日本語の対話データを探していると、音声付きの会話コーパス、チャットのログ、対話システムの学習用データなどが別々の場所で公開されています。そこで、現在入手先を確認できたものを、用途と利用条件が分かる形でまとめました。
すでに公開されている日本語対話コーパス一覧をはじめ、国立情報学研究所の音声コーパス、国立国語研究所のコーパス一覧、各データの配布ページを確認しました。さらに、Hugging FaceやGitHubで公開されている比較的新しいデータも加えています。
2026年9月13日確認
利用条件や配布状況は変わることがあります。実際に利用するときは、リンク先の最新の規約とライセンスを確認してください。「商用可」としたものでも、元データや外部コンテンツに別の条件が付く場合があります。
まず見ておきたい配布先と一覧
- 日本語対話コーパス一覧：音声・映像・テキストを含む日本語対話データを横断して探せます。
- 国立情報学研究所 情報学研究データリポジトリ 音声コーパス：大学や研究機関から受け入れた音声データを、主に研究用途向けに配布しています。
- 国立国語研究所 コーパスの紹介：日常会話、話し言葉、方言、日本語学習者など、国語研が公開するコーパスを探せます。
- awesome-japanese-nlp-resources：対話に限らず、日本語NLPで使えるデータセットやツールをGitHub上で整理した一覧です。
音声・映像を含む日本語対話コーパス
音声認識、話者分離、感情推定、会話分析などに使えるデータです。申請が必要なものも多く、無償配布であっても商用利用できるとは限りません。
| データ | 内容・規模 | 収録データ | 入手・利用条件 |
|---|---|---|---|
| 日本語日常会話コーパス（CEJC） | 日常生活の461会話、約200時間 | 映像、音声、転記、一部アノテーション | 無償版は要申請。有償版あり。商用利用可 |
| 日本語話し言葉コーパス（CSJ） | 661時間、3,302講演。約1割に対話・朗読等を含む | 音声、転記、形態論・韻律等 | オンライン版は無償、有償版あり。商用は個別相談 |
| 名大会話コーパス（NUCC） | 日本語母語話者の雑談129会話、約100時間 | 音声、転記 | CC BY-NC-ND 4.0 |
| BTSJ日本語自然会話コーパス | 場面別の自然会話514会話、約127時間 | 転記、一部音声・映像 | 要申請。利用条件は配布元で確認 |
| 日本語話題別会話コーパス（J-TOCC） | 15話題、各120会話、計約150時間 | 転記 | 無償、要申請。商用条件は要確認 |
| CABank Japanese Sakura Corpus | 4人グループの会話18件、約7.5時間 | 映像、転記 | TalkBankの利用条件に従う |
| CALLHOME Japanese | 家族・友人との電話120件、約18.5時間 | 音声、転記 | TalkBankの利用条件に従う |
| CALLFRIEND Japanese | 電話会話60件、1件5〜30分 | 音声、転記 | LDCの契約条件に従う |
| 日本語共感的音声対話コーパス（STUDIES） | 声優による模擬対話、長対話150件・短対話720件、約8時間 | 音声 | 無償、要申請。研究用途 |
| 日本語マルチモーダル共感的・感情的音声コーパス（CAVIARES） | プロ話者1名による模擬対話約8.3時間と感情読み上げ約1.2時間 | 音声、顔特徴、感情ラベル | 無償、要申請。研究用途 |
| 大阪大学マルチモーダル対話コーパス（Hazumi） | 人と対話エージェントの214対話、約54時間 | 音声、映像、Kinect、転記等 | 無償、要申請。研究用途 |
| 旅行代理店タスク対話コーパス（Tabidachi） | 旅行相談330対話。成人・高齢者・子ども計55名、1回約20分 | 映像、JSONアノテーション | 無償、要申請。研究・基礎技術開発用途 |
| 呼吸波形信号付きマルチモーダル対話コーパス（BinD） | 36組72名、180セッション、各約10〜15分 | 音声、映像、呼吸・一部心拍、印象評定 | 無償、要申請。研究・基礎技術開発用途 |
| 徳島大学オンラインカウンセリング対話コーパス（TU-OCDC） | 労務者50名と公認心理師の面談、1名約30分 | 加工済み映像・音声、ストレス・感情ラベル | 無償、要申請。研究・基礎技術開発用途 |
| J-CHAT | 動画・ポッドキャストを基にした大規模な日本語対話音声コーパス | 音声、機械転記 | Hugging Faceで利用条件への同意が必要。著作権法30条の4の目的に限定、商用不可 |
| 高齢者情報案内・傾聴対話コーパス | 高齢者との傾聴・情報案内60対話、約20時間 | 音声、転記 | CC BY-NC-ND 4.0、商用不可 |
| 大音泉 The Corpus of Dialogue Speech in Japanese（CDSJ） | 二者間の自由対話500件以上、1件15〜30分 | 音声、転記 | 有償。音声のみ・転記付きで料金が異なる |
| 京都観光案内対話データベース | 観光ガイドと旅行者役の100会話、約50時間 | 音声、転記 | ALAGIN会員向け。利用条件は配布元で確認 |
