します。
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)
946
Hugging Face の Like 数
166
掲載日
2024年5月13日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | 2,000 |
| 2026年1月 | 1,000 |
| 2026年2月 | 598 |
| 2026年3月 | 669 |
| 2026年4月 | 239 |
| 2026年5月 | 1,000 |
| 2026年6月 | 663 |
| 2026年7月 | 721 |
| 2026年8月 | 543 |
| 2026年9月 | 2,000 |
| 2026年10月 | 2,000 |
| 2026年11月 | 946 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- fgo_voices_jpdeepghs10kFGOワイフのためのJP Voice‑Text Dataset:30,800件、66.4時間の日本語音声コレクション。単一ボイスアクターのキャラクターロライン(1行約7.76 秒)で、ASR/ASVのファインチューニングと評価に有用です。
- 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。
- Galgame_Speech_ASR_16kHzlitagin395Galgame_Speech_ASR_16kHz は 16 kHz の ASR データセットで、3.75 百万ペア(≈5,354 時間)が含まれ、Galgame_Dataset から派生しており、GPL v3.0 の下で公開され、商用利用は禁止され、訓練済みモデルはオープンソースであることが求められます(引用は任意)。
- azurlane_voices_jpdeepghs332アズールレーンキャラクターの日本語音声テキストデータセットで、単一話者の音声からなる30 160件(約75.8時間)の録音を含み、ASR/ASVモデルの微調整や評価に役立ちます。
- Japanese-Eroge-VoiceNandemoGHS325409時間の日本語エロゲ音声データセットで、2パス loudnorm(‑23 LUFS、‑1 dB peak、11 LRA)で処理され、litagin/anime-whisper により文字起こしされ、匿名化され、WebDataset(FLAC、JSON、TXT)として保存されています。主に女性の声が収録されており、AI文字起こしのエラーが存在する可能性があります。MIT‑licensed for academic research.
- arknights_voices_jpdeepghs285Arknights ウェイフの JP Voice‑Text データセット:10,905 本の日本語音声クリップ(合計 26.3 時間、平均 8.7 秒)を単一俳優キャラクターから収集。ASR/ASV モデルの微調整や評価に有用です。
研究分野が近いリソース
TEDxJP-10Klaboroai28TEDxJP-10K ASR 評価データセットGitHub共通: 音声認識・テキスト生成- japanese-anime-speech-v2joujiboi3kJapanese Anime Speech Dataset V2は、292,637件の整理済みオーディオ‑テキストペア(約397.5時間のSFW、および52.4時間のNSFWコンテンツ)を、セーフティ別に分割された128‑kbps MP3ファイルとして提供し、特に自動音声認識モデルのトレーニング用に設計されています。共通: 音声認識・テキスト生成
asrzakuro-ai72自動音声認識は、Zakuro AIのサポートを受けたpytorchのdeepspeech2モデルを使用しています。GitHub共通: 音声認識・テキスト生成- kotoba-whisper-bilingual-v1.0kotoba-tech4kKotoba‑Whisper‑Bilingual v1.0 は、日本語と英語の ASR 用に 6.3 倍速化された distilled Whisper モデルを提供し、さらに双方向音声からテキストへの翻訳機能を備えています。これらは、OpenAI の Whisper large‑v3 をベースに、knowledge distillation を用いて構築され、クロスエントロピーと KL‑divergence loss を利用しています。HF モデル共通: 音声認識・テキスト生成
reazonspeechreazon-research406自宅で大規模な日本語音声コーパスを構築するGitHub共通: 音声・オーディオ・マルチモーダル
jtubespeechsarulab-speech232JTubeSpeech:YouTubeから収集された日本語音声のコーパスGitHub共通: 音声・オーディオ・マルチモーダル