日語說話型 LLM Spoken‑magpie 的指令微調資料集,使用 CosyVoice2 TTS 在 10 台 NVIDIA H200 GPU 上構建,包含多樣化的講者聲音與對 500 字以下提示的音訊回應,公開提供 50 範例條目。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
648
Hugging Face 按讚數
3
收錄日
2026年10月5日
同分類的熱門資源
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一個三千億標記的日語語料庫,從 LLM‑jp Corpus v4 過濾後分成 20 個群集,用於預訓練語言模型,以 ODC‑BY 授權發佈,保留原始來源授權並以 parquet 格式存儲。
- llm-course-final-2026bumbuboon13k基於日文 Wikipedia 的 RAG 資料集,供 LLM 課程期末競賽使用,包含約 100 萬個文本片段及搜尋索引。
- JMedBenchColdog23331kJMedBench 是一個日本醫學領域 LLM 基準,包含 20 個資料集,涵蓋五個任務(MCQA、NER、STS 等),資料來源於 MedMCQA、PubMedQA、MMLU 及其他,每個資料集都有自己的授權,並附有註記指出翻譯可能存在偏差,需人工審核。
- 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.
- vntl-leaderboardlmg-anon857一個排行榜,根據大型語言模型在將日文視覺小說翻譯成英文時的語義準確度進行排名,使用 256 個樣本的餘弦相似度並報告 chrF 分數,以便與 Sugoi Translator、Google Translate、Naver Papago 和 Alibaba Translate 等工具比較。
- makise-kurisu-vn-voicelineszhonglongbao847使用 Whisper Large‑V2 從影片中轉錄 Makise Kurisu VN 對話,並以 pydub 分割成片段;未經清理的文字僅供 TTS 模型訓練之用,並非作者作品。
研究領域相近的資源
Step-Audio-EditXstepfun-ai980一個強大的30億參數、基於大型語言模型的強化學習音訊編輯模型,擅長編輯情緒、說話風格與副語言特徵,並具備穩健的零樣本語音合成能力。多語言共同: 語音合成・大型語言模型
T5Gemma-TTSAratako312基於 T5Gemma 編碼器-解碼器大型語言模型的多語言語音合成模型,支援聲音複製與時長控制。多語言共同: 語音合成・大型語言模型- AnswerCarefullyllm-jp644AnswerCarefully Dataset 提供日語及多語言資料,用於商業或非商業 LLM 安全增強;禁止任何其他用途——包括安全繞過;允許帶歸屬的衍生作品;並附帶創作者對損害或服務變更之非責任免責聲明。共同: 大型語言模型・語料庫與資料集
- llm-japanese-datasetizumi-lab572日語說明式對話資料集,用於微調 LLM(例如 LoRA),9M+ 範例,最近更新為去除授權的 Alpaca 數據,清理 Wikipedia 和 ALT 輸出,並以 CC‑BY‑SA 4.0 發佈。共同: 大型語言模型・語料庫與資料集
- oasst2-33k-jallm-jp551LLM‑jp 提供一個日語指令調校數據集,來自 oasst2 的英語子集經 DeepL 翻譯(源自 kunishou/oasst2‑135k‑ja)並由 Kiyomaru 與 Kodama 編譯。共同: 大型語言模型・語料庫與資料集
- JGLUEllm-book546JGLUE 資料集卡片,使用於《Large Language Model Introduction》一書,來源自原始倉庫,程式碼採用 CC BY‑SA 4.0 許可,資料受發行者授權,引用 Kurihara & Kawahara(以日文)並建立於 Shunsuke Kitada 的倉庫。共同: 大型語言模型・語料庫與資料集