一個 150 K 條目資料集,包含 Danbooru 標籤及其日文翻譯(於 2024‑10‑15 更新),由擴充的 wiki 資源構建,經 FastText 過濾以移除非日語標籤,並使用 Calam Chat 的少量示例翻譯補全缺失項目。
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)
130
Hugging Face 按讚數
10
收錄日
2024年10月29日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | 101 |
| 2026年7月 | 135 |
| 2026年8月 | 152 |
| 2026年9月 | 163 |
| 2026年10月 | 103 |
| 2026年11月 | 130 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- KakologArchivesKakologArchives74k聚合自 2009‑2024 年的 NicoNico Live 評論日誌超過 150 GB,包括轉換前、轉換後及實時 NX‑Jikkyo 捕獲,並提供 API 以方便檢索歷史 TV‑broadcast 討論。
- emilia-yodasTTS-AGI18k來自 Fate/Stay Night 角色「Emilia」的對話與傳說資料集,格式化用於訓練與評估對話語言模型。
- 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。
- fgo_voices_jpdeepghs10kFGO Waifu 的 JP Voice‑Text 資料集:包含 30,800 條記錄、66.4 小時的日語音訊集合,涵蓋單一配音員角色台詞(每條約 7.76 秒),適用於 ASR/ASV 微調與評估。
- fineweb-2-edu-japanesehotchpotch8kFineWeb2 Edu Japanese 交付約 120 million 高品質教育用日語文本(≈89.3 billion tokens)來自 FineWeb2,經 DeepSeek‑API classifier(score ≥ 2.5)過濾,使用 ModernBERT‑Ja‑130M 分詞,並包含小型 token 子集(≤512 tokens)。
研究領域相近的資源
- financial-lakehouseYoshi-Dai5k一個受限、非商業性的衍生資料集,基於 EDINET XBRL 財務資料,禁止再散佈、AI 訓練及商業使用,存取需手動批准。共同: 標註與資料集建置
- Nemotron-Personas-Japannvidia5kNemotron‑Personas‑Japan是一個開源、CC BY 4.0資料集,提供高品質的合成生成日本人格資料——包含姓名、性別、年齡、背景、婚姻狀況、教育、職業和地理位置——基於真實世界的人口、地理和個性分佈設計,使用概率圖形模型和GPT‑OSS‑120B進行優化,以提升多樣性、減少偏見、避免模型崩潰,協助主權AI發展並支持商業使用。共同: 標註與資料集建置
- mc4-jaizumi-lab2k日文 MC4 資料集卡片 (mc4-ja)共同: 標註與資料集建置
- RyokoAI_Syosetu711Kbotp2kSyosetu711K 是一個日本資料集,於 2023 年 3 月 26‑27 日從小説家になろう抓取約 711,700 本小說,提供全文和元資料(標題、作者、NCode、簡介等)供無監督文本生成和分類任務使用。共同: 標註與資料集建置
- Japanese-Eroge-Voice-V2NandemoGHS1kJapanese‑Eroge‑Voice‑V2 提供 2,657 小時的匿名化 1,033,142 對 eroge 音訊–轉錄配對 (大多為女性,NSFW),MIT授權,用於學術研究。共同: 標註與資料集建置
- AnimuSubtitle-JPKaraKaraWitch1k一個可透過 ass Python 函式庫或字幕編輯器(如 Aegisub)使用的日語動畫字幕資料集,採用 Advanced SubStation Alpha (SSA/ASS) 格式,授權為 ODC‑BY。共同: 標註與資料集建置