Project Icon

name-dataset

跨国姓名数据库提供全面的名字和姓氏信息分析

names-dataset是一个大型姓名数据库项目,涵盖105个国家的730K个名字和983K个姓氏。项目提供姓名的流行度、国家分布和性别信息,支持多语言和多地区查询。用户可借此了解特定姓名在不同国家的使用情况,有助于人名分析和跨文化研究。该项目为姓名研究提供了丰富的数据资源,包括姓名的流行度排名、地理分布和性别关联。通过简单的Python接口,研究人员和开发者可以轻松获取和分析这些信息,为人名学、人口统计学和社会学研究提供数据支持。数据基于Facebook用户信息。

persona-hub - 10亿人格驱动的大规模数据合成方法
GithubPERSONA HUB人工智能合成数据大语言模型开源项目数据合成
PERSONA HUB项目提出了基于人格驱动的数据合成方法,通过大型语言模型创建多样化合成数据。该项目包含10亿个多样化人格的数据集,可应用于大规模数据合成。研究展示了该方法在数学推理、逻辑推理、指令生成、知识文本、游戏NPC和工具函数等领域的应用,体现了其多功能性和可扩展性。
ai-audio-datasets - 提供多语言、多情感的语音、音乐和音效数据支持AI模型训练
AI Audio DatasetsAI model trainingAIGCGenerative AIGithub开源项目音频应用
AI Audio Datasets (AI-ADS) 🎵 提供多样化的语音、音乐和音效数据集,适用于生成式AI、AIGC、AI模型训练、智能音频工具开发及音频应用。该项目包含多种数据集,如AISHELL、阿拉伯语语音语料库、AudioMNIST等,覆盖多种语言和情感,适合多种语音识别和合成研究。用于训练多语种语音识别、语音转文字及语音情感转换等AI系统,提升AI音频技术的应用和开发水平。
RecSysDatasets - 推荐系统公开数据集汇总及处理工具
GithubRecBole开源项目推荐系统数据处理数据集模型评估
RecSysDatasets是一个汇总公开推荐系统数据集的开源项目。该项目收集了电商、广告、电影等多个领域的数据集,并提供将数据集转换为统一格式的工具。这有助于研究人员更便捷地获取和使用各类推荐系统数据集,为算法开发和评估提供支持。项目与RecBole推荐系统库集成,便于进行算法测试。
biomedical - 生物医学数据集库促进机器学习研究
BigBIOGithub开源项目数据标准化机器学习生物医学数据集自然语言处理
BigBIO是一个基于Huggingface datasets库开发的生物医学数据加载器库。该项目提供超过126个生物医学数据集的轻量级访问,覆盖10余种语言和12个任务类别。BigBIO致力于提高数据处理的可重复性,完善数据集来源和许可等属性的文档,并简化自然语言提示和多任务学习的元数据集生成。此外,BigBIO还支持多个主流英语生物医学基准测试中的大部分数据集。
awesome-chatgpt-dataset - 综合性AI对话数据集资源助力自定义语言模型训练
ChatGPTGithub开源项目指令调优数据集训练语言模型
awesome-chatgpt-dataset项目汇集了多样化的人工智能对话数据集资源。该项目囊括了不同规模、语言和领域的高质量指令数据,范围从数千到数百万条不等,涵盖多语言、代码生成、视觉对话等多个方面。这些数据集为研究人员和开发者提供了训练和优化大型语言模型的重要素材,有助于推动更智能、更多元化的AI对话系统的发展。
chat-dataset-baseline - 中文对话模型训练资源整合平台
AI训练GithubLLaMA-Factory中文对话模型开源项目数据集模型优化
chat-dataset-baseline项目整合Hugging Face平台优质数据集,为中文对话模型训练提供全面资源。采用PDCA循环迭代,涵盖数据选择、模型训练、测试和优化。项目提供详细指南,适合数据科学家和AI爱好者快速上手,用于训练高质量中文基础模型,为特定行业应用打下基础。
video2dataset - 快速构建大规模视频数据集的开源工具
Githubvideo2dataset分布式处理开源项目数据预处理视频下载视频数据集
video2dataset是一个开源工具,用于从视频URL快速创建大规模视频数据集。它支持多种输入输出格式和文件系统,可在12小时内处理1000万个视频。该工具提供增量模式、分布式处理和Weights & Biases集成,适合机器学习训练等场景。其灵活的API和配置选项让用户能够精细控制数据处理流程。
RedPajama-Data - 开放大规模多语言数据集助力大型语言模型训练
GithubRedPajama-Data-v2大语言模型开放数据集开源项目数据质量自然语言处理
RedPajama-Data-v2是一个包含30万亿tokens的开放数据集,用于训练大型语言模型。该数据集涵盖了超过100B的文本文档,来源于84个CommonCrawl快照。它包含英语、德语、法语、意大利语和西班牙语5种语言的内容,并提供多种质量信号和去重处理。项目提供完整的数据处理流程,包括准备工件、计算质量信号和去重等步骤,为语言模型研究提供高质量的大规模语料资源。
diffusiondb - 大规模文本生成图像数据集,促进多领域研究
DiffusionDBGithubStable Diffusion开源项目数据集文本生成图像生成模型
DiffusionDB 是一个大规模文本生成图像数据集,包含1400万张由Stable Diffusion生成的图像,以真实用户的提示和超参数为基础。该数据集为研究生成模型与提示词的关系、检测深度伪造和设计人机交互工具提供了丰富资源,分为 DiffusionDB 2M 和 DiffusionDB Large 两个子集,满足不同需求。模块化的数据集结构使得用户可以高效加载所需部分。
DialogStudio - 提供丰富多样的对话数据集和任务意识模型
DialogStudioGithubHuggingface对话开源项目数据集模型
DialogStudio 是一个全面的对话数据集项目,包含大量统一的对话数据集和任务意识模型,支持对单个数据集和大型语言模型的训练。用户可以通过 HuggingFace 轻松下载和使用这些数据集,涵盖从知识驱动到任务导向多个领域。同时,项目进行了高质量的数据集评估,提供了详细的评价标准和评分。DialogStudio 既促进会话 AI 研究,也为模型开发者和数据科学家提供了重要资源,推动该领域的创新与进步。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号