Qlean Datasetの日本語音声コーパスとは？AI開発者が知るべき最新データ活用術

高品質なデータでAI開発を支援
- 「日本語・1話者・台本朗読音声コーパスとトランスクリプト」の概要
- ユースケースイメージ
『Qlean Dataset（キュリンデータセット）』について
- 『Qlean Dataset』の提供するデータセット『AIデータレシピ』の特徴
Visual Bank株式会社について

高品質なデータでAI開発を支援

本データセットは、事前に用意された台本に基づいているため、文構造や語彙の対応関係が明確です。また、一話者による朗読形式で収録されているため、自然発話に見られる言い直しや話題の逸脱が抑えられています。これにより、音声とテキストの対応付けが求められる音声認識モデルの学習や評価、音声入力を前提とした言語処理パイプラインの検証など、基礎的な音声言語処理タスクに利用しやすい構成となっています。

Qlean Datasetは、研究用途から商用利用を前提としたAI開発までを見据え、権利処理や利用条件を整理したデータ提供を行っています。このデータセットも、日本語音声と言語情報の対応関係を扱うAI開発・検証環境の整備を目的として提供されます。

「日本語・1話者・台本朗読音声コーパスとトランスクリプト」の概要

データ種別	音声、テキスト
被写体属性	日本人、男性
データ形式	音声データ：mp3 テキストデータ：txt,json,csv
音声レート	44.1kHz / 48kHz
サンプル詳細	https://qleandataset.visual-bank.co.jp/lineup/pn-010

ユースケースイメージ

研究用途
- 日本語ASRモデルの基礎評価：音声とテキストの対応関係を明確に扱い、ASRモデルの認識精度や誤り傾向を検証できます。
産業用途
- 音声入力を含むLLM・音声言語処理パイプラインの検証：音声入力をテキストに変換する前段処理や、音声認識結果を言語モデルに接続する処理フローの検証に活用できます。
その他実需要
- 音声言語処理システムの学習・評価用データ：音声認識や音声テキスト変換の仕組みを学ぶ教育用途や、既存モデルの動作確認・比較検証のための評価用データとして利用できます。

『Qlean Dataset（キュリンデータセット）』について

『Qlean Dataset』は、Visual Bank傘下の株式会社アマナイメージズが提供する、商用利用可能なAI学習用データソリューションです。画像・動画・音声・3D・テキストなど多様な形式のデータに対応し、研究・商用いずれの用途でも安全に利用できる環境を整備しています。

株式会社千葉ロッテマリーンズや株式会社東洋経済新報社をはじめとするデータパートナーとの協業を通じて、業界特化・最新トレンドに即したデータラインナップ『AIデータレシピ』を継続的に拡充しています。

Qlean Datasetは、AI開発現場におけるデータ収集・整備の負荷を軽減し、権利クリアで法的リスクのないAI開発環境の構築を支援しています。

『Qlean Dataset』の提供するデータセット『AIデータレシピ』の特徴

すべての被写体から同意取得済みです。
既存データは最短1日で納品可能です。
カスタム撮影・収録・収集による独自データ構築にも対応しています。

Visual Bank株式会社について

Visual Bank株式会社は、「あらゆるデータの可能性を解き放つ」をミッションに掲げ、AI開発力を最大化する次世代型データインフラを構築・提供するスタートアップ企業です。漫画家向けのAI補助ツール『THE PEN』の提供や、AI学習用データセット開発サービス『Qlean Dataset』を提供する株式会社アマナイメージズを100%子会社に持っています。また、国の研究開発プログラム「GENIAC」にも採択されており、社会実装に向けた取り組みを加速させています。