DeepEcho 是数据集领域的开源项目，由 sdv-dev 开发，2020 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 125。
项目目前处于活跃维护状态，最近一次代码更新于 2026-08-14。本地部署，完全免费。
它主要面向的使用场景是：数据脱敏：生成替代真实数据的合成数据供外部使用。同类可对比的替代方案包括 TimeGAN、DoppelGANger、YData Synthetic。
GitHub 星标
★ 125
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队sdv-dev
所属国家
定价模式free
价格说明开源项目，本地部署，完全免费
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型data-generation,deep-learning,generative-adversarial-network,sdv,synthetic-data,synthetic-data-generation,time-series
GitHub 星标★ 125
30天Star增速
HF 下载量
上线时间2020-06-13 00:00:00
最近更新2026-08-14 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数6
使用教程
核心亮点
- 专门针对混合类型多变量时间序列设计，覆盖常见数据形态
- 基于深度生成模型，能捕捉复杂时序依赖关系
- 集成 SDV 生态，提供数据评估与可视化工具
不足之处
- 项目处于早期，文档和社区支持待观察
- 生成质量高度依赖数据规模和模型调参
适用场景
- 数据脱敏：生成替代真实数据的合成数据供外部使用
- 数据增强：扩充小样本时间序列数据集以提升模型性能
- 算法测试：在不涉及隐私的真实数据分布下验证模型
替代项目
TimeGAN、DoppelGANger、YData Synthetic
项目介绍
下一篇：potato
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