--- title: "我在 GitHub 上搜罗了 6 个高质量数据集，看看哪些会用到。 - Angryecho" description: "原创 逛逛 2026-10-31 08:21 北京 01 三十多万首唐宋诗词 chinese-poetry 把约 5.5 万首唐诗、26 万首宋诗和 2.1 万首宋词整理成了数据文件。 此外还收录了《诗经》《论语》等古典文集。 这个开源项目已经有 5 万多个 Star。 想做一个飞花令小游戏，可以从诗句里筛选指定的字。" canonical_url: "https://www.angryecho.com/c/github/p/P2TBByTozbIetnEBQKCAD" meta: "og:description": "原创 逛逛 2026-10-31 08:21 北京 01 三十多万首唐宋诗词 chinese-poetry 把约 5.5 万首唐诗、26 万首宋诗和 2.1 万首宋词整理成了数据文件。 此外还收录了《诗经》《论语》等古典文集。 这个开源项目已经有 5 万多个 Star。 想做一个飞花令小游戏，可以从诗句里筛选指定的字。" "og:image": "https://www.angryecho.com/_og/d/c_Post%2Ctitle_~5ZCQ5qe9572R%2Cdescription_~5ZCQ5qe95LiA5LiL77yM5bCx5LiK5ZCQ5qe9572R44CC%2CpostId_P2TBByTozbIetnEBQKCAD%2Crevision_~MjAyNi0xMS0wMVQwMjo1NTo1Ny40MDAxNzda%2Cp_Ii9jL2dpdGh1Yi9wL1AyVEJCeVRvemJJZXRuRUJRS0NBRCI%2Cs_KGzwEZYuYfvjy1aC.png" "og:image:height": "630" "og:image:type": image/png "og:image:width": "1200" "og:title": "我在 GitHub 上搜罗了 6 个高质量数据集，看看哪些会用到。" --- > Index of every page on this site: [llms.txt](https://www.angryecho.com/llms.txt) # **我在 GitHub 上搜罗了 6 个高质量数据集，看看哪些会用到。** 原创 逛逛 2026-10-31 08:21 北京 **01** ****三十多万首唐宋诗词**** chinese-poetry 把约 5.5 万首唐诗、26 万首宋诗和 2.1 万首宋词整理成了数据文件。 此外还收录了《诗经》《论语》等古典文集。 这个开源项目已经有 5 万多个 Star。 想做一个飞花令小游戏，可以从诗句里筛选指定的字。 想做诗人的作品集，可以按作者归类。 每天挑一首诗，配上日期和自己设计的页面，也能做成诗词日历。 这些应用需要的基础文本，在这里就能找到。 作品以 JSON 文件保存，程序可以读取标题、作者和正文，再接上搜索、收藏或背诵功能。 如果你想通过 Vibe Coding 去做一些给小朋友、小学生家长用的小应用、小程序啥的，这个数据集可以研究研究哈。 ``` 开源地址：https://github.com/chinese-poetry/chinese-poetry ``` **02** ****3D 资产数据集**** 第一个是英伟达开源的。 这是一套已经做好的**3D 物品素材**，里面有纸箱、推车、厨房用品、工业设备等。 **约 472GB，一共\*\*\*\*2575 个 3D 资产。** 做机器人训练场景时，可以从里面挑选物件，省去一部分自己建模的工作。 它是面向**物理仿真**。 在支持的软件里，模型可以配合碰撞、重量、摩擦等属性，模拟箱子落地、物体碰撞等情况。 适合做机器人训练、工业仿真和虚拟场景。 使用前需要确认软件支持它的 OpenUSD 格式。 ### 还有一个数据集是 Scenario 3D Collection 。 ### 收集了 **AI 生成的 3D 模型**，比如卡通角色、宝箱、家具和车辆。 大约 38.7GB，一共 1342 个素材，其中有 GLB 等不同格式。 ``` 数据地址：https://huggingface.co/datasets/nvidia/simready-assets 数据地址：https://huggingface.co/datasets/scenario-labs/3d-collection ``` **03** ****雅思英语单词数据集**** 如果你想做一个背单词的工具。 除了单词和释义，还得准备例句、图片和发音。 这个叫词光 Word Atlas 的开源项目就是一个这样英语单词学习的数据集。 一共 7298 个单词和例句、7298 幅插画，以及两万多段英音、美音和例句朗读音频。 单词和例句，其实还会包括中英文的释义、常用搭配，而且还有难度和话题呢。 开发者还做了一个背词应用，支持看图练习、听音辨词、拼写和间隔复习。 其实这个数据集，文字和插画都是用 AI 生成的。然后语音由 ElevenLabs 生成。 ``` 开源地址：https://github.com/designfuchen/word-atlas ``` **04** ****1324 个健身动作数据集**** Exercises Dataset 收集了 1324 个健身动作。 每个动作都配有缩略图、GIF 演示和文字步骤，已经有 2 万多个 Star。 我之前应该介绍过这个。 这个数据集每一个动作的内容包括器械、训练部位、目标肌肉和辅助肌群。 支持 10 种语言。 ``` 开源地址：https://github.com/hasaneyldrm/exercises-dataset ``` **05** ****各国家的城市、省州名称数据集**** Countries States Cities Database 收集了约 250 个国家及地区的信息，包含 15 万多个城市、城镇和区县条目。 做跨国地址表单、城市查询工具或旅行地图时，可以从这里找基础数据。 注册页面里常见的“先选国家，再选省州，最后选城市”，就需要这样的层级关系。 把相关数据读进程序，便能根据上一级选择，显示下一级选项。 数据中还包含国家代码、经纬度、时区、货币等信息，具体字段随数据类型而变化。 比如做一张旅行地图，可以读取城市条目的经纬度，配合地图工具标出地点。 项目备有 JSON、CSV、SQL 等格式，按自己的使用方式选择即可。 只做国家选择框，就先用国家数据，需要更细的地址选择，再接入省州和城市文件。 ``` 开源地址：https://github.com/dr5hn/countries-states-cities-database ``` **06** ****15TB 物理模拟数据**** 这个开源项目收集了 16 组物理模拟数据，总规模达到 15TB。 包括流体运动、声波传播、生物系统和超新星爆炸等场景。 这些数据保存了模拟系统在不同时刻的状态。 把连续几个时刻的数值画出来，可以观察一个物理过程怎样变化。 把它们交给机器学习模型训练，则可以研究如何根据已有状态预测后续演变。 各组数据采用统一的格式和读取方式，除了随时间变化的物理量，也包含模拟参数等信息。 ``` 开源地址：https://github.com/PolymathicAI/the_well ``` 07 **点击下方卡片，关注逛逛 GitHub** 这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了： ![图片](https://wechat2rss.bestblogs.dev/img-proxy/?k=020d9acb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FePw3ZeGRrux2sRxwJzmfe1lK8ic33XvtVPsIPCMV7hjicmScibtxIZ1NsjXxNoVNMb3zLy32Al7PSpfbVAtrACYqQ%2F640%3Fwx_fmt%3Dother%26from%3Dappmsg%26wxfrom%3D5%26wx_lazy%3D1%26wx_co%3D1%26tp%3Dwebp%23imgIndex%3D11) [跳转微信打开](https://wechat2rss.bestblogs.dev/link-proxy/?k=b366674b&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzUxNjg4NDEzNA%3D%3D%26mid%3D2247538180%26idx%3D1%26sn%3Df8f37078438b90a2815051c5012a8acc) 排序方式 : ### **成为第一条评论！** Nobody's responded to this post yet. Add your thoughts and get the conversation going. ```json {"@context":"https://schema.org","@graph":[{"@id":"https://www.angryecho.com/c/github/p/P2TBByTozbIetnEBQKCAD#post","@type":"DiscussionForumPosting","commentCount":0,"dateModified":"2026-11-01T02:55:57.400Z","datePublished":"2026-10-31T00:21:00.545Z","description":"原创 逛逛 2026-10-31 08:21 北京 01 三十多万首唐宋诗词 chinese-poetry 把约 5.5 万首唐诗、26 万首宋诗和 2.1 万首宋词整理成了数据文件。 此外还收录了《诗经》《论语》等古典文集。 这个开源项目已经有 5 万多个 Star。 