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。
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)
847
Hugging Face 点赞数
7
收录日
2026年4月12日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | 105 |
| 2026年5月 | 181 |
| 2026年6月 | 146 |
| 2026年7月 | 111 |
| 2026年8月 | 228 |
| 2026年9月 | 151 |
| 2026年10月 | 492 |
| 2026年11月 | 847 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- nagatoro-soundezfiez424一套140条片段的日语声音数据集,来自《直角小妹》中的菜鸟宫谷久美,为RVC、So-VITS-SVC、TTS微调和音频自编码器进行AI训练。
- 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。
- 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。
- Cauldron-JAturing-motors7kCauldron‑JA 是一个日语视觉‑语言数据集,包含 44 个子数据集,使用 DeepL API 从 The Cauldron 翻译而来,可通过 HuggingFace’s datasets library 获取,并与原始数据集使用相同的许可证,prompts 在 CC‑BY‑4.0 下发布。
- Galgame-VisualNovel-Reuploadjoujiboi5k为高效加载 Hugging Face datasets,重新结构化并重新上传 Galgame VisualNovel 数据集(OOPPEENN/5669737465666C656E63655F44617461337072657330),保留所有原始 audio/text,并提供带多种 game-subset 选项的 extraction script。
- JMMMUJMMMU3kJMMMU 是一个日语多模态基准,已扩大十倍至 1,320 个具有文化多样性的问题(720 个与文化无关,600 个与文化相关),由母语专家翻译,现在设有公开排行榜。
研究领域相近的资源
- STAIR-Captionsshunk0312kSTAIR‑Captions,发布于2017年,提供820,310条日语字幕,用于字幕生成、多模态检索和图像生成,并配有详细注释、元数据以及Creative Commons BY‑4.0 license。共同: 标注与数据集构建
- Japanese-Creative-Writing-39.6kAratako1k一份由 deepseek-ai/DeepSeek-V3-0324 生成的39,600样本日语小说写作任务数据集,包含两轮 OpenAI 风格对话(包括可选的 NSFW 内容),并以 MIT 许可证发布。共同: 标注与数据集构建
- voicevox-voice-corpusayousanz885VOICEVOX‑generated synthetic voice dataset comprising 445,793 .wav files (totaling 577 h 51 m 23 s) built from the ITA, つくよみちゃん, and ROHAN corpora.共同: 标注与数据集构建
- python-code-instructions-japaneseronantakizawa85718,612 个日语翻译的 Python 指令–响应对——使用 GPT‑4o‑mini 生成,保留原始英文提示、代码和示例——为训练、微调、聊天机器人、研究和教育提供多样化的编码任务,全部遵循 MIT 许可证发布。共同: 标注与数据集构建
- 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)。共同: 标注与数据集构建
- Lux-Japanese-Speech-CorpusLami332Lux日语语音语料库是一个 CC‑BY‑4.0 数据集,包含角色 Lux 的 96 kHz/16‑bit WAV 音频录制,提供原始和清洗后的音频文件,并在 metadata.csv 中附有转写,可用于 TTS 研究与训练。共同: 标注与数据集构建