TAG-Bench是一个用于评估视频生成模型中人类动作真实性的基准数据集。它包含300个由5种不同模型生成的视频片段，以及来自246名人类评估者的评分。评分涵盖两个关键维度：动作一致性（AC）和时间连贯性（TC）。数据集设计为5种模型×10种动作×6种种子=300个视频，所有视频均为合成内容，无真实世界片段。数据集的目标是评估当前视频生成模型在捕捉常见物理动作的合理人类运动方面的表现。

Hugging Face2025-12-05 更新230

linoyts/wan_crumble_disintegrate_effect

文本到音频生成

视觉效果

这个数据集包含使用Wan 2.1 T2V 14B模型生成的视频。

Hugging Face2025-04-09 更新120

WorldModelBench

视频生成

人工智能评估

WorldModelBench是一个用于评估视频生成模型在世界建模能力方面的基准，它跨越了7个应用驱动的领域（包括机器人技术、驾驶、工业、人类活动、游戏、动画和自然）和56个子领域。每个领域都有50个精心挑选的提示，包括文本描述和初始视频帧，旨在为视频生成定制。

github2025-03-05 更新640

Rapidata/text-2-video-human-preferences-seedance-1-pro

视频生成

人类偏好

Rapidata Video Generation Seedance 1 Pro Human Preference数据集包含约60k个人类标注者的响应，用于评估Seedance 1 Pro视频生成模型。数据集通过Rapidata Python API收集，每个条目包含两个视频链接、用户评分和详细信息。数据集包括三个主要评估指标：Alignment（视频与描述的匹配程度）、Coherence（视频的

Hugging Face2025-07-30 更新130

linoyts/wan_flipping_coin

资源简介：

相关数据集