想做一个飞花令小游戏，可以从诗句里筛选指定的字。","headline":"我在 GitHub 上搜罗了 6 个高质量数据集，看看哪些会用到。","isPartOf":"https://www.angryecho.com/c/github","mainEntityOfPage":"https://www.angryecho.com/c/github/p/P2TBByTozbIetnEBQKCAD","text":"原创 逛逛 2026-10-31 08:21 北京\n\n\n\n01\n\n三十多万首唐宋诗词\n\nchinese-poetry\u00a0把约 5.5 万首唐诗、26 万首宋诗和 2.1 万首宋词整理成了数据文件。\n\n此外还收录了《诗经》《论语》等古典文集。\n\n这个开源项目已经有 5 万多个 Star。\n\n\n\n想做一个飞花令小游戏，可以从诗句里筛选指定的字。\n\n想做诗人的作品集，可以按作者归类。\n\n每天挑一首诗，配上日期和自己设计的页面，也能做成诗词日历。\n\n这些应用需要的基础文本，在这里就能找到。\n\n\n\n作品以 JSON 文件保存，程序可以读取标题、作者和正文，再接上搜索、收藏或背诵功能。\n\n如果你想通过 Vibe Coding 去做一些给小朋友、小学生家长用的小应用、小程序啥的，这个数据集可以研究研究哈。\n\n\n\n\n\n开源地址：https://github.com/chinese-poetry/chinese-poetry\n\n02\n\n3D 资产数据集\n\n第一个是英伟达开源的。\n\n这是一套已经做好的3D 物品素材，里面有纸箱、推车、厨房用品、工业设备等。\n\n约 472GB，一共****2575 个 3D 资产。\n\n做机器人训练场景时，可以从里面挑选物件，省去一部分自己建模的工作。\n\n它是面向物理仿真。\n\n在支持的软件里，模型可以配合碰撞、重量、摩擦等属性，模拟箱子落地、物体碰撞等情况。\n\n适合做机器人训练、工业仿真和虚拟场景。\n\n使用前需要确认软件支持它的 OpenUSD 格式。\n\n\n\n还有一个数据集是\u00a0Scenario 3D Collection 。\n\n收集了\u00a0AI 生成的 3D 模型，比如卡通角色、宝箱、家具和车辆。\n\n大约 38.7GB，一共 1342 个素材，其中有 GLB 等不同格式。\n\n\n\n\n\n数据地址：https://huggingface.co/datasets/nvidia/simready-assets \n数据地址：https://huggingface.co/datasets/scenario-labs/3d-collection\n\n03\n\n雅思英语单词数据集\n\n如果你想做一个背单词的工具。\n\n除了单词和释义，还得准备例句、图片和发音。\n\n这个叫词光 Word Atlas\u00a0的开源项目就是一个这样英语单词学习的数据集。\n\n一共\u00a07298 个单词和例句、7298 幅插画，以及两万多段英音、美音和例句朗读音频。\n\n\n\n单词和例句，其实还会包括中英文的释义、常用搭配，而且还有难度和话题呢。\n\n开发者还做了一个背词应用，支持看图练习、听音辨词、拼写和间隔复习。\n\n其实这个数据集，文字和插画都是用 AI 生成的。然后语音由 ElevenLabs 生成。\n\n\n\n\n\n\n\n开源地址：https://github.com/designfuchen/word-atlas\n\n04\n\n1324 个健身动作数据集\n\nExercises Dataset 收集了 1324 个健身动作。\n\n每个动作都配有缩略图、GIF 演示和文字步骤，已经有 2 万多个 Star。\n\n我之前应该介绍过这个。\n\n\n\n这个数据集每一个动作的内容包括器械、训练部位、目标肌肉和辅助肌群。\n\n支持 10 种语言。\n\n\n\n开源地址：https://github.com/hasaneyldrm/exercises-dataset\n\n05\n\n各国家的城市、省州名称数据集\n\nCountries States Cities Database 收集了约 250 个国家及地区的信息，包含 15 万多个城市、城镇和区县条目。\n\n做跨国地址表单、城市查询工具或旅行地图时，可以从这里找基础数据。\n\n\n\n注册页面里常见的“先选国家，再选省州，最后选城市”，就需要这样的层级关系。\n\n把相关数据读进程序，便能根据上一级选择，显示下一级选项。\n\n数据中还包含国家代码、经纬度、时区、货币等信息，具体字段随数据类型而变化。\n\n比如做一张旅行地图，可以读取城市条目的经纬度，配合地图工具标出地点。\n\n\n\n项目备有 JSON、CSV、SQL 等格式，按自己的使用方式选择即可。\n\n只做国家选择框，就先用国家数据，需要更细的地址选择，再接入省州和城市文件。\n\n\n\n开源地址：https://github.com/dr5hn/countries-states-cities-database\n\n06\n\n15TB 物理模拟数据\n\n这个开源项目收集了 16 组物理模拟数据，总规模达到 15TB。\n\n包括流体运动、声波传播、生物系统和超新星爆炸等场景。\n\n\n\n这些数据保存了模拟系统在不同时刻的状态。\n\n把连续几个时刻的数值画出来，可以观察一个物理过程怎样变化。