日本語RPデータセット：Kyalulu Synthetic Roleplay Japanese AIO

Kyalulu公式のデータコレクション#

Naotaka0127はKyalulu制作者公式のHugging Faceアカウントです。Kyalulu Synthetic Roleplay Japanese AIO betaは、日本語のロールプレイ（RP）・キャラクター対話・創作文章を研究するための公開データコレクションです。日本語を中心に、英語・中国語・ドイツ語・アラビア語などの関連資料も含みます。

第三者の配布原本と来歴を保持する元AIO、そこから会話・文章レコード単位で分けたSFW／NSFW候補を公開しています。「Synthetic Roleplay Japanese AIO」はプロジェクト名で、合成データのほか掲示板・小説由来の資料も含みます。

3つの公開先と使い分け#

件数は公開README・分割報告の値です。配布元は両候補間で重なり、原本ファイル数とレコード数も単位が異なるため、足し合わせて独立した会話数にはできません。元AIOの収集完了・分割ルールの記録日は2026-10-16（日本時間）、この記事の資料確認日は2026-10-17です。

SFW／NSFW候補と保留の意味#

conservative-rules-v1は、原版の代表24種・1,951,374レコードを走査し、SFW候補13,382件、NSFW候補78,928件、保留1,859,064件を記録しています。保留本文は元AIOに残り、子リポジトリへ複製されません。

本文だけでなく全発言、system指示、人物・場面設定を含む原レコード中の文字列を検査します。形式不良、空発言、個人情報らしい文字列、年齢・同意の確認候補、曖昧な内容などを保留し、混在・未判定の配布元を単に語彙に一致しないだけでSFWへ回しません。

同一設定＋正規化発言列は代表1件とし、formatted版・再配布版・評価split等による重複を別会話として数えません。SFW／NSFWが矛盾するグループは保留します。言語を限定した分割ではなく、日本語のみへの言語純化は未実施です。

SFWは自動検査による候補区分です。全年齢への適性、全件の意味的分類、NSFW候補の年齢・同意、人間による全件審査を保証するものではありません。詳細は分割方針と分割報告を参照してください。

Pythonで読み込む#

利用するPython環境へdatasetsを導入してから、配布設定名all・split名trainで読み込みます。以下は確認時のリビジョンを固定したSFW候補の例です。

import json
from datasets import load_dataset

ds = load_dataset(
    "Naotaka0127/Kyalulu-Synthetic-Roleplay-Japanese-SFW-AIO-beta",
    "all",
    split="train",
    revision="47c4d625fd974d1553bf492a5e0e4a7088854a59",
)
original = json.loads(ds[0]["source_record_json"])
print(ds[0]["source_repo"], ds[0]["source_file"], ds[0]["source_row"])

配布元単位で読む場合はallを、配布元の/を--へ置き換えた設定名へ変更します。SFWの例はAratako--Synthetic-Japanese-Roleplay-SFW-DeepSeek-V3-0324-20kです。SOURCES.mdで配布元と条件を確認できます。

NSFW候補はリポジトリをNaotaka0127/Kyalulu-Synthetic-Roleplay-Japanese-NSFW-AIO-beta、リビジョンをc77c5e573e2779b61dd879ca41d5f3dff65dbec5へ変更します。元AIOは複数形式のアーカイブです。元AIOのREADMEにあるsnapshot_download()の選択取得例を使い、必要な配布元と台帳を選んでください。

原文と出典を追跡する#

原スキーマはmessages、conversations、posts、textなどです。source_record_jsonを展開し、利用する学習器の形式へ別途変換してください。trainは配布上のsplit名で、学習適性や評価データとの独立性を示すものではありません。

利用条件と品質調査の範囲#

3リポジトリのライセンス表示はother（配布元ごとの条件）です。公式アカウントでの公開によって、元データのライセンスが一括で変わることはありません。SFWの出典一覧、NSFWの出典一覧、各配布元のREADME・ライセンス文書を確認し、帰属表示、非商用、ShareAlikeなどの条件を引き継いでください。

元AIOは全33配布元の367原本についてチェックサム等を記録しています。初期23配布元の形式検査と、原版17種から計510件の抜粋を読んだ調査があり、追加10配布元は主に形式・件数・派生関係の確認です。今回のSFW／NSFW分割は別工程の決定的ルール検査で、学習後の品質改善を検証したものではありません。

学習へ進む場合は、対象言語と原スキーマを確認し、用途に合う内容・利用条件で選別し、指示の共有や近似重複を考慮して学習・評価を分離します。Kyaluluアプリへのカード読み込みは移行ガイド、独立した評価用コーパスはCharacterBenchを参照してください。

この記事が参照したスナップショット#

SFW／NSFW分割の親データは元AIOの9137cc70a4bb4a40b319b74db0f359f05be91f44です。親データのリビジョンと、この記事で確認した公開文書のリビジョンは区別します。全走査レコードの行先・重複先は元AIOの分割台帳で追跡できます。