japanese-anime-speech-v2

Japanese-Anime-Speech-V2是一个专为训练自动语音识别模型而设计的音频文本数据集。它包含292,637个音频片段以及对应的文本，数据来源于各种视觉小说。该数据集分为sfw和nsfw两个部分，其中sfw音频时长约397.54小时，nsfw音频时长约52.36小时。数据集的音频格式为mp3，采样率为16000。该数据集主要用于提高自动语音识别模型在转录动漫和类似日语媒体对话方面的准确性，但同时也存在一些偏差和局限性，例如性别偏见、领域特定词汇等。该数据集在GPL许可下开放使用，可以用于商业或非商业用途。