Dataset Card: HuChenFeng Dialogue Dataset
Dataset Summary
HuChenFeng Dialogue Dataset 收录了 81,060 条高质量的中文单轮对话，每条样本由一个「用户」提问与一段长篇的「主播」回答组成，完整保留了知名主播 户晨风 的口语化表达、情绪变化与节奏。原始素材来自 2023–2025 年的直播转录，先经 Whisper Large-v3 语音识别，再由 Gemini-2.5-Flash 清洗去噪，最终使用 Gemini-2.5-Flash-Lite 为每段回答生成 3–5 个不同角度的问题。生成的问题与对应原回答经人工与规则联动过滤，最后导出为 question_answer.jsonl（ChatML 风格 messages 列表），可直接用于监督微调（SFT）、LoRA/QLoRA、角色扮演代理构建等任务。
规模：81,060 条问答对（≈2.8B tokens，Qwen 分词），平均问题 18.3 个中文字，回答 342.7 个中文字。
格式：JSON… See the full description on the dataset page:
https://huggingface.co/datasets/alkintin/huchenfeng-dataset.
