WebVid-10M
Shutterstock 预览片数据集，唯一被明确下架的主流集
- 数据类型
- stock 视频预览片；短英文描述
- 规模口径
- 约 1070 万条（HF 镜像 10.7M 行），约 5.2 万小时（InternVid 论文对比表口径）
- License
- HF 镜像标 agpl-3.0 且 README 为空；实际受 Shutterstock 条款约束
- 链接
- huggingface.co
内容与规模
Oxford VGG 于 2021 年发布，抓取 Shutterstock 的预览片及其原始描述，共 1070 万条、约 5.2 万小时（InternVid 论文对比表口径，另有 360p、均长约 18 秒）[1][5]。
谁拿它训练
Make-A-Video 使用（WebVid-10M 加 HD-VILA 的 1000 万 clip 子集）[2]；NeurIPS 2026 论文称曾支撑 30 余个视频生成模型 [4]。
下架与争议
WebVid 被认为是唯一被明确下架的主流视频数据集；时间线仅有二手来源（约 2024-02-23 起因 Shutterstock 停止函资源不再可用），未见 Shutterstock 官方声明 [4]。此后行业转向 YouTube 派生集（如 HD-VILA-100M、Panda-70M），而 Shutterstock 把同类素材转为付费授权：2023 年 AI 授权收入约 1.04 亿美元（公司口径）[3]。HF 镜像的 agpl-3.0 标注与实际条款不符，可复现性随下架受损。
来源
- https://huggingface.co/datasets/TempoFunk/webvid-10M (2026-10-15)
- https://arxiv.org/pdf/2209.14792 (2026-10-15)
- https://petapixel.com/2024/06/04/shutterstock-made-104-million-licensing-assets-to-ai-devs-last-year (2026-10-15)
- https://neurips.cc/virtual/2026/poster/139996 (2026-10-15)
- https://arxiv.org/html/2307.06942 (2026-10-15)
相关卡片
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。