Git Stars Git Stars

#synthetic-data 仓库

探索 49 个标记为 #synthetic-data 的活跃开源 GitHub 仓库,它们累计获得 118,509 个 Star(平均每个项目 2,418 个)。该主题的领先项目是 stefan-jansen/machine-learning-for-trading,拥有 21,929 个 Star。

49
仓库总数
118,509
总星标数
2,418
平均每个仓库星标数
1
stefan-jansen/machine-learning-for-trading

《机器学习交易》第三版的代码——从数据获取到实时执行。

stefan-jansen
⭐ 21,929 Jupyter Notebook 👤 stefan-jansen User 🕐 已更新 2026-11-18 📅 创建时间 2018-05-09
2
oumi-ai/oumi

轻松微调(SFT/RL)、评估并部署 Qwen、Gemma 或任何开源智能体 LLM/VLM!

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-05-07
3
princeton-vl/infinigen

使用程序化生成创建无限逼真的世界

princeton-vl
⭐ 7,464 Python 👤 princeton-vl Organization 🕐 已更新 2026-11-11 📅 创建时间 2023-06-17
4
datajuicer/data-juicer

为基础模型处理数据,以及使用基础模型处理数据! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-08-01
5
Kiln-AI/Kiln

构建、评估和优化 AI 系统。包括评估、RAG、智能体、微调、合成数据生成、数据集管理、MCP 等。

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-07-23
6
lk-geimfari/mimesis

Mimesis 是一个用于生成多种语言和地区虚构但真实数据的 Python 库。

lk-geimfari
⭐ 4,873 Python 👤 lk-geimfari User 🕐 已更新 2026-11-13 📅 创建时间 2016-09-09
7
DLR-RM/BlenderProc

用于生成逼真训练图像的程序化 Blender 管道

DLR-RM
⭐ 3,804 Python 👤 DLR-RM Organization 🕐 已更新 2026-01-20 📅 创建时间 2019-10-10
8
sdv-dev/SDV

表格数据的合成数据生成

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 已更新 2026-11-16 📅 创建时间 2018-05-11
9
synthetichealth/synthea

合成患者群体模拟器

synthetichealth
⭐ 3,474 Java 👤 synthetichealth Organization 🕐 已更新 2026-11-20 📅 创建时间 2016-06-17
10
argilla-io/distilabel

Distilabel 是一个为工程师设计的合成数据和 AI 反馈框架,他们需要基于已验证的研究论文构建快速、可靠且可扩展的管道。

argilla-io
⭐ 3,467 Python 👤 argilla-io Organization 🕐 已更新 2026-11-18 📅 创建时间 2023-10-16
11
pgmpy/pgmpy

Python因果与概率推理工具包

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 已更新 2026-11-21 📅 创建时间 2013-09-20
12
a312863063/generators-with-stylegan2

这是一个基于 StyleGAN2 的面部生成器系列

a312863063
⭐ 2,492 Python 👤 a312863063 User 🕐 已更新 2026-09-03 📅 创建时间 2019-12-21
13
rpautrat/SuperPoint

高效的神经特征检测器和描述符

rpautrat
⭐ 2,459 Jupyter Notebook 👤 rpautrat User 🕐 已更新 2025-05-05 📅 创建时间 2018-03-05
14
hitsz-ids/synthetic-data-generator

SDG 是一个专门的框架,旨在生成高质量的结构化表格式数据。

hitsz-ids
⭐ 2,442 Python 👤 hitsz-ids Organization 🕐 已更新 2026-11-16 📅 创建时间 2023-08-10
15
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer:从零开始或从种子数据生成高质量合成数据。

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-10-16
16
unrealcv/unrealcv

UnrealCV: 连接计算机视觉与虚幻引擎

unrealcv
⭐ 2,227 Python 👤 unrealcv Organization 🕐 已更新 2026-09-04 📅 创建时间 2016-09-08
17
axoviq-ai/synthadoc

Synthadoc:一款开源的大语言模型知识编译引擎,可将原始文档转化为结构化的本地优先维基。它是传统RAG的一种透明、人类可读的替代方案,无需使用任何工具即可自行管理和自我改进。

axoviq-ai
⭐ 1,998 Python 👤 axoviq-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-11
18
google-deepmind/mathematics_dataset

此数据集代码生成一系列难度大致为学校水平的数学问题和答案对。

google-deepmind
⭐ 1,925 Python 👤 google-deepmind Organization 🕐 已更新 2024-12-23 📅 创建时间 2019-03-27
19
GreenmaskIO/greenmask

