ReazonSpeech 是一个免费、FLAC 编码的日语语音语料库,附带转录,提供五种规模,从 8.5 h 到 35,000 h,可通过 Hugging Face 下载,遵循 CDLA‑Sharing‑1.0 许可证,且使用受到《日本著作权法》第30‑4条的限制。
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)
771
Hugging Face 点赞数
138
收录日
—
自页面创建时收录
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 612 |
| 2026年1月 | 1,000 |
| 2026年2月 | 768 |
| 2026年3月 | 1,000 |
| 2026年4月 | 2,000 |
| 2026年5月 | 819 |
| 2026年6月 | 1,000 |
| 2026年7月 | 850 |
| 2026年8月 | 1,000 |
| 2026年9月 | 560 |
| 2026年10月 | 895 |
| 2026年11月 | 771 |
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
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
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
jvs_hihoHiroshiba31JVS(日本通用语音)语料库的自制标签GitHub共同: 语音与音频・多模态- 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: 语音与音频・多模态
meconaudioelith-co-jp10Mecon Audio(医疗会议音频)是厚生劳动省主办的先进医疗会议记录的朗读数据集。GitHub共同: 语音与音频・多模态