Chatbot-Training-Corpus
拿来即用的中英文聊天语料，快速启动你的对话模型训练
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 118
核心亮点
- 直接提供中英文双语文料，省去自行爬取和清洗数据的麻烦
- 数据按场景分类，便于针对特定领域（如闲聊、问答）快速筛选
- 项目结构简单，易于二次扩展和集成到现有训练流程
不足之处
- 语料规模较小，覆盖场景有限，可能无法满足复杂对话需求
- 文档和更新维护较少，社区活跃度待观察
适用场景
- 初学者学习构建聊天机器人时作为初始训练数据
- 快速原型验证对话模型效果，无需从零收集数据
- 为特定语言（中/英）的对话系统补充基础语料
替代项目
Cornell Movie Dialogs Corpus、DailyDialog、ParlAI
上一篇：Know-Your-Intent
下一篇：fountain
同类项目推荐
Awesome-Multi-Token-Prediction
开源
一次预测多个词，让大模型推理更快更省
A curated list of papers, tools, and resources on Multi-Token Prediction (MTP) and r···
TTS-dataset-tools
开源
上传音频和文本，自动切分对齐，快速生成 TTS 数据集。
Automatically generates TTS dataset using audio and associated text. Make cuts under···
common-voice
开源
众包录制真人语音，免费下载多语言开放语料
Common Voice is part of Mozilla's initiative to help teach machines how real people ···
free-llm-api-hub
开源
免费大模型 API 清单，条条有出处、持续验真
A continuously-verified dataset of free-tier & trial-credit LLM APIs for developers.···
medical-datasets
开源
医学影像数据集一站清单，找数据不再东翻西找
tracking medical datasets, with a focus on medical imaging
llm4ea_official
开源
用大模型自动标注，低成本搞定知识图谱实体对齐
[NeurIPS‘24] LLM4EA: Entity Alignment with Noisy Annotations from Large Language Mo···
datasets
开源
遥感深度学习数据集一站索引，找数据不再东拼西凑
Datasets for deep learning with satellite & aerial imagery
insuranceqa-corpus-zh
开源
拿保险问答数据，快速训练客服机器人
:helicopter: 保险行业语料库，聊天机器人
iterater
开源
看懂人类改稿套路，让 AI 学会帮你改文章。
Official implementation of the paper "IteraTeR: Understanding Iterative Revision fro···