面向开发者的 1324 条多语言健身动作结构化数据集：一份可直接落地的健身 App 数据层

面向开发者的 1324 条多语言健身动作结构化数据集一份可直接落地的健身 App 数据层核心观点这个仓库hasaneyldrm/exercises-dataset本质上是一个开箱即用的健身 App 数据基础设施包而不只是一份数据集。它把原本要花几周才能搞定的事情——找数据、清洗、配媒体、写多语言、建 DB schema、生成 API 脚手架——打包成了单一 repo 交付。核心价值点在于数据 媒体 开发者工具链三位一体这是同类开源数据集里目前最完整的集成度。关键信息数据规模与覆盖维度详情动作总数1,324 条语言支持9 种英/西/意/土/俄/中/印地/波兰/韩媒体资源每条动作配 180×180 动画 GIF 缩略图© Gym Visual许可证代码/数据 MIT媒体资源归属 Gym Visual需遵守其条款按身体部位分布前五部位动作数上臂292大腿227背部203腰腹169胸部163约 25%325 条的动作为纯徒手适合面向居家健身场景的产品。数据字段结构每条记录的关键字段{ id: 0001, name: 3/4 sit-up, category: waist, body_part: waist, equipment: body weight, target: abs, muscle_group: hip flexors, secondary_muscles: [hip flexors, lower back], instructions: { en: Lie flat on your back..., zh: 平躺膝盖弯曲双脚平放在地上..., ko: 등을 바닥에 누워... }, instruction_steps: { en: [Step 1..., Step 2...] }, image: images/0001-2gPfomN.jpg, gif_url: videos/0001-2gPfomN.gif, attribution: © Gym visual — https://gymvisual.com/, created_at: 2026-03-18T12:31:32.85479800:00 }字段设计上有一个值得注意的细节instructions完整文本和instruction_steps按步骤拆分的数组同时存在前者适合全文搜索/向量嵌入后者适合 UI 逐步展示说明作者考虑过不同消费场景。真正关键的机制三合一工具链这个 repo 的核心机制不是数据本身而是附带的setup.html。它做了一件很聪明的事在浏览器端把 1,324 条记录动态生成 SQL INSERT 语句支持 SQL Server / PostgreSQL / MySQL / SQLite 四种方言无需服务端。更进一步它内置了一个结构化 LLM Prompt用户填入框架Express.js、FastAPI、Spring Boot 等和数据库类型后直接粘贴到 ChatGPT/Claude 就能一次性生成生产就绪的 REST API。这意味着从有数据到跑起 API的路径被压缩到了小时级对个人开发者和原型阶段的团队来说摩擦成本极低。放进历史脉络与同类数据集的对比搜索后确认了两个主要竞品①yuhonas/free-exercise-db公共领域Unlicense约 800 条动作英文为主无官方多语言支持字段更丰富含force推/拉、mechanic孤立/复合、level难度等级——这三个字段是exercises-dataset明显缺失的媒体资源为静态 JPG无 GIF 动画配有 Vue.js 可浏览前端集成 ImageKit 做动态缩放许可证更宽松公共领域 vs MIT Gym Visual 商业条款限制② ExerciseDB APIoss.exercisedb.dev开源版本约 1,500 条提供 GIF 媒体有 REST API 接口定位偏向 API 调用而非本地数据集部署稳定性存疑验证时服务暂停无明确多语言文档说明总结对比表维度exercises-datasetfree-exercise-dbExerciseDB OSS动作数量1,3248001,500多语言✅ 9 种❌ 仅英文❌ 不明确动画 GIF✅❌ 仅静态图✅难度/力量/机制字段❌✅部分本地可离线使用✅✅依赖 API媒体许可风险⚠️ Gym Visual 条款较低需查证开发者脚手架✅ 最完整有限API 文档交叉验证信源一yuhonas/free-exercise-dbGitHub不同作者认同多语言和 GIF 