DataPilot/AItuber-Realworld-Data-beta1

---
license: odc-by
language:
- ja
tags:
- synthetic
pretty_name: sdg-nexus
size_categories:
- 1K<n<10K
---

# AItuber Realworld Chat Dataset

## 概要

本データセットは、AItuber（AI VTuber）の **配信チャット会話データ** を合成的に生成したものです。
AItuberペルソナデータと [nvidia/Nemotron-Personas-Japan](https://huggingface.co/datasets/nvidia/Nemotron-Personas-Japan) のユーザーペルソナを入力に、複数の視聴者がコメントし、AItuberが応答する4ターンのリアルな配信チャットデータを生成しています。
生成にはSDG-Nexusという合成データ生成パイプラインを用いました。（[sdg-nexus](https://github.com/foxn2000/sdg_nexus)）

## データの説明

| 項目 | 内容 |
|------|------|
| **件数** | 1,946件 |
| **形式** | JSONL（1行1JSON） |
| **言語** | 日本語 |
| **生成日** | 2026年3月 |
| **ライセンス** | odc-by ( Open Data Commons Attribution License ) |

各レコードは、AItuberペルソナのシステムプロンプトと配信テーマを基に、Nemotronペルソナから生成された複数の視聴者が交互にコメントし、AItuberが応答する4ターンの配信チャット会話です。最終ターンには校正チェックが適用されています。

## マルチエージェント構成

| エージェント | モデル | 役割 |
|---|---|---|
| **ユーザー/コメント生成** | [DeepSeek V3.2](https://openrouter.ai/) | 視聴者ユーザーデータ生成・コメント生成（Reasoning OFF） |
| **AItuber応答生成** | [Kimi K2.5](https://platform.moonshot.cn/)（Moonshot AI） | AItuberとしての回答生成（Reasoning ON / effort=medium） |
| **校正** | [DeepSeek V3.2](https://openrouter.ai/) | AItuber発話の品質校正（低温度） |

## 使用モデル

| 項目 | 詳細 |
|------|------|
| **AItuber応答モデル** | Kimi K2.5（`moonshotai/kimi-k2.5`） |
| **コメント生成モデル** | DeepSeek V3.2（`deepseek/deepseek-v3.2`） |
| **校正モデル** | DeepSeek V3.2（`deepseek/deepseek-v3.2`） |
| **Temperature（応答）** | 0.85 |
| **Temperature（コメント）** | 0.8 |
| **Temperature（校正）** | 0.2 |

## データ構造

### 出力スキーマ（JSONL）

各行は `_row_index` と `conversations`（JSON文字列）を持ちます。

| フィールド | 型 | 説明 |
|---|---|---|
| `messages` | `array` | OpenAI messages形式の会話配列。system（ペルソナ）+ 4ターン分のuser/assistant。 |
| `reasoning` | `string` | Reasoning effort レベル（`"medium"`）。 |
| `generator` | `string` | 応答生成モデル名（`"moonshotai/kimi-k2.5"`）。 |
| `category` | `string` | データカテゴリ（`"aituber_realworld"`）。 |
| `version` | `string` | データバージョン（`"v1.0"`）。 |
| `other_data` | `object` | 配信テーマ・ユーザー情報・ターンスケジュール・校正フラグ等の付属情報。 |

### messages配列の構造

| role | 内容 |
|------|------|
| `system` | AItuberペルソナのシステムプロンプト |
| `user` | `"ユーザー名: コメント内容"` 形式の視聴者コメント |
| `assistant` | AItuberの応答。`reasoning` フィールドに思考過程を含む場合あり |

### 出力例

```json
{
"messages": [
{"role": "system", "content": "## キャラクター定義\nあなたは「星宮ルナ」です。..."},
{"role": "user", "content": "ゲスト太郎: こんばんは〜！"},
{"role": "assistant", "content": "あ、ゲスト太郎さんいらっしゃい！...", "reasoning": "視聴者が挨拶してきたので..."},
{"role": "user", "content": "花子: 今日のテーマ何？"},
{"role": "assistant", "content": "今日はね〜、...", "reasoning": "配信テーマに沿って..."},
{"role": "user", "content": "ゲスト太郎: それ面白そう！"},
{"role": "assistant", "content": "でしょ？...", "reasoning": "..."},
{"role": "user", "content": "花子: もっと教えて！"},
{"role": "assistant", "content": "いいよ〜！...", "reasoning": "..."}
],
"reasoning": "medium",
"generator": "moonshotai/kimi-k2.5",
"category": "aituber_realworld",
"version": "v1.0",
"other_data": {
"stream_title": "星空妄想カフェ",
"stream_content": "今夜見える星座をきっかけに...",
"num_turns": 4,
"users": [{"name": "ゲスト太郎", "about_me_light": "..."}, ...],
"turn_schedule": [...],
"was_proofread": true,
"comment_generator": "deepseek/deepseek-v3.2",
"proofreader": "deepseek/deepseek-v3.2"
}
}
```

## 入力データ

AItuberペルソナ生成パイプラインの出力（`aituber_personas.jsonl`）を入力として使用しています。各ペルソナの配信テーマごとに1レコードが生成されます。

## 注意事項

- 本データセットはLLMによる合成データです。生成されたキャラクター名やエピソードはすべてフィクションです。
- `conversations` フィールドはJSON文字列としてエンコードされています。利用時は `json.loads()` でパースしてください。
- `assistant` メッセージの `reasoning` フィールドには、AItuberとしての応答を生成する際の思考過程が含まれます。