Git Stars Git Stars

#synthetic-data-generation Repositorios

Descubre 57 repositorios activos de código abierto de GitHub etiquetados con #synthetic-data-generation, que acumulan 117,965 estrellas en total (una media de 2,069 estrellas por proyecto). El líder de este tema es huggingface/open-r1, con 26,483 estrellas.

57
Total de Repositorios
117,965
Total de estrellas
2,069
Promedio de Estrellas/Repo

57 repositorios en total

1
huggingface/open-r1

Reproducción completa de DeepSeek-R1

huggingface
⭐ 26,483 Python 👤 huggingface Organization 🕐 Actualizado 2026-10-26 📅 Creado 2025-01-24
2
microsoft/TinyTroupe

Simulación de personas multiagente impulsada por LLM para mejorar la imaginación y obtener información empresarial.

microsoft
⭐ 7,700 Jupyter Notebook 👤 microsoft Organization 🕐 Actualizado 2026-11-06 📅 Creado 2024-03-25
4
simplescaling/s1

s1: Escalado simple en tiempo de ejecución

simplescaling
⭐ 6,656 Python 👤 simplescaling Organization 🕐 Actualizado 2025-06-25 📅 Creado 2025-02-01
5
PrimeIntellect-ai/verifiers

Nuestra biblioteca para entornos de RL + evaluaciones

PrimeIntellect-ai
⭐ 4,797 Python 👤 PrimeIntellect-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-01-22
6
isaac-sim/IsaacSim

NVIDIA Isaac Sim™ es una aplicación de código abierto en NVIDIA Omniverse para desarrollar, simular y probar robots impulsados por IA en entornos virtuales realistas.

isaac-sim
⭐ 4,521 Python 👤 isaac-sim Organization 🕐 Actualizado 2026-11-16 📅 Creado 2025-05-28
7
NVlabs/FoundationPose

[CVPR 2024 Highlight] FoundationPose: Estimación y seguimiento unificados de la pose 6D de objetos novedosos

NVlabs
⭐ 3,707 Python 👤 NVlabs Organization 🕐 Actualizado 2026-04-29 📅 Creado 2023-12-12
8
sdv-dev/SDV

Generación de datos sintéticos para datos tabulares

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 Actualizado 2026-11-16 📅 Creado 2018-05-11
9
NVlabs/FoundationStereo

[Nominación al Mejor Artículo CVPR 2025] FoundationStereo: Coincidencia Estéreo de "Zero-Shot"

NVlabs
⭐ 3,007 Python 👤 NVlabs Organization 🕐 Actualizado 2025-12-19 📅 Creado 2024-12-12
10
dscripka/openWakeWord

Un framework de detección de palabras (o frases) de activación de audio de código abierto con un enfoque en el rendimiento y la simplicidad.

dscripka
⭐ 2,963 Jupyter Notebook 👤 dscripka User 🕐 Actualizado 2025-12-30 📅 Creado 2022-05-28
11
google-research/kubric

Una canalización de generación de datos para crear videos sintéticos semi-realistas de múltiples objetos con anotaciones ricas como máscaras de segmentación de instancias, mapas de profundidad y flujo óptico.

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 Actualizado 2026-05-21 📅 Creado 2020-07-22
12
opendatalab/DocLayout-YOLO

DocLayout-YOLO: Mejora del análisis de diseño de documentos a través de datos sintéticos diversos y percepción adaptativa de global a local

opendatalab
⭐ 2,315 Python 👤 opendatalab Organization 🕐 Actualizado 2026-10-21 📅 Creado 2024-10-14
13
apple-aiml-research/ml-hypersim

Hypersim: Un conjunto de datos sintético fotorrealista para la comprensión holística de escenas interiores

apple-aiml-research
⭐ 2,077 Python 👤 apple-aiml-research Organization 🕐 Actualizado 2026-09-11 📅 Creado 2020-11-16
14
neulab/prompt2model

prompt2model - Generar Modelos Desplegables a Partir de Instrucciones en Lenguaje Natural

neulab
⭐ 2,005 Python 👤 neulab Organization 🕐 Actualizado 2024-12-29 📅 Creado 2023-03-27
15
DataArcTech/DataArc-SynData-Toolkit

Plataforma de Generación de Datos Sintéticos de DataArcTech

DataArcTech
⭐ 1,787 Python 👤 DataArcTech Organization 🕐 Actualizado 2026-11-19 📅 Creado 2025-11-21
16
NVIDIA/RULER

Este repositorio contiene el código fuente de RULER: ¿Cuál es el tamaño real del contexto de sus modelos de lenguaje de contexto largo?

