aizuchi-dataset-part6

AiZuchi Part 6 — 日本語雑談音声コーパス（CD）

AiZuchi Part 6は、2人のネイティブスピーカーによる自然な日本語の雑談を収録した音声コーパスのCDです。台本なし・演技なし——素のままの会話をそのまま記録したプリミティブなデータセットです。

📀 収録内容

• 2人の話者による雑談音声（FLAC形式）
• 話者ごとに分離された個別コーパス（Speaker A / Speaker B）
• ステレオミックス音声
• タイムスタンプ付き書き起こし（JSONL形式）
• 話者メタデータ

🎙️ データの特徴

• プリミティブな生データ — 加工・編集を最小限に抑えた、素の雑談そのもの
• 話者別分離済み — 各話者の音声が独立したコーパスとして提供されるため、即座にモデル学習に利用可能
• 完全な許諾 — 全話者から商用利用を含む明示的な同意を取得済み
• 物理メディア — CDでの納品。オフライン環境でも安心してご利用いただけます

📋 技術仕様

• フォーマット: FLAC（ロスレス）
• サンプルレート: 16 kHz / 16bit
• 話者数: 2名
• 言語: 日本語（ネイティブスピーカー）
• メディア: CD

✅ ライセンス — ご購入で取得できる権利

• ASR・TTS・対話モデル等、あらゆる機械学習モデルの学習に利用可能
• 商用プロダクト・サービスへの組み込みOK
• 基盤モデルのファインチューニングに利用可能
• 学術研究・論文発表への利用OK

※ 生データの第三者への再配布・データセット自体の再販は禁止です。学習済みモデルの配布は自由です。

AiZuchi Part 1 — Japanese Casual Conversation Speech Corpus (CD)

AiZuchi Part 1 is a speech corpus CD containing natural, unscripted casual conversation (雑談) between two native Japanese speakers. No scripts, no acting — this is primitive, raw conversational data captured as-is.

📀 What's on the disc

• Casual conversation audio between 2 speakers (FLAC format)
• Per-speaker separated corpora (Speaker A / Speaker B)
• Stereo mix audio
• Time-aligned transcriptions (JSONL format)
• Speaker metadata

🎙️ Data characteristics

• Primitive raw data — Minimal processing. Authentic casual talk, recorded as-is
• Speaker-separated — Each speaker's audio is provided as an independent corpus, ready for immediate model training
• Fully licensed — Explicit consent obtained from all speakers, including commercial use
• Physical media — Delivered on CD. Accessible in offline environments

📋 Specifications

• Format: FLAC (lossless)
• Sample rate: 16 kHz / 16-bit
• Speakers: 2
• Language: Japanese (native speakers)
• Media: CD

✅ License — Rights you acquire with purchase

• Train any ML model — ASR, TTS, dialogue, voice cloning, etc.
• Deploy in commercial products and services
• Fine-tune foundation models (open or proprietary)
• Use for academic research and publication

※ Redistribution of raw data to third parties and resale of the dataset itself are prohibited. Models trained on this data may be freely distributed.