动画是痛点该项目作者明确说做健身 App 时找不到结构合理的免费数据侧面印证了这类数据集的市场需求真实存在补充了原文没有的字段force发力方向、mechanic动作机制、level难度是exercises-dataset的明显空白搭建训练计划推荐系统时会直接缺这块反驳了完整的定位原文 README 称自己是comprehensive但缺少难度分级和动作机制标注对实际应用来说是不完整的信源二ExerciseDB 项目生态exercisedb.iooss.exercisedb.dev印证了1,300 条 GIF在该领域是主流规格说明原文数据量并不特别稀缺ExerciseDB 商业版文档明确提到import dataset into your own database——与原文 setup.html 思路一致说明离线部署是开发者真实需求揭示了竞争格局GIF 结构化元数据这个组合已经存在多个版本exercises-dataset的真正差异化在于多语言指令 开发者工具链一体化而非数据量本身边界与局限不能无条件赞扬媒体版权是最大风险点。GIF 和缩略图版权归 Gym VisualMIT 许可证只覆盖代码和数据文字媒体资源的商业使用必须单独确认。原文在 README 中提了used with permission但实际条款细节藏在NOTICE.md中开发者在商业产品中用之前必须仔细审查。缺少难度分级和动作机制字段。没有level初学/进阶、force推/拉、mechanic孤立/复合就无法做适合新手的推类复合动作这样的过滤逻辑对智能训练计划生成场景是硬伤。指令质量存疑。9 种语言的步骤说明极可能是机器翻译产出未见人工审校的说明。中文、印地语等非英语版本的表述质量需用户自行评估。180×180 分辨率较低。GIF 在移动端高清屏上可能显示模糊大屏 Web 端体验更差。适合原型开发上线产品可能需要替换媒体源。**数据创建时间戳2026 年**显得异常可能是作者系统时间设置问题不代表实际更新日期依赖created_at做版本管理的开发者需注意。个人启发这篇文章对开发者的实际价值这个数据集的最佳定位是MVP 阶段的健身 App 数据层而非生产级完整解决方案。具体行动建议独立开发者 / Hackathon 场景直接 clone用setup.html生成 SQL配合 LLM Prompt 生成 FastAPI 后端几小时内可以跑起带搜索的健身动作库。性价比极高。创业团队验证 PMF 阶段可以用这套数据快速出原型但上线前必须处理两件事① 替换或授权媒体资源② 补充难度分级字段可以自行标注或调用 LLM 批量生成。ML/AI 研究场景动作识别、推荐系统多语言指令文本 结构化肌肉群标注是较好的训练数据源但建议与free-exercise-db合并使用以补全mechanic和level字段。不适用场景需要精准难度分级的专业训练 App、或对版权要求严格的大厂产品这套数据集不够用需要考虑 ExerciseDB 商业版或自建数据。延伸思考多语言指令真的够用吗9 种语言如果是机器翻译对非英语母语用户的价值存疑——一个面向中国用户的健身 App用这套数据集的中文指令直接上线用户体验会是什么样有没有必要在 LLM 时代投入人工校对还是说 GPT-4o 的实时翻译已经可以替代预存多语言数据数据集 工具链模式会成为开源项目的新范式吗这个 repo 的真正价值不在数据而在setup.html脚手架工具。这种数据 开发者工具一体化交付的思路是否会催生更多类似项目如果 LLM 能实时生成任意框架的 CRUD 代码standalone 的脚手架 HTML 还有存在意义吗健身数据集的版权围墙会越来越高吗Gym Visual 的媒体资源used with permission但条款不透明ExerciseDB 商业化明显free-exercise-db 数据量最小但许可最干净。随着健身 App 市场竞争加剧高质量的动作 GIF 素材会不会像字体库一样走向完全商业化逼迫开发者要么付费要么自制 3D 渲染替代真人 GIF 参考来源GitHub - hasaneyldrm/exercises-dataset: 1,324-exercise fitness dataset — animation GIFs, 180×180 thumbnails, muscle-group equipment data, and step-by-step instructions in 6 languages. The exercise data layer behind the LogPress app. · GitHub