NVIDIA
⭐ 1,641 Python 👤 NVIDIA Organization 🕐 Actualizado 2026-11-03 📅 Creado 2024-04-09
17
open-gigaai/giga-world-0

GigaWorld-0: Modelos del Mundo como Motor de Datos para Potenciar la IA Incorporada

open-gigaai
⭐ 1,619 Python 👤 open-gigaai Organization 🕐 Actualizado 2025-12-03 📅 Creado 2025-11-25
18
tencent-ailab/persona-hub

Repositorio oficial del artículo "Scaling Synthetic Data Creation with 1,000,000,000 Personas"

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 Actualizado 2025-02-19 📅 Creado 2024-06-22
19
sdv-dev/CTGAN

GAN condicional para generar datos tabulares sintéticos.

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 Actualizado 2026-11-16 📅 Creado 2019-09-08
20
wasiahmad/Awesome-LLM-Synthetic-Data

Una lista de lectura sobre la generación de datos sintéticos basada en LLM 🔥

wasiahmad
⭐ 1,538 👤 wasiahmad User 🕐 Actualizado 2025-06-05 📅 Creado 2024-08-08
21
instructlab/instructlab

Paquete principal de InstructLab. Úselo para chatear con un modelo y ejecutar el flujo de trabajo de InstructLab para entrenar un modelo utilizando datos de taxonomía personalizados.

instructlab
⭐ 1,415 Python 👤 instructlab Organization 🕐 Actualizado 2026-03-30 📅 Creado 2024-02-21
22
facebookresearch/Replica-Dataset

El Replica Dataset v1 tal como se publicó en https://arxiv.org/abs/1906.05797.

facebookresearch
⭐ 1,202 C++ 👤 facebookresearch Organization 🕐 Actualizado 2024-07-22 📅 Creado 2019-02-08
23
NVlabs/Deep_Object_Pose

Estimación Profunda de la Pose de Objetos (DOPE) – Inferencia ROS (CoRL 2018)

NVlabs
⭐ 1,175 Python 👤 NVlabs Organization 🕐 Actualizado 2025-08-06 📅 Creado 2018-10-12
25
IBM/Dromedary

Dromedary: hacia LLM útiles, éticos y confiables.

IBM
⭐ 1,136 Python 👤 IBM Organization 🕐 Actualizado 2025-09-18 📅 Creado 2023-05-03
26
NVIDIA-NeMo/Skills

Un proyecto para mejorar las habilidades de los modelos de lenguaje grandes

NVIDIA-NeMo
⭐ 1,065 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-02-11
27
SalesforceAIResearch/promptomatix

Un Marco de Optimización Automática de Prompts para Grandes Modelos de Lenguaje

SalesforceAIResearch
⭐ 979 Python 👤 SalesforceAIResearch Organization 🕐 Actualizado 2026-06-02 📅 Creado 2025-07-08
28
oh-my-ocr/text_renderer

Generar imágenes de líneas de texto para entrenar modelos OCR de aprendizaje profundo

oh-my-ocr
⭐ 913 Python 👤 oh-my-ocr Organization 🕐 Actualizado 2026-05-17 📅 Creado 2020-06-18
29
microsoft/FaceSynthetics

Conjuntos de datos de sintéticos faciales

microsoft
⭐ 895 👤 microsoft Organization 🕐 Actualizado 2025-07-08 📅 Creado 2021-08-12
30
tangqiaoyu/ToolAlpaca

el código oficial para "ToolAlpaca: Generalized Tool Learning for Language Models with 3000 Simulated Cases"

tangqiaoyu
⭐ 884 Python 👤 tangqiaoyu User 🕐 Actualizado 2024-10-26 📅 Creado 2023-06-14
31
haosulab/SAPIEN

Plataforma de IA Corpórea SAPIEN

haosulab
⭐ 872 C++ 👤 haosulab Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-03-16
32
zju3dv/pvnet

Código para "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral

zju3dv
⭐ 869 Jupyter Notebook 👤 zju3dv Organization 🕐 Actualizado 2024-07-15 📅 Creado 2018-12-27
33
nvidia-cosmos/cosmos-transfer1

Cosmos-Transfer1 es un modelo de transferencia de mundo a mundo diseñado para cerrar la brecha perceptiva entre entornos simulados y del mundo real.

nvidia-cosmos
⭐ 830 Python 👤 nvidia-cosmos Organization 🕐 Actualizado 2026-10-15 📅 Creado 2025-03-02
35
metabase/dataset-generator