数据库匿名化和测试数据管理

GreenmaskIO
⭐ 1,809 Go 👤 GreenmaskIO Organization 🕐 已更新 2026-11-18 📅 创建时间 2023-12-01
20
bespokelabsai/curator

后训练和结构化数据提取的合成数据管理

bespokelabsai
⭐ 1,766 Python 👤 bespokelabsai Organization 🕐 已更新 2026-11-02 📅 创建时间 2024-10-28
21
stephansturges/WALDO

低洼可探测物体的位置确定。适用于无人机的FOSS AI的SOTA!

stephansturges
⭐ 1,690 Python 👤 stephansturges User 🕐 已更新 2025-01-07 📅 创建时间 2022-11-02
22
Data-Centric-AI-Community/fg-data-synthetic

表格和时间序列数据的合成数据生成器

Data-Centric-AI-Community
⭐ 1,662 Jupyter Notebook 👤 Data-Centric-AI-Community Organization 🕐 已更新 2026-09-03 📅 创建时间 2020-05-04
23
huggingface/aisheets

无需代码,即可使用 AI 模型构建、丰富和转换数据集

huggingface
⭐ 1,656 TypeScript 👤 huggingface Organization 🕐 已更新 2026-09-23 📅 创建时间 2025-01-16
24
sdv-dev/CTGAN

用于生成合成表格数据的条件 GAN。

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 已更新 2026-11-16 📅 创建时间 2019-09-08
25
shuttle-hq/synth

声明式数据生成器

shuttle-hq
⭐ 1,472 Rust 👤 shuttle-hq Organization 🕐 已更新 2024-09-27 📅 创建时间 2020-08-09
26
plurai-ai/intellagent

使用模拟的、真实的合成交互进行代理的全面诊断和优化的框架

plurai-ai
⭐ 1,266 Python 👤 plurai-ai Organization 🕐 已更新 2026-09-14 📅 创建时间 2024-10-28
27
datadreamer-dev/DataDreamer

DataDreamer:提示。生成合成数据。训练和对齐模型。   🤖💤

datadreamer-dev
⭐ 1,112 Python 👤 datadreamer-dev Organization 🕐 已更新 2025-02-02 📅 创建时间 2023-06-02
28
cuevhv/mamma

MAMMA 的官方代码:无标记精确多人运动捕捉。

cuevhv
⭐ 907 Python 👤 cuevhv User 🕐 已更新 2026-11-10 📅 创建时间 2026-05-06
29
nolabs-ai/deepfabric

在一个单一管道中生成高质量合成数据、训练、测量和评估

nolabs-ai
⭐ 896 Python 👤 nolabs-ai Organization 🕐 已更新 2026-11-13 📅 创建时间 2024-10-25
30
magpie-align/magpie

[ICLR 2025] 从零开始合成对齐数据,方法是向对齐的 LLM 输入空提示。您的 SOTA 综合数据生成流程!

magpie-align
⭐ 861 Python 👤 magpie-align Organization 🕐 已更新 2025-03-17 📅 创建时间 2024-06-12
31
BatsResearch/bonito

一个用于在没有 GPT 的情况下为您的数据生成合成指令调优数据集的轻量级库。

BatsResearch
⭐ 831 Python 👤 BatsResearch Organization 🕐 已更新 2025-07-15 📅 创建时间 2024-02-25
32
CHATS-lab/verbalized-sampling

语言化采样(Verbalized Sampling),一种无需训练的提示策略,通过请求具有概率的响应来减轻LLM中的模式崩溃。在保持质量的同时,实现了2-3倍的性能多样性提升。一个模型无关的框架,提供CLI/API用于创意写作、合成数据生成和对话模拟。

CHATS-lab
⭐ 828 Python 👤 CHATS-lab Organization 🕐 已更新 2026-11-08 📅 创建时间 2025-05-20
33
mostly-ai/mostlyai

合成数据 SDK ✨

mostly-ai
⭐ 805 Python 👤 mostly-ai Organization 🕐 已更新 2026-10-29 📅 创建时间 2023-12-22
34
nicolas-hbt/pygraft

触手可及的可配置合成模式和知识图谱生成

nicolas-hbt
⭐ 718 Python 👤 nicolas-hbt User 🕐 已更新 2026-01-26 📅 创建时间 2023-09-07
35
vanderschaarlab/synthcity

一个用于生成和评估隐私、公平性和数据增强的合成表格数据的库。

vanderschaarlab
⭐ 697 Python 👤 vanderschaarlab Organization 🕐 已更新 2026-04-21 📅 创建时间 2022-03-18
36
gretelai/gretel-synthetics

