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 ★ 258
技术标签
核心亮点
- 数据规模大，3600万视频片段，覆盖场景丰富，利于训练泛化性强的模型
- 细粒度条件标注（文本、姿态等），直接针对视频生成一致性问题
- 提供官方工具链，支持数据下载、预处理和可视化，降低使用门槛
不足之处
- 项目处于早期，文档和社区支持待观察
- 数据集的存储和下载可能占用大量资源，对硬件要求高
适用场景
- 训练文本到视频生成模型，提升指令跟随能力
- 研究视频生成中的姿态、深度等条件控制
- 构建大规模多模态视频理解与生成基准
替代项目
WebVid-10M、Panda-70M、HD-VILA-100M
同类项目推荐
cleanvision
开源
扫一眼图像数据集，自动揪出模糊、重复等脏数据
Automatically find issues in image datasets and practice data-centric computer visio···
awesome-public-real-time-dataset···
开源
一站找齐可公开访问的实时数据源，做流处理演示不再缺素材
A list of publicly available datasets with real-time data maintained by the team at ···
lakh-pianoroll-dataset
开源
17万首多轨钢琴卷帘，一键训练音乐AI模型
A collection of 174,154 multi-track piano-rolls
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 ···
sd-tagtool
开源
拖拽整理SD训练标签，数据干净训练快
A stable diffusion training dataset tag editor.
awesome-japanese-nlp-resources
开源
一份清单搞定日语 NLP 工具、模型与语料检索
A curated list of resources for Japanese natural language processing (NLP): Python l···
SpatialVID
开源
给视频加空间标注，让 AI 生成时懂几何、懂运动
[CVPR 2026] SpatialVID: A Large-Scale Video Dataset with Spatial Annotations
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
datasets
开源
一条命令批量下载 NCBI 基因组数据，省去手动检索。
NCBI Datasets is a new resource that lets you easily gather data from across NCBI da···