音视频数据-通用视频理解

数据集覆盖多类型视频及字幕信息，支持视频理解、动作识别、字幕生成及多模态学习任务。

243.1万条数据更新时间 2026-06-08

数据集简介

面向 AI 视频模型训练的大规模视频数据集，包含 3600 万高质量视频片段及对应的细粒度文本描述（Caption）、视频质量评分和时间切片信息。该数据集可用于文生视频（Text-to-Video）、视频理解、视频检索、多模态模型训练及视频 Caption 生成等场景，适合用于构建和优化视频生成与视频 AI 模型。

数据质量

记录时效性

按需更新

记录结构化

NDJSON、JSON、CSV、XLSX、Parquet，支持定制化

记录云交付

Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive

记录标准化

为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。

记录代表性

数据覆盖全量业务场景，样本均衡，具备行业代表性

需要定制更适合业务场景的数据集？

我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。