Repolode
Enviar
NVIDIA-NeMo

NVIDIA-NeMo/DataDesigner

Framework de Python de NVIDIA para generar datasets sintéticos desde cero o a partir de datos semilla, con samplers, LLMs, modelos de imagen y validadores.

Ver en GitHubSitio web
Estrellas
2,398
Forks
243
Issues abiertos
67
Último commit
hace 19 horas

¿Qué es?

NeMo Data Designer es un framework para crear datasets sintéticos que van más allá de limitarse a enviar prompts a un modelo de lenguaje. Las columnas pueden generarse mediante distribuciones estadísticas, LLMs o modelos de imagen, o extraerse de datasets semilla existentes. También es posible hacer que unos campos dependan de otros para mantener la coherencia de sus relaciones.

Los resultados generados pueden comprobarse con validadores de Python y SQL, validadores personalizados o evaluadores LLM. El framework admite contexto multimodal con imágenes, audio y video, y permite conectar la generación con servidores MCP locales o remotos, mientras registra trazas de las interacciones. Antes de ejecutar un trabajo de gran tamaño, los usuarios pueden previsualizar un registro de muestra, y también reanudar y supervisar procesos de generación prolongados.

Los modelos se configuran mediante proveedores como NVIDIA Build, OpenAI y OpenRouter, y una CLI permite configurar proveedores y modelos. Los paquetes de plugins, que se mantienen en un repositorio independiente, añaden funciones como lectores de datos semilla de GitHub y un kit de herramientas para generar preguntas y respuestas a partir de información recuperada. Se admite Python de la versión 3.10 a la 3.14.

Funciones clave

  • 01Genera texto, datos estructurados e imágenes mediante samplers, LLMs, modelos de imagen o datasets semilla.
  • 02Controla las relaciones entre campos mediante generación que tiene en cuenta las dependencias.
  • 03Valida los resultados con Python, SQL, validadores personalizados y evaluadores LLM.
  • 04Conecta la generación con servidores MCP locales o remotos y registra trazas.
  • 05Admite plugins para añadir fuentes de datos y pasos de procesamiento.

Casos de uso

  • Crear reseñas sintéticas de clientes o catálogos de productos con atributos controlados para pruebas o entrenamiento.
  • Generar pares de preguntas y respuestas a partir de documentos para entrenar sistemas de recuperación.
  • Crear datasets validados de uso de herramientas o de interacciones con agentes.

Inicio rápido

  1. 1

    Instala Data Designer desde PyPI

    pip install data-designer
  2. 2

    Configura una clave API para un proveedor de modelos predeterminado

    export NVIDIA_API_KEY="your-api-key-here"
  3. 3

    Ejecuta el ejemplo de Python del README para previsualizar los datos generados

Antes de usarlo

  • La generación requiere una clave API de un proveedor de modelos como NVIDIA Build, OpenAI u OpenRouter.
  • La telemetría se recopila de forma predeterminada y se puede desactivar con NEMO_TELEMETRY_ENABLED=false.
  • NVIDIA Build está pensado únicamente para evaluación y pruebas, no para uso en producción.

En colecciones

Frameworks y apps de agentes de IA open sourceServidores MCP

Temas

#synthetic-data#data-generation#llm#multimodal#data-augmentation#tool-use#agentic-ai#mcp#nemo#nvidia

Preguntas frecuentes

¿Qué es DataDesigner?
Framework de Python de NVIDIA para generar datasets sintéticos desde cero o a partir de datos semilla, con samplers, LLMs, modelos de imagen y validadores. NeMo Data Designer es un framework para crear datasets sintéticos que van más allá de limitarse a enviar prompts a un modelo de lenguaje. Las columnas pueden generarse mediante distribuciones estadísticas, LLMs o modelos de imagen, o extraerse de datasets semilla existentes. También es posible hacer que unos campos dependan de otros para mantener la coherencia de sus relaciones.
¿DataDesigner es gratuito? ¿Qué licencia tiene?
DataDesigner es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿DataDesigner sigue mantenido?
Mantenimiento activo. El último commit de DataDesigner fue el 5 nov 2026.
¿Para qué puedo usar DataDesigner?
Crear reseñas sintéticas de clientes o catálogos de productos con atributos controlados para pruebas o entrenamiento. Generar pares de preguntas y respuestas a partir de documentos para entrenar sistemas de recuperación. Crear datasets validados de uso de herramientas o de interacciones con agentes.
¿Cómo se instala DataDesigner?
Instala Data Designer desde PyPI: pip install data-designer Configura una clave API para un proveedor de modelos predeterminado: export NVIDIA_API_KEY="your-api-key-here" Ejecuta el ejemplo de Python del README para previsualizar los datos generados
¿Dónde consigo DataDesigner?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/NVIDIA-NeMo/DataDesigner

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados