Gen4Gen 是数据集领域的开源项目，由 louisYen 开发，2024 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 110。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-03-27。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：研究多概念组合生成的学术实验。同类可对比的替代方案包括 Custom Diffusion、DreamBooth、Textual Inversion。
GitHub 星标
★ 110
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队louisYen
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型data-generation,llm,personalization,stable-diffusion,text-to-image-generation
GitHub 星标★ 110
30天Star增速
HF 下载量
上线时间2024-02-16 00:00:00
最近更新2026-03-27 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 提出自动化数据生成管线，解决多概念组合训练数据稀缺问题
- 集成LLM与Stable Diffusion，降低数据构建门槛
- 提供官方实现，便于复现和二次开发
不足之处
- 项目早期，文档和社区支持待观察
- 依赖外部模型（如LLM、SD），运行成本较高
适用场景
- 研究多概念组合生成的学术实验
- 个性化图像生成（如包含指定人物和物品）
- 构建定制化训练数据集
替代项目
Custom Diffusion、DreamBooth、Textual Inversion
项目介绍
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
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