Japanese 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。
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)
3,000
Hugging Face 点赞数
166
收录日
2024年7月5日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 4,000 |
| 2026年1月 | 1,000 |
| 2026年2月 | 802 |
| 2026年3月 | 882 |
| 2026年4月 | 955 |
| 2026年5月 | 4,000 |
| 2026年6月 | 2,000 |
| 2026年7月 | 1,000 |
| 2026年8月 | 1,000 |
| 2026年9月 | 6,000 |
| 2026年10月 | 4,000 |
| 2026年11月 | 3,000 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- KakologArchivesKakologArchives74k聚合了2009年至2024年NicoNico Live的评论日志,总计超过150 GB,包括转移前、转移后以及实时NX‑Jikkyo捕获,提供了一个API,便于检索历史电视广播讨论。
- 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。
- 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。
- 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。
- fineweb-2-edu-japanesehotchpotch8kFineWeb2 Edu Japanese 提供约120 million高质量教育日语文本(≈89.3 billion tokens)来自 FineWeb2,经过 DeepSeek‑API classifier(score ≥ 2.5)过滤,通过 ModernBERT‑Ja‑130M tokenized,并包含一个小-token子集(≤512 tokens)。
研究领域相近的资源
- japanese-anime-speechjoujiboi946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。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
koniwakoniwa61一个用日语语言注释的开放声音收集GitHub共同: 语音与音频・多模态
TEDxJP-10Klaboroai28TEDxJP-10K ASR 评估数据集GitHub共同: 语音识别・文本生成
speechBSDku-nlp4一个带有音频和说话人属性信息的BSD语料库扩展GitHub共同: 语音与音频・多模态