| NICT声優対話コーパス | 声優2名の掛け合い21会話、約7.5時間 | 音声、転記 | ALAGIN会員向け。利用条件は配布元で確認 |
| JEITAマルチモーダル対話コーパス（GSK2007-A） | 顔課題・旅行課題の9対話、約80分 | 映像、音声、転記、対話構造・韻律等 | 有償、商用不可 |
| 電総研道案内対話音声コーパス（GSK2012-B） | 人とシステムによる道案内162対話、16.5時間以上 | 音声、転記 | 有償、商用不可 |
| 千葉大 日本語地図課題対話コーパス | 地図を使う課題対話128件、約23時間 | 音声、地図画像 | 無償、要申請。研究用途 |
| 三重大 日本語地図課題対話コーパス | 指示表現を引き出す地図課題8対話、約2時間 | 音声 | 無償、要申請。研究用途 |
| 音声対話データベース－96年版（RWCP-SP96） | 自動車購入・海外旅行計画のタスク対話28件 | 音声 | 無償、要申請。研究用途 |
| 音声対話データベース－97年版（RWCP-SP97） | 海外旅行計画のタスク対話13件 | 音声 | 無償、要申請。研究用途 |
| 会議音声データベース（RWCP-SP01） | 4人以上による模擬会議7件 | 音声、映像 | 無償、要申請。研究用途 |
| 重点領域研究「音声対話」対話音声コーパス（PASD） | 旅行案内、地図課題など93対話、約7.5時間 | 音声 | 無償、要申請。研究用途 |
| 理研ワープロ操作対話音声コーパス（RIKEN-DLG） | ワープロ操作を中心とする約50対話 | 音声 | 無償、要申請。研究用途 |
| 宇都宮大学パラ言語情報研究向け音声対話データベース（UUDB） | 友人同士の4コマ漫画並べ替え課題7対話 | 音声、転記、感情・態度・意図等のラベル | 無償、要申請。研究用途 |
| 感情評定値付きオンラインゲーム音声チャットコーパス（OGVC） | オンラインゲーム中の音声チャット | 音声、感情評定 | 無償、要申請。研究用途 |
| 千葉大学3人会話コーパス | 友人同士3人組、12会話 | 音声、転記、形態論情報 | 無償、要申請。研究用途 |
| 高齢女性二者間初対面会話テキストコーパス（TDU-Kao） | 高齢女性同士の初対面会話 | 転記、話者情報等 | 無償、要申請。研究用途 |
| 多用途型日本手話言語データベース（KoSign） | 手話母語者2名、10テーマ10対話、約83分 | 映像、Kinect、モーションキャプチャ等 | 無償。詳細条件は配布元で確認 |
| REXコーパス（GSK2013-A） | 2人で図形パズルを解く162対話、16.5時間以上 | 映像、音声、転記、視線・操作等 | 有償。商用は要契約 |
テキスト中心の日本語対話データセット
対話生成、応答選択、対話状態追跡などに使いやすいデータです。すぐにダウンロードできるものが多い一方、収集方法は人同士の会話、Wizard of Oz、既存コンテンツからの抽出、合成データなどさまざまです。
| データ | 内容・規模 | 向いている用途 | ライセンス・条件 |
|---|---|---|---|
| Accommodation Search Dialog Corpus（ASDC） | 宿泊施設を探す210対話と約10万発話 | タスク指向対話、対話行為 | CC BY 4.0、商用可 |
| 日本語映画推薦対話データセット（JMRD） | 5,075対話、約11万発話 | 推薦対話、外部知識の利用 | CC BY-SA 4.0、商用可 |
| RealPersonaChat | 13,583対話、233人分のペルソナ | 雑談、ペルソナ対話 | CC BY-SA 4.0、商用可 |
| JMultiWOZ | 旅行関連6ドメイン、4,254対話 | タスク指向対話、状態追跡 | CC BY-SA 4.0、商用可 |
| Multi-Relational Multi-Party Chat Corpus | 3人会話960件、106,680発話、66名 | 複数人対話、人間関係とペルソナ | CC BY-SA 4.0 |
| Business Scene Dialogue corpus（BSD） | ビジネス場面の日英対話。学習325、開発34、評価34対話 | 機械翻訳、ビジネス対話 | CC BY-NC-SA、非商用 |
| Capex雑談対話コーパス | 雑談対話アプリの人とシステムの会話、約15,000対話 | 雑談生成、対話破綻検出 | 無償、商用不可 |
| 日本語Transformer対話モデル用データ | Persona-Chat約5,000対話、EmpatheticDialogues約20,000対話の日本語版 | ペルソナ対話、共感対話 | 公開モデルの評価・検証目的に限定、商用不可 |
| おーぷん2ちゃんねる対話コーパス | 掲示板から作成した約815万対話 | 大規模な応答生成・順位付け | 配布元の条件を確認 |
| Japanese Daily Dialogue | 日常・学校など5テーマ、5,261対話 | 日常対話、規範的な日本語表現 | CC BY-NC-ND 4.0、非商用 |
