Galgame-VisualNovel-Reupload

מה זה

הרשומות מייצגות קטעי קול ודיאלוג שחולצו מרומנים חזותיים יפניים. המאגר מציע מעל 100 אלף שורות, כשהנתונים מחולקים למאות תצורות שונות לפי כותר המשחק והחברה המפתחת, כמו Alice Soft או BaseSon. כל תצורה מורכבת מקובצי parquet ייעודיים לחלוקת האימון, והמאגר כולל 1,233 קבצים כאלה.

הכרטיס מציג את המאגר כהעלאה מחדש, בלי שום תיעוד על אופן החילוץ, הסינון או היישור בין הטקסט לסאונד. אין נתונים על קצב הדגימה, אורך הקטעים או סקריפטים לניקוי רעשים, כך שהאיכות והדיוק של התוכן תלויים לחלוטין במקור שממנו נלקח.

מתאים ל

• אימון מודלי אנימה ב־TTS

  יצירת קולות בסגנון משחקי מחשב יפניים, אידיאלי למודלים שצריכים הבעה רגשית מוגזמת ולא דיבור יומיומי.

• בדיקת זיהוי דיבור ביפנית

  מבחן מאמץ למודלי תמלול על יפנית מהירה, צעקות ומשחק קולי דרמטי במיוחד.

• מחקר על סגנונות דיבוב

  ניתוח אקוסטי של הבדלי אינטונציה ודפוסי הגייה במשחקי ויז'ואל נובל לאורך השנים.

איפה זה נופל

זהו אוסף של קולות מדובבים ממשחקים, מה שיוצר הטיה מוחלטת לאינטונציה מוגזמת, שפה מומצאת או דיאלוגים שלא מייצגים יפנית יומיומית. אין פילוח לסט בדיקה או אימות, רק נתוני אימון. בנוסף, חסר כל תיעוד על זיהוי הדוברים, ניקוי מוזיקת רקע או איכות השמע. אם אתם מכוונים ליפנית תקנית למערכות שירות, זה לא יעבוד טוב.

איך טוענים

טוענים תצורה בודדת מתוך המאגר באמצעות load_dataset על ידי ציון שם המשחק, או מורידים ישירות קובצי parquet ספציפיים. אין צורך בבקשת גישה מיוחדת. המאגר כולל מעל אלף קבצים, לכן טעינה של הכל יחד תיקח זמן רב ותדרוש נפח אחסון גדול. לפני הרצה כדאי לבדוק בקובץ הראשון את שמות העמודות כדי לראות איפה יושב האודיו והטקסט.

from datasets import load_dataset

ds = load_dataset("joujiboi/Galgame-VisualNovel-Reupload")

הרישיון

הרישיון מוגדר כלא ידוע, וזה אומר שאסור לגעת בו לפרויקטים מסחריים. התוכן עצמו נלקח ממשחקים מוגנים בזכויות יוצרים, בלי אישור מהיוצרים או המדבבים. אם תאמנו עליו מודל להפצה, אתם חושפים את עצמכם לתביעות על הפרת קניין רוחני.

הרישיון המלא ב־Hugging Face ↗