このリポジトリは、日本語ASRベンチマーク「asr‑ja‑bench」の修正済み転写セットを文書化しており、JSUT、JVNV、TEDxJP‑10K、FLEURS、および SpeechBSD からのサンプルの含有、適用されたラベル修正、ハッシュチェック、バージョン管理された結果(Haas‑ja‑v1.0)を詳細に記載しています。ライセンス制約により音声や転写は再配布されていないことにも触れています。
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)
270
Hugging Face の Like 数
3
掲載日
2026年11月3日
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。
- 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。
- 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。
- girlsfrontline_voices_jpdeepghs176Girls Front Line「ワイフ」の12 508件(合計約20.9時間)の録音からなる日本語音声‑テキストコーパス。各ファイルは1人の声優を収録しており、ASR/ASVモデルの微調整と評価に使用されるよう設計されています。
- 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。
- 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。
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・コーパス・データセット
adlibholotherapper3ADLIB:言語を認識した評価を備えた日本語ASRベンチマークフレームワークGitHub共通: 音声認識・コーパス・データセット
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