Arknights Waifus的JP Voice‑Text数据集:10,905条日语配音片段(总计26.3小时,平均8.7秒),来自单一角色,可用于微调或评估ASR/ASV模型。
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)
285
Hugging Face 点赞数
5
收录日
2026年5月20日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | 201 |
| 2026年6月 | 152 |
| 2026年7月 | 583 |
| 2026年8月 | 139 |
| 2026年9月 | 128 |
| 2026年10月 | 291 |
| 2026年11月 | 285 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- fgo_voices_jpdeepghs10kFGO Waifus的JP Voice‑Text 数据集:一个包含30,800条记录、66.4小时日本音频的集合,收录单一配音演员角色台词(每句约7.76秒),适用于ASR/ASV微调与评估。
- azurlane_voices_jpdeepghs332一个日语语音文本数据集,包含 30 160 条录音(≈75.8 小时),来自单个角色的声音,可用于微调或评估 ASR/ASV 模型。
- asr-ja-benchthird-intelligence270本仓库记录了日本 ASR 基准 “asr‑ja‑bench” 的校正转录集,详细说明了从 JSUT、JVNV、TEDxJP‑10K、FLEURS 和 SpeechBSD 中包含的样本、所应用的标签修复、哈希检查以及版本化结果(Haas‑ja‑v1.0),并指出由于许可限制,不会重新分发音频或转录文本。
- girlsfrontline_voices_jpdeepghs176日本语音文本语料库,包含12,508条录音(总计约20.9小时),来自《少女前线》中的“waifus”,每个文件仅包含一位配音演员,用于微调和评估ASR/ASV模型。
- emilia-yodasTTS-AGI18k来自 Fate/Stay Night 的角色 “Emilia” 的对话和背景故事数据集,格式化用于训练和评估会话语言模型。
- JGLUEshunk0313k更新了 JGLUE 数据集卡与加载脚本,适用于由 Yahoo Japan 与早稻田大学创建的日语 NLP 基准,涵盖文本分类(MARC‑ja、JCoLA)、句对分类(JNLI)以及问答(JSQuAD、JCommonsenseQA),发行链接保存在 GitHub 与 Hugging Face 上。
研究领域相近的资源
- ELYZA-tasks-100elyza2k一个包含100个样本的日语指令微调评估数据集,包含已注释的任务——从摘要校正、数学推理到翻译、创意生成和用户意图理解——旨在对微调模型进行手动或自动的5分制评分。共同: 标注与数据集构建
- qg_jaquadlmqg494Japanese JaQuAD,QG‑Bench 的一个子集,提供句子级和段落级的数据,包含高亮的答案词元,用于训练日语问句生成模型,并通过 BLEU4、METEOR、ROUGE‑L、BERTScore 和 MoverScore 进行评估。共同: 标注与数据集构建
- zenz-v2.5-datasetMiwa-Keita439一个190 M对的JSONL数据集,用于日语假名到汉字转换,包含“左上下文–输入–输出”三元组,并预训练模型(medium、small、xsmall)以及AJIMEE-Bench基准测试。该数据集以CC BY‑SA 4.0授权发布,子集来源于Wikipedia和Common Crawl。共同: 标注与数据集构建
- Galgame_Speech_ASR_16kHzlitagin395Galgame_Speech_ASR_16kHz 是一个 16 kHz 的 ASR 数据集,包含 3.75 百万对(≈5,354 小时),源自 Galgame_Dataset,遵循 GPL v3.0,禁止商业使用,并要求任何训练的模型必须开源(可选引证)。共同: 标注与数据集构建
- Japanese-Eroge-VoiceNandemoGHS325一个时长为409小时的日本 eroge 语音数据集,使用 2-pass loudnorm(‑23 LUFS,‑1 dB 峰值,11 LRA)处理,已由 litagin/anime-whisper 转录、匿名化,存储为 WebDataset(FLAC、JSON、TXT),主要包含女性声音,可能存在 AI 转录错误,并采用 MIT 许可证用于学术研究。共同: 标注与数据集构建
ajimee-benchazookey30AJIMEE-Bench(高级日语输入法评估基准)GitHub共同: 标注与数据集构建