日本动漫语音数据集提供73,004对音频-文本(总计110小时,已从V1升级至V5),用于提升ASR模型,例如OpenAI的Whisper,按开放许可证提供给所有使用,欢迎署名。
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)
946
Hugging Face 点赞数
166
收录日
2024年5月13日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 2,000 |
| 2026年1月 | 1,000 |
| 2026年2月 | 598 |
| 2026年3月 | 669 |
| 2026年4月 | 239 |
| 2026年5月 | 1,000 |
| 2026年6月 | 663 |
| 2026年7月 | 721 |
| 2026年8月 | 543 |
| 2026年9月 | 2,000 |
| 2026年10月 | 2,000 |
| 2026年11月 | 946 |
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。
- 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。
- 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)。
- 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。
- 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。
- arknights_voices_jpdeepghs285Arknights 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。
研究领域相近的资源
TEDxJP-10Klaboroai28TEDxJP-10K ASR 评估数据集GitHub共同: 语音识别・文本生成- japanese-anime-speech-v2joujiboi3kJapanese Anime Speech Dataset V2 提供 292,637 条已清洗的音频-文本对——约 397.5 小时的 SFW 内容和 52.4 小时的 NSFW 内容——以 128‑kbps MP3 文件形式按安全级别划分,专为训练自动语音识别模型而设计。共同: 语音识别・文本生成
asrzakuro-ai72使用PyTorch中的deepspeech2模型和Zakuro AI的支持进行自动语音识别。GitHub共同: 语音识别・文本生成- kotoba-whisper-bilingual-v1.0kotoba-tech4kKotoba‑Whisper‑Bilingual v1.0 提供了快 6.3 倍的蒸馏 Whisper 模型,用于日语和英语 ASR,并实现双向语音转文本翻译,这些模型是基于 OpenAI 的 Whisper large‑v3 通过知识蒸馏、交叉熵和 KL‑divergence 损失构建。HF 模型共同: 语音识别・文本生成
reazonspeechreazon-research406在家构建大规模的日语音频语料库GitHub共同: 语音与音频・多模态
jtubespeechsarulab-speech232JTubeSpeech:从YouTube收集的日语语音语料库GitHub共同: 语音与音频・多模态