日本語研究で引くコーパス・辞書・文献データベース・画像アーカイブの目録。 各項目は入口のURL、個別項目のURLの組み立て方、APIの有無、利用条件を持つ。
幼児言語獲得研究用の親子自然会話書き起こし（CHAT形式）。Miyata・MiiPro・Noji・Ishii・Okayama・Ota・Hamasaki・NINJAL-Okubo・Ogawa・Yokoyama等12コーパス
CHAT形式（.cha）書き起こしテキスト、zip配布
利用条件: CC BY-NC-SA（TalkBankルールにより各コーパス指定の引用文献の明記も必須）
Common Crawl 日本語ウェブ（品質フィルタ最上位 level2）
parquet（text, meta）
利用条件: 要確認（公式は申請制。ミラー chatblanc-ciel/llm-jp-corpus-v3 由来）
地上波テレビ放送由来の自然な日本語音声の文字起こし（アナウンス・字幕・会話等）
HF datasetsローダ（reazonspeech.py）経由の結合レコード（FLAC音声 + transcription文字列）。全量2.3TB/35000時間
利用条件: CDLA-Sharing-1.0（ただし著作権法30条の4に基づく情報解析目的での利用のみに限定するという配布者の追加条件あり）
ウェブから構築した258億語規模のコーパス。派生資源にNWJC-n-gram・NWJC2vec・chiVeがある
検索系「梵天」の一般公開は2021年12月24日で終了した。データ本体はGSK経由の申請で入手する