\n\n把它们交给机器学习模型训练，则可以研究如何根据已有状态预测后续演变。\n\n\n\n各组数据采用统一的格式和读取方式，除了随时间变化的物理量，也包含模拟参数等信息。\n\n\n\n开源地址：https://github.com/PolymathicAI/the_well\n\n07\n\n点击下方卡片，关注逛逛 GitHub\n\n这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：\n\n\n\n跳转微信打开","url":"https://www.angryecho.com/c/github/p/P2TBByTozbIetnEBQKCAD","author":{"@type":"Person","name":"folo","url":"https://www.angryecho.com/u/F2Ofolo"},"image":["https://wechat2rss.bestblogs.dev/img-proxy/?k=eb5d2136&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2FM2ibDBMdECU0bTmiad9OYaHtAqosxiaNhUDJbcv8tWib1JPXCiaZpzJh6lVssvZGfGicxgYvnvjTI5W1zeJsBVlD7nFh3mS84KRtTZ8lXoE4egwHQ%2F0%3Fwx_fmt%3Djpeg","https://wechat2rss.bestblogs.dev/img-proxy/?k=2268fb5e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU3ANhicIeoxNBu7icwib2m4LPD4gq5h3VZh3kW5j4Kc0Bx914lCFuTKicBa9fgpoFs1qdKQX6ibSOFkVlbzpnIG9VicwX5yPjMbvEZuM%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=ecb900ef&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FM2ibDBMdECU1Ub1cicklbwbhKDj6YzCNKrOCicRKcvJVTSqdk3xulg3xkmDhjO5BBdCLe59LCVNmpG7rBC6tfWhkwh7M8QZSY7oy1ZPyNbqGSQ%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=b5b5cd70&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU16gGnmtudqTt07YibBqnZBnUqx1gM1ZevnzPOyxwaJIIYdy5jtHgtWiaYiaqKVRIAaaXpVb9j9IyNQRhmau8WJMf5fQFoibfGrY84%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=9b8a558d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU0ZheVjlqmLRNAcXDPTRVXyqul1pLQibMUXYlRe6nBV2DiajtwktUGcphKSPdVqK7vbjw2DxvvFgHtQv49Dia3XsibyUHpzHfuLEcw%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=f93ce8f0&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FM2ibDBMdECU304LVRF58TXOh4iacvmUq81yiaMhLFhGhUUEPxRcFc5b5m4qCEXF44b2Zia0hXJhDqL7ia41BD3yDQlYZiaSAjruuVJuq0qCNicY3Wk%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=5173ad35&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FM2ibDBMdECU0qAc2JiaKhzprBSelzGj0ygjyyE6x4KbAL9ibLAics76MsYXA9Sjh7XNpTUMPWymCPtt9jynsBDCicMuhA8AxdzoCglrUSXPDKqgY%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=f369f7e8&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU2z3lweC1z2wZV2KLRDl2xCcKtqJawEEltKu6sIuFS8nC9KSTD1faodtPkAXcMmxDZrzweQNoibibyglujib31h8CMiaa9wfUewt1o%