HD-VILA-100M

内容与规模

Microsoft 发布（CVPR 2022），覆盖 15 个类别的 YouTube 视频，共 1 亿 clips、330 万视频、约 37.15 万小时，clip 均长 13.4 秒，720p，字幕为 ASR 转写（词均 32.5）[1]；论文摘要称其为首个含 37.15 万小时 720p 视频的高分辨率数据集（原文 371.5k hours）；论文摘要称其为首个含 37.15 万小时 720p 视频的高分辨率数据集（原文 371.5k hours）。

格式与 license

只发 URL 与时间戳，视频本体须自行从 YouTube 下载；许可条款未读到，原告称其为学术用途 [3]。

谁拿它训练

Make-A-Video 使用其 1000 万 clip 子集学习运动 [2]。Panda-70M、Koala-36M、VidGen-1M 均由它派生，OpenVid-1M / OpenVidHD-0.4M 又取自 Panda 子集；NeurIPS 2026 论文称撤回它会牵连另外 5 个集（二手转述）。Snap 案（C.D. Cal., 2026-01-26）直接点名该集 [3]，见 YouTube 创作者系列诉讼（DMCA 1201）。

已知缺陷

ASR 标签噪声大，采样偏向语音密集内容；索引不能授予视频版权，下游许可链条因此断裂。

来源

1. https://github.com/microsoft/XPretrain/blob/main/hd-vila-100m/README.md (2026-10-15)
2. https://arxiv.org/abs/2111.10337 (2026-10-15)
3. https://arxiv.org/abs/2111.10337 (2026-10-15)
4. https://arxiv.org/pdf/2209.14792 (2026-10-15)
5. https://www.indexbox.io/blog/snap-added-to-youtuber-lawsuit-alleging-ai-training-copyright-infringement/ (2026-10-15)