| BPersona-chat | 日本語・英語のペルソナ対話1,495件＋250件 | 多言語ペルソナ対話 | CC BY-NC 4.0、非商用 |
| 感想付きニュース雑談対話コーパス | ニュース、感想、雑談の組み合わせ1,047対話 | 外部知識を使う雑談 | MIT、商用可 |
| Ojousama Talk Script Dataset | 一般人とお嬢様の会話を模した200対話 | キャラクター対話 | MIT、商用可 |
| Rosebleu ゲームシナリオデータセット | 10作品のシナリオから抽出した約550万文字 | キャラクター発話、物語対話 | Apache License 2.0。成人向け表現を含む |
| Character Conversation Dataset | 公開終了したノベルゲーム由来、約2万文字 | キャラクター対話 | Apache License 2.0、商用可 |
| 対話破綻検出チャレンジ 雑談対話コーパス | 人とシステムの1,146対話、各発話に破綻ラベル | 対話品質評価、破綻検出 | 配布元の条件を確認 |
| 対話システムライブコンペティション対話ログ | 複数の対話システムと人の評価対話 | 対話システム評価 | MIT |
| 対話応答選択テストセット | 応答候補と人手評価を含む1,019対話 | 雑談応答生成の評価 | 利用条件は配布元で確認 |
| instruction_ja | 人手で自然な日本語に修正した指示対話669件 | 指示追従モデルの調整 | MIT、商用可 |
| LLM-jp Chatbot Arena Conversations | 10モデルを200人が比較した990件 | LLM応答の比較・選好評価 | プロンプトはCC BY 4.0。生成文は各モデルの条件も確認 |
質問応答・指示データなど対話に近いデータセット
厳密には人同士の対話コーパスではありませんが、チャットボットやLLMの学習・評価を目的に探している場合は、質問応答や指示データも候補になります。
| データ | 内容・規模 | 向いている用途 | ライセンス・条件 |
|---|---|---|---|
| AI王 公式データセット（JAQKET） | 日本語のクイズ形式質問応答データ | オープンドメイン質問応答 | 配布元の条件を確認 |
| JGLUE | 日本語言語理解ベンチマーク。JSQuAD、JCommonsenseQA等を収録 | 読解、常識質問応答、文分類 | データセットごとの条件を確認 |
| Japanese Visual Genome VQA | 画像に対する日本語の質問と回答、約80万件 | 画像質問応答 | 画像本体を含め、各配布元の条件を確認 |
| YJ Chat Detection Dataset | アシスタントへの発話を雑談か否かで分類した約1.5万発話 | 雑談判定、意図分類 | 研究目的。配布元の条件を確認 |
| Yahoo!知恵袋データ（第3版） | 質問約263万件、回答約670万件 | 質問応答、検索、推薦 | 無償、要申請。研究用途 |
| japanese-contextual-qa-chat | JSQuAD・JaQuADをチャット回答形式に変換、約10万件 | 文脈付き質問応答、チャット応答 | MIT。変換元データの条件も確認 |
目的から選ぶと探しやすい
- 日常の自然な会話を扱いたい：CEJC、NUCC、BTSJ、Sakura Corpus
- 音声認識や話者分離に使いたい：音声を含むコーパスから、録音環境、話者別チャンネル、転記の有無を確認する
- 表情や感情も扱いたい：Hazumi、CAVIARES、BinD、TU-OCDC
- タスク指向対話を作りたい：Tabidachi、ASDC、JMultiWOZ、MapTask
- 商用開発を想定している：ライセンスが明記されたASDC、JMRD、RealPersonaChatなどから検討する。音声コーパスは研究用途限定が多い
- LLMの評価に使いたい：LLM-jp Chatbot Arena Conversations、対話破綻検出、ライブコンペティションの評価ログ
公開データで足りないとき
既存コーパスは比較検討の出発点になりますが、実際の案件では「特定の年代」「コールセンター経験者」「指定した方言」「2人の音声を別チャンネルで納品」といった条件が必要になることがあります。公開データに合うものがなければ、収録条件、同意範囲、納品形式、アノテーション仕様まで先に決めて、新しく集めたほうが早い場合もあります。
株式会社イングクラウドでは、対話音声の収録、書き起こし、話者分離、ラベル付けなど、研究やAI開発に必要なデータ制作を支援しています。必要な話者条件やデータ形式が決まっていない段階でも、研究支援サービスからご相談いただけます。
小規模な日本語対話音声サンプルも公開しています
収録データの構成を確認できる小規模な例として、株式会社イングクラウドでも旅行代理店を題材にした日本語ロールプレイ対話と、テーマ別の日本語対話音声をHugging Faceで公開しています。いずれも本格的な学習用コーパスというより、音声、話者別ファイル、ELAN形式のアノテーションがどのように納品されるかを見るためのサンプルです。