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=5ae48345&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU2MLhX5b72M5PJE9UaBOS0ttBpwqfPGvLK88S7t3ufGeK8RtvSp3VOdDVdV3tDevTRMx824qnAUjCiaOGliakhGNmAhJ9ticCjB9Y%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=f612170f&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU2gYGRSVBEhiafU8iboibOUxic8HoScdnnuyQLPO4CLQbRMlvfFaibiaYbbGcK7xlkibicurR7ooqjiaYHP5XOmowMHPEicwp7YQrv1SJ79Q%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=b58f60d8&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU1z69I1LhZNTXQv927J3DMRbHWHEDOTB0ILOjKHo4OuRTQGrqekTZib5MthDGPup1Z9icZfZJK0u5M6Enam4F6eL85TCVTKt8sTI%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=edbf694d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FM2ibDBMdECU1D31ZwiaULp0JkKC05cLremPcicA5F0jjJP2PJhtUGIDszOLGiaUd2Picc6c0UadJljztDR4quRX42IWcErHIp03uIPD1fPmGIlNU%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=f31a2105&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FM2ibDBMdECU0vP8Zr9SpTibQbFrzrq4lENSEWIKT82KcnKvOTSezmGYKox2ywFRQywicBfAwE6CnqmwYzeiabyjuRMgoialK9PaX31TgmTpNliaibs%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=f902e0a1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2FM2ibDBMdECU1wjFOPaykVAQJfC0kRGicicibic5ze6SKAIS3ktqp6TTw0U2Qa39ywnMknEVfFROeafTlqh2anb2478yiagHsM6RMjIEyqZgXPcqDE%2F640%3Fwx_fmt%3Dgif%26from%3Dappmsg","https://wechat2rss.bestblogs.dev/img-proxy/?k=020d9acb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FePw3ZeGRrux2sRxwJzmfe1lK8ic33XvtVPsIPCMV7hjicmScibtxIZ1NsjXxNoVNMb3zLy32Al7PSpfbVAtrACYqQ%2F640%3Fwx_fmt%3Dother%26from%3Dappmsg%26wxfrom%3D5%26wx_lazy%3D1%26wx_co%3D1%26tp%3Dwebp%23imgIndex%3D11"],"interactionStatistic":[{"@type":"InteractionCounter","interactionType":"https://schema.org/LikeAction","userInteractionCount":0},{"@type":"InteractionCounter","interactionType":"https://schema.org/DislikeAction","userInteractionCount":0},{"@type":"InteractionCounter","interactionType":"https://schema.org/ViewAction","userInteractionCount":0},{"@type":"InteractionCounter","interactionType":"https://schema.org/ShareAction","userInteractionCount":0}]}]} ``` ## Sitemap See the full [sitemap](https://www.angryecho.com/sitemap.md) for all pages.