Data / 视频生成 / 实体卡片

UltraVideo

数据集中国网络开源

4K/8K YouTube 数据集，824 词/视频的结构化字幕

数据类型
4K/8K 视频；9 类结构化字幕
规模口径
短 clip 4.2 万（约 62 小时）+ 长 clip 1.7 万（约 143 小时）；HF 默认子集 58.8k 行
License
自定义许可 license-april-lab.txt（未读）
链接
huggingface.co

内容与规模

浙大 APRIL 实验室等于 2025-06 发布。短 clip（3–10 秒）4.2 万，约 62 小时；长 clip 1.7 万，约 143 小时；均为 UHD 4K/8K，其中 8K 占 22.4%，覆盖 108 个主题 [1][2]。体量小但分辨率高，定位是高质量收尾/微调数据。

来源与标注

源自 YouTube 4K/8K 视频池。字幕为 9 类结构化描述加 LLM 汇总，约 824 词/视频，由 Qwen2.5-VL-72B 生成，是公开数据集中最长的字幕之一 [1]。

谁拿它训练

论文自训；与 OpenVid-1M / OpenVidHD-0.4M 的 1080p 子集、MiraData 同属后训练阶段常用的高质量数据。

已知缺陷

许可为自定义文件，商用条款未核；视频仍来自 YouTube，授权链条未解决。

来源

  1. https://arxiv.org/html/2506.13691 (2026-10-15)
  2. https://huggingface.co/datasets/APRIL-AIGC/UltraVideo (2026-10-15)

相关卡片

MiraData数据集 · 中国
长视频（均 72 秒）加 318 词 GPT-4V 字幕的 Sora 类训练集
OpenVid-1M / OpenVidHD-0.4M数据集 · 中国
南大的 100 万 clips 高质量集与 1080p 子集

卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。