用于 Spoken‑magpie LLM 的日语指令调优数据集,使用 CosyVoice2 TTS 在10台 NVIDIA H200 GPU 上构建,包含多样的说话人声音和针对 500 字符以内提示的音频响应,共有 50 条示例条目向公众公开。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
648
Hugging Face 点赞数
3
收录日
2026年10月5日
同分类的热门资源
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一个300 亿标记的日语语料库,从 LLM‑jp Corpus v4 过滤而来,分为20个簇用于预训练语言模型,以 ODC‑BY 许可证发布,保留原始来源许可,并以 parquet 格式存储。
- llm-course-final-2026bumbuboon13k基于日语维基百科的LLM课程期末竞赛RAG数据集,包含约100万文本块和搜索索引。
- JMedBenchColdog23331kJMedBench 是一个日语生物医学 LLM 基准,涵盖 20 个数据集,覆盖五个任务(MCQA、NER、STS 等),来源于 MedMCQA、PubMedQA、MMLU 等,每个都有自己的许可,并包含一条说明:翻译可能包含偏差,需要人工审核。
- voicevox-voice-corpusayousanz885VOICEVOX‑generated synthetic voice dataset comprising 445,793 .wav files (totaling 577 h 51 m 23 s) built from the ITA, つくよみちゃん, and ROHAN corpora.
- vntl-leaderboardlmg-anon857一个排行榜,按语义准确度对大型语言模型进行排名,用于将日文视觉小说翻译成英文。该排行榜使用256个样本的余弦相似度,并报告 chrF 分数,以与 Sugoi Translator、Google Translate、Naver Papago 和 Alibaba Translate 等工具进行比较。
- makise-kurisu-vn-voicelineszhonglongbao847使用 Whisper Large‑V2 对视频中的 Makise Kurisu VN 对话进行转录,并用 pydub 将文本拆分为片段;未清理的文本用于 TTS 模型训练,且不属于作者。
研究领域相近的资源
Step-Audio-EditXstepfun-ai980一个强大的30亿参数、基于大语言模型的强化学习音频编辑模型,擅长编辑情感、说话风格与副语言特征,并具备稳健的零样本语音合成能力。多语言共同: 语音合成・大语言模型
T5Gemma-TTSAratako312基于 T5Gemma 编码器-解码器大语言模型的多语言语音合成模型,支持声音克隆与时长控制。多语言共同: 语音合成・大语言模型- AnswerCarefullyllm-jp644AnswerCarefully Dataset提供日语和多语种数据,用于商业或非商业LLM安全增强,禁止任何其他用途——包括安全规避——允许带署名的衍生作品,并声明不承担因伤害或服务变更导致的责任。共同: 大语言模型・语料库与数据集
- llm-japanese-datasetizumi-lab572用于微调 LLMs(如 LoRA)的日语指令聊天数据集,包含 9 M+ 样本,最近已更新,删除授权的 Alpaca 数据,并清理了 Wikipedia 和 ALT 输出,采用 CC‑BY‑SA 4.0 许可证发布。共同: 大语言模型・语料库与数据集
- oasst2-33k-jallm-jp551LLM‑jp 提供了一个日语指令调优数据集,该数据集是 DeepL 翻译自 oasst2 的英文子集(来自 kunishou/oasst2‑135k‑ja),并由 Kiyomaru 和 Kodama 编译。共同: 大语言模型・语料库与数据集
- JGLUEllm-book546用于《大型语言模型简介》一书的 JGLUE 数据集数据卡,来源于原始仓库,代码采用 CC BY‑SA 4.0 许可证,数据按发行者的许可协议,引用 Kurihara & Kawahara(日本语),并基于 Shunsuke Kitada 的仓库构建。共同: 大语言模型・语料库与数据集