日本のG2P、形態素解析器、およびTTSシステムが文化省の常用漢字表から漢字を正確に読み上げる能力を測定するためのベンチマークデータセットと評価ツールキット。4,512個の漢字-読みペアを備え、各ペアに3つの注釈付き例文と複数読みについて詳細な注釈が付与されています。
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)
272
Hugging Face の Like 数
7
掲載日
2026年8月17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 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | 469 |
| 2026年9月 | 366 |
| 2026年10月 | 290 |
| 2026年11月 | 272 |
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
- joyo-kanji-yomi-benchmarksbintuitions224日本語のTTSベンチマークで、全2,136字(常用漢字)に対して4,378読みを評価し、13,095文のネイティブスピーカー検証済み文章を使用。各文は単一の読みを対象とし、自動CER計算用に注釈付けされ、MITライセンスで提供されます。
- voicebench-jasbintuitions161音声言語モデルにおける音声入力とテキスト入力の知能・推論差を定量的に比較するデータセットで、TTS を適用したサンプルを Elyza‑tasks‑100、M‑IFEval、JamC‑QA の3つのベンチマークから抽出し、Elyza、Spoken‑Elyza、M‑IFEval、JamC‑QA の4つのサブセットを作成。CC BY‑SA 4.0 ライセンス(非商用利用)の下で 1,452 個の使用可能な音声例を収集しています。
- 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。
- 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。
- JGLUEshunk0313k日本語 NLP ベンチマーク(Yahoo Japan と早稲田大学が作成)に対する JGLUE データセットカードとロードスクリプトを更新しました。テキスト分類(MARC‑ja、JCoLA)、文対分類(JNLI)、QA(JSQuAD、JCommonsenseQA)をカバーし、リリースは GitHub と Hugging Face にリンクされています。
- JMTEBsbintuitions3kJMTEBは日本語テキスト埋め込みベンチマークで、5つのタスク(クラスタリング、分類、STS、検索、リランキング)と28のデータセットを特徴とし、1行で評価できるスクリプトを提供し、コミュニティの貢献を歓迎する。
研究分野が近いリソース
lm-evaluation-harnessEleutherAI14k言語モデルのfew-shot評価のためのフレームワーク。多言語共通: コーパス・データセット・評価・ベンチマーク- ELYZA-tasks-100elyza2k注釈付きタスク(要約訂正、数学推論、翻訳、創造的生成、ユーザー意図理解など)を網羅した100サンプルの日本語インストラクション・チューニング評価データセット。微調整モデルを手動または自動で5点評価できるよう設計されている。共通: コーパス・データセット・評価・ベンチマーク
- JMMLUnlp-waseda1kJMMLUは、56科目に跨る7,536問の教師作成質問を収録した、日本語のマルチタスク言語理解ベンチマークです。含まれる科目は、専門医学・心理学・会計学・哲学、及び多様な高校科目です。共通: コーパス・データセット・評価・ベンチマーク
sacrebleumjpost1.3kテストセットを自動ダウンロードし、研究機関間の比較を容易にするバージョン文字列を出力する、標準的な BLEU 実装。多言語共通: コーパス・データセット・評価・ベンチマーク
xtremegoogle-research650XTREME は、事前学習済み多言語モデルの言語横断的な汎化能力を評価するためのベンチマークで、類型的に多様な40言語をカバーし、9つのタスクを含む。多言語共通: コーパス・データセット・評価・ベンチマーク
pawsgoogle-research-datasets572このデータセットには、10万8,463件の人手ラベル付きペアと65万6,000件のノイズを含むラベル付きペアが含まれており、言い換え識別の課題において構造・文脈・語順情報をモデル化することの重要性を示している。多言語共通: コーパス・データセット・評価・ベンチマーク