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 ★ 188
核心亮点
- 百万级真实用户提示词，数据规模大且贴近实际应用场景
- 附带视频、图像和元数据，支持多模态研究
- 发表于 NeurIPS 2024，学术权威性高，数据质量有保障
不足之处
- 数据集下载和预处理可能需要较大存储和计算资源
- 文档/社区待观察
适用场景
- 训练和微调文本到视频扩散模型，提升生成质量
- 研究提示词工程与用户意图理解
- 作为检索增强视频生成的基准数据集
替代项目
MSR-VTT、WebVid-10M、Panda-70M
上一篇：OpenS2V-Nexus
下一篇：sekai-codebase
同类项目推荐
leaked-system-prompts
开源
看穿AI产品背后的系统指令，学习提示词设计。
Collection of leaked system prompts
bigset-oss
开源
自托管实时数据集，网页 agent 自动抓取持续更新
Open-source BigSet — self-hostable live datasets populated by TinyFish web agents
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···
Chatette
开源
用模板语法一键生成海量 Rasa 训练语料，告别手工标注。
A powerful dataset generator for Rasa NLU, inspired by Chatito
dataset-api
开源
自动驾驶多模态数据集，开箱即用的加载与可视化示例
The ApolloScape Open Dataset for Autonomous Driving and its Application.
TACO
开源
现成垃圾图像标注集，直接训练检测分割模型
Trash Annotations in Context Dataset Toolkit
example-causal-datasets
开源
统一格式的因果数据集，带真实因果效应，开箱即用做基准测试
Example causal datasets with consistent formatting and ground truth
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 ···
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···