用于结构化和非结构化文本的合成数据生成器,具有差分隐私学习功能。

gretelai
⭐ 671 Python 👤 gretelai Organization 🕐 已更新 2025-06-24 📅 创建时间 2020-03-02
37
jofpin/synthBTC

一个使用先进的蒙特卡洛模拟和Turbit并行处理来创建可能的比特币预测场景的工具。

jofpin
⭐ 664 JavaScript 👤 jofpin User 🕐 已更新 2024-08-04 📅 创建时间 2024-08-02
38
sdv-dev/Copulas

一个使用copula建模多变量数据的库。

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 已更新 2026-11-16 📅 创建时间 2017-11-13
39
onyx-dot-app/EnterpriseRAG-Bench

用于公司内部文档RAG的数据集和基准。

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 已更新 2026-09-03 📅 创建时间 2026-02-19
40
EzioBy/Ditto

[CVPR'26 亮点] Ditto:使用高质量合成数据集扩展基于指令的视频编辑

EzioBy
⭐ 636 Python 👤 EzioBy User 🕐 已更新 2026-06-01 📅 创建时间 2025-10-19
41
Arlo0o/UniScene-Unified-Occupancy-centric-Driving-Scene-Generation

[CVPR 2025, TPAMI 2026] UniScene:统一以占用为中心的驾驶场景生成

Arlo0o
⭐ 624 Python 👤 Arlo0o User 🕐 已更新 2026-05-24 📅 创建时间 2024-12-10
42
sparkfish/augraphy

用于渲染合成纸打印、传真、扫描和复印机流程的增强管道

sparkfish
⭐ 559 Python 👤 sparkfish Organization 🕐 已更新 2025-07-20 📅 创建时间 2021-05-31
43
yandex-research/tab-ddpm

[ICML 2023] 论文「TabDDPM: 利用扩散模型对表格数据进行建模」的官方实现

yandex-research
⭐ 523 Python 👤 yandex-research Organization 🕐 已更新 2024-07-13 📅 创建时间 2022-10-02
44
expectedparrot/edsl

设计、开展并分析由人工智能驱动的调查和实验结果。利用大量人工智能代理和大型语言模型,模拟社会科学研究和市场调研。

expectedparrot
⭐ 521 Python 👤 expectedparrot Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-01-02
45
Nightmare-n/DepthAnyVideo

使用可扩展的合成数据测定任意视频的深度 (ICLR 2025)

Nightmare-n
⭐ 508 Python 👤 Nightmare-n User 🕐 已更新 2024-12-04 📅 创建时间 2024-10-08
46
yejy53/Echo-4o

Echo-4o:利用专有模型的合成图像改进图像生成

yejy53
⭐ 507 Jupyter Notebook 👤 yejy53 User 🕐 已更新 2025-12-09 📅 创建时间 2025-08-11
47
yangzhou24/OmniWorld

[ICLR 2026] OmniWorld:用于 4D 世界建模的多领域、多模态数据集

yangzhou24
⭐ 506 Python 👤 yangzhou24 User 🕐 已更新 2026-04-16 📅 创建时间 2025-09-15
48
databrickslabs/dbldatagen

快速为您的项目生成相关的合成数据。Databricks Labs 合成数据生成器(又称 `dbldatagen`)可用于在 Databricks 环境中生成大型模拟/合成数据集,用于测试、概念验证(POC)及其他用途,包括 Delta Live Tables 管道。

databrickslabs
⭐ 506 Python 👤 databrickslabs Organization 🕐 已更新 2026-10-26 📅 创建时间 2019-07-23
49
intellicia-public/parastore

绘制一家商店,生成LLM角色,并观察它们购物——一个用于合成消费者实验的等距3D沙盒。

intellicia-public
⭐ 502 TypeScript 👤 intellicia-public Organization 🕐 已更新 2026-05-21 📅 创建时间 2026-05-15

常见问题解答

1

GitHub 上最受欢迎的 #synthetic-data 仓库是什么?

GitHub 上排名第一的开源 #synthetic-data 项目是 stefan-jansen/machine-learning-for-trading,拥有 21,929 个 Star。《机器学习交易》第三版的代码——从数据获取到实时执行。

2

#synthetic-data 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #synthetic-data 项目中,最常见的编程语言是 Python, Jupyter Notebook, TypeScript, Java。

3

#synthetic-data 仓库的排名是如何计算的?

我们跟踪了 49 个标记为 #synthetic-data 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 118,509 个 Star,平均每个仓库拥有 2,418 个 Star。排名每日根据 GitHub API 更新。