一个自动翻译的日语版本的databricks‑dolly‑15k数据集,许可为CC‑BY‑SA‑3.0,最后更新于2023‑05‑11。
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)
1,000
Hugging Face 点赞数
89
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 | 1,000 |
| 2026年1月 | 777 |
| 2026年2月 | 646 |
| 2026年3月 | 992 |
| 2026年4月 | 1,000 |
| 2026年5月 | 1,000 |
| 2026年6月 | 735 |
| 2026年7月 | 828 |
| 2026年8月 | 813 |
| 2026年9月 | 675 |
| 2026年10月 | 911 |
| 2026年11月 | 1,000 |
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
Laboro-ParaCorpuslaboroai19用于创建日英平行语料库和训练NMT模型的脚本GitHub共同: 多语言・文本生成
Web-Crawled-Corpus-for-Japanese-Chinese-NMTzhang-jinyi16一个用于日中机器翻译的网络爬取语料库GitHub共同: 多语言・文本生成
giant_ja-en_parallel_corpusDayuanJiang5这个目录包含一个巨大的日英字幕语料库。原始数据来自斯坦福大学的JESC项目。GitHub共同: 多语言・文本生成
jesc_smallyusugomori3小型日英字幕语料库GitHub共同: 多语言・文本生成
small_parallel_enjaodashi9750k英日平行语料库,用于机器翻译基准测试。GitHub共同: 多语言・文本生成
nwjcmasayu-a10NINJAL网络日语语料库GitHub共同: 多语言・标注与数据集构建