NeuralDialog-CVAE

用变分自编码器生成多样可控的对话回复

NeuralDialog-CVAE 是卡内基梅隆大学赵天成等人发布的对话生成模型开源实现，对应 ACL 2017 论文。它基于条件变分自编码器（CVAE），将知识（如对话行为）引入生成过程，解决传统序列到序列模型在开放域对话中回复单一、缺乏多样性及可控性的问题。项目提供完整的 TensorFlow 训练与推理代码，支持在 Switchboard 等数据集上训练，并包含预训练模型与评估脚本。核心能力包括：通过潜在变量建模回复多样性，利用对话行为控制回复语义，以及端到端训练。该实现是早期对话生成研究的重要参考，对理解变分方法在对话系统中的应用有直接帮助。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 310

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队snakeztc

所属国家

官网地址https://www.cs.cmu.edu/~tianchez

GitHubhttps://github.com/snakeztc/NeuralDialog-CVAE

定价模式free

价格说明开源项目，基于Apache-2.0许可证，可自由使用和修改，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言OpenEdge ABL

技术栈/模型chatbot,cvae,deep-learning,dialogue-systems,end-to-end,generative-model,variational-autoencoder,variational-bayes

GitHub 星标★ 310

30天Star增速

HF 下载量

上线时间2017-07-23 00:00:00

最近更新2025-12-09 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2

使用教程

核心亮点

首个将CVAE用于对话生成的完整开源实现，学术价值高
支持对话行为控制，可生成指定意图的多样化回复
代码结构清晰，附有论文对照和预训练模型

不足之处

基于旧版TensorFlow，环境配置困难
文档偏学术，缺少快速上手教程
数据集处理脚本依赖外部资源，复现成本高

适用场景

学术研究：复现论文实验或对比基线
教学：学习变分自编码器在生成任务中的应用
早期对话系统开发：探索多样回复生成

替代项目

Hugging Face Transformers（GPT、BERT）、ParlAI（Facebook对话研究框架）、DeepPavlov（俄语对话库）

项目介绍

NeuralDialog-CVAE 是对话助手领域的开源项目，由 snakeztc 开发，2017 年首次发布。

它收录于对话助手分类，该分类目前共有 905 个项目，GitHub 星标数为 310。

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 2025-12-09。基于Apache-2.0许可证，可自由使用和修改，无付费版本。

它主要面向的使用场景是：学术研究：复现论文实验或对比基线。同类可对比的替代方案包括 Hugging Face Transformers（GPT、BERT）、ParlAI（Facebook对话研究框架）、DeepPavlov（俄语对话库）。

上一篇：peekobot

下一篇：twewy-discord-chatbot