Generador de conjuntos de datos de IA – Cree conjuntos de datos realistas para demostraciones, aprendizaje y paneles

metabase
⭐ 765 TypeScript 👤 metabase Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-06-12
36
stanford-futuredata/ARES

Evaluación automática de sistemas RAG

stanford-futuredata
⭐ 711 Python 👤 stanford-futuredata Organization 🕐 Actualizado 2025-03-28 📅 Creado 2023-09-27
37
YoYo000/BlendedMVS

BlendedMVS: Un conjunto de datos a gran escala para redes de estereo multi-vista generalizadas

YoYo000
⭐ 690 👤 YoYo000 User 🕐 Actualizado 2026-10-03 📅 Creado 2019-11-22
38
syncora-ai/syncora-benchmarks

Un kit de benchmark ligero y plug-and-play para datos sintéticos. Compare Syncora con otros generadores (por ejemplo, Gretel, MostlyAI) insertando CSV, luego calcule automáticamente métricas de fidelidad y similitud. Funciona con cualquier conjunto de datos a través de una simple nomenclatura de archivos, sin necesidad de una configuración compleja.

syncora-ai
⭐ 678 Jupyter Notebook 👤 syncora-ai User 🕐 Actualizado 2025-08-11 📅 Creado 2025-07-31
39
syncora-ai/synthetic-credit-default-syncora

Conjunto de datos sintéticos de alta fidelidad para la modelización de fallos crediticios

syncora-ai
⭐ 676 Jupyter Notebook 👤 syncora-ai User 🕐 Actualizado 2025-09-10 📅 Creado 2025-07-30
40
syncora-ai/synthetic-personality-dataset

Conjunto de datos sintéticos y cuadernos para la modelización de la personalidad introvertida frente a la extrovertida (seguro para la privacidad, listo para ML).

syncora-ai
⭐ 667 Jupyter Notebook 👤 syncora-ai User 🕐 Actualizado 2025-08-25 📅 Creado 2025-07-31
41
sdv-dev/Copulas

Una biblioteca para modelar datos multivariados usando copulas.

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 Actualizado 2026-11-16 📅 Creado 2017-11-13
42
syncora-ai/Synthetic-AI-Developer-Productivity-Dataset

Conjunto de datos sintéticos de alta fidelidad que capturan métricas de productividad de desarrolladores de IA — incluyendo horas de concentración, tasas de finalización de tareas e indicadores de agotamiento. Seguro para la privacidad, ideal para análisis de ML y flujos de trabajo.

syncora-ai
⭐ 657 Jupyter Notebook 👤 syncora-ai User 🕐 Actualizado 2025-09-04 📅 Creado 2025-07-31
43
dotnet/eShopSupport

Una aplicación .NET de referencia que utiliza IA para un sistema de tickets de soporte al cliente

dotnet
⭐ 650 JavaScript 👤 dotnet Organization 🕐 Actualizado 2025-05-16 📅 Creado 2024-04-30
45
onyx-dot-app/EnterpriseRAG-Bench

Conjunto de datos y referencia para RAG en documentos internos de la empresa.

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 Actualizado 2026-09-03 📅 Creado 2026-02-19
47
syncora-ai/syncora-docs

Documentación para Syncora.ai

syncora-ai
⭐ 633 MDX 👤 syncora-ai User 🕐 Actualizado 2025-07-31 📅 Creado 2025-07-29
49
vb000/LookOnceToHear

Un nuevo método de interacción humana para la extracción de voz en tiempo real en auriculares.

vb000
⭐ 615 Python 👤 vb000 User 🕐 Actualizado 2026-07-22 📅 Creado 2024-05-10
50
sixgpt/miner

Minería Oficial para SixGPT

sixgpt
⭐ 611 Shell 👤 sixgpt Organization 🕐 Actualizado 2024-12-19 📅 Creado 2024-10-06

Preguntas frecuentes

1

¿Cuál es el repositorio de #synthetic-data-generation más popular en GitHub?

El proyecto de código abierto de #synthetic-data-generation mejor posicionado en GitHub es huggingface/open-r1, con 26,483 estrellas. Reproducción completa de DeepSeek-R1

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #synthetic-data-generation?

Entre los proyectos de #synthetic-data-generation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, TypeScript.

3

¿Cómo se calcula la clasificación de los repositorios de #synthetic-data-generation?

Seguimos 57 repositorios activos de código abierto etiquetados con #synthetic-data-generation (500+ estrellas), que suman un total de 117,965 estrellas, con una media de 2,069 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.