hhim8826/japanese-anime-speech-v2-split-150k
japanese-anime-speech-v2-split-150k joujiboi/japanese-anime-speech-v2 的 150,000 筆隨機子集，已切好 train / test。 split rows train 135,000 test 15,000 total 150,000 Columns audio — 16 kHz mp3，與原始資料完全相同（未重新編碼） sentence — 轉錄文字（原始欄位名為 transcription） How it was built 來源的 sfw（271,788 筆）與 nsfw（20,849 筆）兩個 split 都有使用，並依原始比例分配名額 （sfw 139,313 / nsfw 10,687）。 在每個 split 的全部列上做無放回均勻抽樣，因此每筆資料被選中的機率相同。 抽出後整體打亂，前 15,000 筆為 test，其餘為 train，train / test… See the full description on the dataset page: https://huggingface.co/datasets/hhim8826/japanese-anime-speech-v2-split-150k.
japanese-anime-speech-v2-split-150k
`joujiboi/japanese-anime-speech-v2` 的 150,000 筆隨機子集，已切好 train / test。
Columns
audio— 16 kHz mp3，與原始資料完全相同（未重新編碼）sentence— 轉錄文字（原始欄位名為transcription）
How it was built
- 來源的
sfw（271,788 筆）與nsfw（20,849 筆）兩個 split 都有使用，並依原始比例分配名額 （sfw 139,313 / nsfw 10,687）。 - 在每個 split 的全部列上做無放回均勻抽樣，因此每筆資料被選中的機率相同。
- 抽出後整體打亂，前 15,000 筆為 test，其餘為 train，train / test 之間沒有重複。
numpy.random.default_rng(seed=42)，可完全重現。
Content warning
內容來自 visual novels，包含 NSFW 素材，並非適合所有用途。
Credit
原始資料集由 joujiboi 製作，授權為 GPL。