104 GB、370 万文件的 Galgame 语音数据集,采样率 16 kHz,带情感标签(由 LLM 自动标注,准确性未保证),需要符合 GNU GPL v3 协议,禁止商业使用,并要求基于该数据集训练的模型必须开源。
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)
151
Hugging Face 点赞数
17
收录日
2025年12月23日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 321 |
| 2026年1月 | 456 |
| 2026年2月 | 210 |
| 2026年3月 | 203 |
| 2026年4月 | 492 |
| 2026年5月 | 730 |
| 2026年6月 | 606 |
| 2026年7月 | — |
| 2026年8月 | 247 |
| 2026年9月 | 1,000 |
| 2026年10月 | 218 |
| 2026年11月 | 151 |
各月最后一次快照时的近 30 天下载数。
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。
- 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。
- auto-wiki-qacl-nagoya747AutoWikiQA 是最大的免费日语问答数据集,提供超过 230 万个手工过滤的问答对,这些对是使用 Swallow‑MX 和 LLMs(不使用基于规则的模板)从维基百科自动生成的,用于支持知识教学和检索增强生成应用。
- jhumanevalkogi-jwu731JHumanEval 是 HumanEval 基准的人工翻译日语版本,提供 164 个 Python 编程问题,配有并行的英文和日文注释,用于评估日语 LLM 的代码生成,同时保留原始英文错误。
研究领域相近的资源
- 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: 标注与数据集构建
- 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: 标注与数据集构建
- scaling-data-constrained-llmsllm-jp402包含日语和英语网络语料库的集合——包括一个 9 B‑token 日语集(JA‑WEB‑9B)、63 B‑token 英语和日语集(EN‑WEB‑63B、JA‑WEB‑63B)以及合成版本,如改写版 JA‑PARAPHRASE‑63B、指令式 JA‑INSTRUCT‑63B 和翻译版 JA‑TRANSLATE‑63B——用于在数据受限环境下研究日语 LLM 预训练的数据增强。共同: 标注与数据集构建
- kaken-trans-ja-enhpprc358来自 llm-jp-corpus-v3 的 kaken 子集的日文文本,使用 Qwen/Qwen2.5‑32B‑Instruct 翻译成英文,并以 CC‑BY 4.0 许可发布为开放的日英平行语料库,该许可继承了原始数据集的条款。共同: 标注与数据集构建
llm-jp-corpusllm-jp49该存储库包含用于重现LLM-jp语料库的脚本。GitHub共同: 标注与数据集构建- oasst1-21k-jallm-jp271oasst1‑21k‑ja 是由 DeepL 从英文 OASST1 子集派生的日语指令调优数据集,透过日本 LLM‑jp 合作项目创建;请联系 llm‑jp@nii.ac.jp,作者包括 Kiyomaru、Matsuda、Suzuki、Han、Sugawara、Sasaki、Kurita、Nakamura、Kodama 和 Okamoto。共同: 标注与数据集构建