# LAION 发布 BVD 视频数据集：1000 万小时开放视频，供多模态预训练研究使用

> 原标题：Laion Big Video Dataset

- 来源：Hacker News 首页
- 发布时间：2026-08-27T01:50:26.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/53025
- 原文：https://projects.laion.ai/bvd/

## 摘要

LAION 放出了一个叫 BVD 的大规模视频数据集，专门给多模态模型做预训练用。数据来自 CommonCrawl 抓到的 13 亿条视频链接，实际下载了 8000 万个视频，总时长 1000 万小时。处理时用了场景检测把视频切成片段，再给画面和声音分别生成合成字幕。

## 推荐理由

LAION 从 CommonCrawl 的 13 亿条视频链接中下载 8000 万个视频，总时长 1000 万小时，并完成场景切分与画面、声音双路合成字幕，为多模态预训练提供了开放视频数据来源。

## 锐评

1000 万小时听着吓人，但 LAION 这批数据的价值全在能不能过筛。CommonCrawl 抓来的 13 亿条链接只下到 8000 万个视频，剩下那些要么失效要么抓不动，能用的比例本来就不高。合成字幕给画面和声音各写一份，省了人工，代价是字幕质量参差，训出来的模型会跟着学偏。ViCLIP 比 InternVid 训的强，这个对比至少说明规模还有红利。清洗成本得自己算进去。
