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。
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)
325
Hugging Face 点赞数
38
收录日
2025年9月9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 | 922 |
| 2026年2月 | 858 |
| 2026年3月 | 772 |
| 2026年4月 | 312 |
| 2026年5月 | 1,000 |
| 2026年6月 | 408 |
| 2026年7月 | 193 |
| 2026年8月 | 248 |
| 2026年9月 | 621 |
| 2026年10月 | 193 |
| 2026年11月 | 325 |
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。
- 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。
- 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。
- 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
- financial-lakehouseYoshi-Dai5k一个受限、非商业派生数据集,基于 EDINET XBRL 财务数据,禁止再分发、AI 训练和商业用途,请求访问需人工批准。共同: 标注与数据集构建
- Nemotron-Personas-Japannvidia5kNemotron‑Personas‑Japan 是一个开放源代码、CC BY 4.0 许可证的高质量、合成生成的日本人物资料数据集—包含姓名、性别、年龄、背景、婚姻状况、教育、职业和地点—基于真实世界的人口统计、地理和人格分布,并采用概率图模型和 GPT‑OSS‑120B 进行工程设计,以提升多样性、降低偏见、防止模型崩溃、支持主权 AI 发展,并支持商业使用。共同: 标注与数据集构建
- mc4-jaizumi-lab2k日本 MC4 数据集卡 (mc4-ja)共同: 标注与数据集构建
- RyokoAI_Syosetu711Kbotp2kSyosetu711K 是一个约 711,700 本小说的日本数据集,采自 2023 年 3 月 26‑27 日从 小説家になろう 抓取,提供全文及元数据(标题、作者、NCode、简介等),用于无监督文本生成和分类任务。共同: 标注与数据集构建
- Japanese-Eroge-Voice-V2NandemoGHS1kJapanese‑Eroge‑Voice‑V2 提供 2,657 小时匿名 1,033,142 对 eroge 音频-转录配对(主要为女性,含 NSFW),MIT 许可用于学术研究。共同: 标注与数据集构建
- AnimuSubtitle-JPKaraKaraWitch1k一份采用 Advanced SubStation Alpha(SSA/ASS)格式的日本动漫字幕数据集,可通过 ass Python 库或像 Aegisub 这样的字幕编辑器使用,按 ODC‑BY 许可协议发布。共同: 标注与数据集构建