ReazonSpeech 是一個免費的 FLAC‑encoded 日語語音語料庫,附帶文字稿,提供五種規模,從 8.5 小時到 35,000 小時,可透過 Hugging Face 下載,採用 CDLA‑Sharing‑1.0 授權,並受限於日本版權法第 30‑4 條使用。
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)
771
Hugging Face 按讚數
138
收錄日
—
自頁面建立時收錄
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(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
jtubespeechsarulab-speech232JTubeSpeech:從YouTube收集的日語語音語料庫GitHub共同: 語音與音訊・多模態
koniwakoniwa61一個包含日語註釋聲音的開放收藏。GitHub共同: 語音與音訊・多模態
speechBSDku-nlp4一個包含音訊和說話者屬性信息的BSD語料庫擴展版。GitHub共同: 語音與音訊・多模態
jvs_hihoHiroshiba31JVS(日本語多目的話者)語料庫的自製標籤GitHub共同: 語音與音訊・多模態- japanese-anime-speech-v2joujiboi3kJapanese Anime Speech Dataset V2 提供 292,637 對乾淨的音頻-文本對,約 397.5 小時為 SFW,52.4 小時為 NSFW,存於 128‑kbps MP3 檔案中按安全性分割,專為訓練自動語音識別模型而設。共同: 語音與音訊・多模態
meconaudioelith-co-jp10Mecon Audio(醫學會議音頻)是厚生勞動省主辦的先進醫療會議議事錄的朗讀數據集。GitHub共同: 語音與音訊・多模態