ThePioneer/AItuber-Personas-Japan

--- license: odc-by language: - ja tags: - synthetic pretty_name: sdg-nexus size_categories: - n<1K --- # AItuber Persona Dataset ## 概要 本データセットは、AItuber（AI VTuber）のペルソナ設計に必要な **コンセプト設計書**・**実装用システムプロンプト**・**配信テーマリスト** の3点セットを、LLMを用いて合成的に生成したものです。 多様なジャンル・性格・ビジュアルの組み合わせから、即座に実運用可能な品質のAItuberキャラクターデータを提供します。 生成にはSDG-LOOMという合成データ生成パイプラインとMoonshot-AIのKimi-K2.5を用いました。（[sdg-loom](https://github.com/foxn2000/sdg_loom)） ## データの説明 | 項目 | 内容 | |------|------| | **件数** | 195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、6つの方向性パラメータ（ジャンル・性格・年齢・性別表現・ビジュアルモチーフ・話し方）の組み合わせをシードとして、LLMが独自にキャラクターを設計・出力したものです。シードの組み合わせは意図的に多様性を持たせており、以下のようなバリエーションを含みます。 - **ジャンル方向性**: 雑談・癒し系、学術・教育系、技術・プログラミング系、オカルト・ホラー系、料理・グルメ系、音楽・歌系 など約25カテゴリ - **性格方向性**: 天然ボケ、ツンデレ、知的クール、中二病、ダウナー系、お姉さん系 など約20タイプ - **年齢設定**: 高校生 / 大学生 / 社会人数年目 / アラサー / 年齢不詳 など - **性別表現**: 女性的 / 男性的 / 中性的 / ボクっ娘 - **ビジュアルモチーフ**: ゴシック・ダーク系、動物モチーフ、サイバーパンク、和風・着物 など約15種 - **話し方**: ギャル語、関西弁風、お嬢様言葉、古風・武士口調、東北弁風 など約10スタイル ## 使用モデル | 項目 | 詳細 | |------|------| | **モデル** | [Kimi K2.5](https://platform.moonshot.cn/)（Moonshot AI） | | **APIモデル名** | `moonshotai/kimi-k2.5` | | **Temperature** | 0.95 | | **Max Tokens** | 16,000 | ## データ構造 ### 出力スキーマ（JSONL） 各行は以下のフィールドを持つJSONオブジェクトです。 | フィールド | 型 | 説明 | |---|---|---| | `concept` | `string` | **(A) コンセプト設計書** — Markdown形式のキャラクター設計書全文。基本プロフィール、詳細ペルソナ（性格・口癖・感情表現等）、バックストーリー、ビジュアル要件を含む。 | | `system_prompt` | `string` | **(B) 実装用システムプロンプト** — LLMにそのまま入力可能なシステムプロンプト。キャラクター定義、応答スタイル、会話例（良い例・悪い例）、ガードレールを含む。 | | `thema` | `string` (JSON配列) | **(C) 配信テーマリスト10選** — `[{"title": "...", "content": "..."}]` 形式。雑談のみで完結し、キャラの個性が反映されたテーマ。 | | `is_valid` | `string` | 品質チェック結果。`"true"` または `"false"`。 | | `quality_notes` | `string` | 品質チェックの詳細メモ。正常時は `"OK"` または `"OK (retry)"`。 | ### 出力例 ```json { "concept": "# キャラクター設計書：星宮ルナ\n\n## 基本プロフィール\n| 項目 | 内容 |\n|---|---|\n| 名前 | 星宮ルナ（ホシミヤ ルナ） |\n| 愛称 | ルナちー |\n...", "system_prompt": "## キャラクター定義\nあなたは「星宮ルナ」です。...\n\n## 応答スタイル\n- 1発言の文字数目安：100〜200字、上限300字\n...", "thema": "[{\"title\": \"ルナちーの星空妄想カフェ\", \"content\": \"今夜見える星座をきっかけに...\"}, ...]", "is_valid": "true", "quality_notes": "OK" } ``` ### 入力シード構造（参考） 生成時に使用したシードデータの構造です。 | フィールド | 例 | |---|---| | `index` | `1` | | `genre_hint` | `"学術・教育系（雑学・豆知識トーク）"` | | `personality_hint` | `"天然ボケ・独特のズレた感性"` | | `age_setting` | `"高校生（16〜18歳）設定"` | | `gender_presentation` | `"女性的"` | | `visual_motif` | `"アイドル・ステージ衣装系"` | | `speech_style` | `"ギャル語"` | ## 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。 - `thema` 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()` 等でパースしてください。 - `is_valid` が `"false"` のレコードは品質基準を満たしていない可能性があるため、利用時にフィルタリングを推奨します。 ## 生成コマンド（再現用） ```bash sdg run \ --yaml flows/yaml/aituber_persona.yaml \ --input flows/data/aituber_persona_seeds.jsonl \ --output output/aituber_personas.jsonl \ --save-intermediate \ --max-concurrent 30 ``` Built by kimi--- 许可证：odc-by（Open Data Commons Attribution License） 语言： - 日语 标签： - 合成数据 美观名称：sdg-nexus 数据规模： - 少于1000条 --- # AI虚拟主播（AItuber）人设数据集 ## 概要 本数据集面向AI虚拟主播（AItuber，即AI VTuber）的人设设计，通过大语言模型（Large Language Model，LLM）合成生成**概念设计文档**、**部署用系统提示词**与**直播主题列表**的三合一资料包。 本数据集通过多样化的流派、性格与视觉风格组合，提供可直接投入实际运营的高品质AI虚拟主播角色数据。 本次生成使用了名为SDG-LOOM的合成数据生成流水线与Moonshot-AI的Kimi-K2.5模型（[sdg-loom项目地址](https://github.com/foxn2000/sdg_loom)）。 ## 数据说明 | 项目 | 内容 | |------|------| | 数据量 | 195条 | | 存储格式 | JSONL（每行一条JSON对象） | | 语言 | 日语 | | 生成时间 | 2026年3月 | | 许可证 | odc-by（Open Data Commons Attribution License） | 每条数据记录均以六大方向参数（流派、性格、年龄设定、性别表达、视觉主题、说话风格）的组合作为种子，由大语言模型自主设计并生成角色内容。种子参数的组合刻意追求多样性，涵盖以下几类变体： - **流派方向**：涵盖闲聊治愈、学术教育、技术编程、灵异恐怖、美食料理、音乐演唱等约25个类别 - **性格方向**：包含天然呆、傲娇、知性高冷、中二病、消极悲观、温柔御姐等约20种类型 - **年龄设定**：涵盖高中生、大学生、入职数年的上班族、三十岁左右群体、年龄不明等设定 - **性别表达**：包含女性向、男性向、中性、自称男性的少女等类别 - **视觉主题**：包含哥特暗黑、动物元素、赛博朋克、和风和服等约15种风格 - **说话风格**：涵盖辣妹语、关西腔、大小姐口吻、古风武士腔、东北腔等约10种风格 ## 使用模型 | 项目 | 详情 | |------|------| | 模型 | [Kimi K2.5](https://platform.moonshot.cn/)（Moonshot AI） | | API模型名称 | `moonshotai/kimi-k2.5` | | 温度系数 | 0.95 | | 最大Token数 | 16,000 | ## 数据结构 ### 输出Schema（JSONL格式） 每行均为包含以下字段的JSON对象： | 字段 | 类型 | 说明 | |---|---|---| | `concept` | `string` | **(A) 概念设计文档** — Markdown格式的完整角色设计文档，包含基础档案、详细人设（性格、口头禅、情感表达等）、背景故事与视觉要求。 | | `system_prompt` | `string` | **(B) 部署用系统提示词** — 可直接输入至大语言模型的系统提示词，包含角色定义、回复风格、对话示例（正反示例）与安全约束。 | | `thema` | `string`（JSON数组格式） | **(C) 直播主题列表（共10项）** — 采用`[{"title": "...", "content": "..."}]`格式，主题仅围绕闲聊展开，且充分体现角色个性。 | | `is_valid` | `string` | 质量检查结果，取值为`"true"`或`"false"`。 | | `quality_notes` | `string` | 质量检查详细备注，正常情况下取值为`"OK"`或`"OK (retry)"`。 | ### 输出示例 json { "concept": "# 角色设计书：星宫露娜 ## 基础档案 | 项目 | 内容 | |---|---| | 姓名 | 星宫露娜（ホシミヤ ルナ） | | 昵称 | 露娜酱 | ...", "system_prompt": "## 角色定义 你是「星宫露娜」。... ## 回复风格 - 单条回复字数建议：100~200字，上限300字 ...", "thema": "[{"title": "露娜酱的星空幻想咖啡馆", "content": "以今晚可见的星座为话题展开闲聊..."}, ...]", "is_valid": "true", "quality_notes": "OK" } ### 输入种子结构（仅供参考） 本部分为生成数据时使用的种子数据结构： | 字段 | 示例 | |---|---| | `index` | `1` | | `genre_hint` | `"学术教育类（杂学与冷知识闲聊）"` | | `personality_hint` | `"天然呆、独特的错位感性"` | | `age_setting` | `"高中生（16~18岁）设定"` | | `gender_presentation` | `"女性向"` | | `visual_motif` | `"偶像舞台服装风格"` | | `speech_style` | `"辣妹语"` | ## 注意事项 - 本数据集为大语言模型生成的合成数据，所有生成的角色名称与剧情均为虚构内容。 - `thema`字段以JSON字符串形式编码，使用时需通过`json.loads()`等方法进行解析。 - 若`is_valid`字段取值为`"false"`，则该记录可能未达到质量标准，建议使用时对其进行过滤。 ## 生成命令（可复现） bash sdg run --yaml flows/yaml/aituber_persona.yaml --input flows/data/aituber_persona_seeds.jsonl --output output/aituber_personas.jsonl --save-intermediate --max-concurrent 30 由Kimi构建