databricks‑dolly‑15k データセットの自動翻訳された日本語版、CC‑BY‑SA‑3.0 ライセンス、2023‑05‑11に最終更新。
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)
1,000
Hugging Face の Like 数
89
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 | 1,000 |
| 2026年1月 | 777 |
| 2026年2月 | 646 |
| 2026年3月 | 992 |
| 2026年4月 | 1,000 |
| 2026年5月 | 1,000 |
| 2026年6月 | 735 |
| 2026年7月 | 828 |
| 2026年8月 | 813 |
| 2026年9月 | 675 |
| 2026年10月 | 911 |
| 2026年11月 | 1,000 |
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
- KakologArchivesKakologArchives74k2009年から2024年までのNicoNico Liveのコメントログ(150GB超)を集約し、転換前・転換後・リアルタイムNX‑Jikkyoのキャプチャも含む、歴史的なTV‑broadcastディスカッションを簡単に取得できるAPIを提供します。
- emilia-yodasTTS-AGI18kFate/Stay Nightのキャラクター「Emilia」の対話とロアのデータセットで、会話型言語モデルのトレーニングと評価のためにフォーマットされています。
- 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。
- 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。
- fineweb-2-edu-japanesehotchpotch8kFineWeb2 Edu Japanese は FineWeb2 からの約1億2000万の高品質教育用日本語テキスト(約893億トークン)を提供し、DeepSeek‑API クラスフィケーター(スコア ≥ 2.5)でフィルタリングし、ModernBERT‑Ja‑130M でトークナイズされ、512 トークン以下の小規模サブセットを含みます。
研究分野が近いリソース
Laboro-ParaCorpuslaboroai19日英並列コーパスの作成スクリプトとNMTモデルのトレーニングに関するスクリプトGitHub共通: 多言語・テキスト生成
Web-Crawled-Corpus-for-Japanese-Chinese-NMTzhang-jinyi16日中NMTのためのWebクロールされたコーパスGitHub共通: 多言語・テキスト生成
giant_ja-en_parallel_corpusDayuanJiang5このディレクトリには、巨大な日英字幕コーパスが含まれています。生データは、スタンフォード大学のJESCプロジェクトから取得されています。GitHub共通: 多言語・テキスト生成
jesc_smallyusugomori3小さな日英字幕コーパスGitHub共通: 多言語・テキスト生成
small_parallel_enjaodashi97機械翻訳ベンチマーク用の50k英日並列コーパス。GitHub共通: 多言語・テキスト生成
nwjcmasayu-a10NINJALウェブ日本語コーパスGitHub共通: 多言語・アノテーション・データセット構築