Tencent HunyuanVideo
Tencent's open-source video model; version 1.5 discloses over 10M hours of raw data and ~800M clips for pretraining
Overview
- HQ: Shenzhen
- Funding: Tencent
- Links: https://arxiv.org/html/2511.18870
This profile was compiled from the AI training-data column cards (Video generation); each column's data view is shown below under "Data profile" (in Chinese).
腾讯 HunyuanVideo（1 / 1.5）
腾讯开源视频模型，1.5 版披露原始超 1000 万小时、预训练约 8 亿片段
- 数据类型
- 互联网视频；合成数据；人像视频；视频转音频数据
- 规模口径
- v1.5 原始 >1000 万小时，预训练约 8 亿片段
- 客户
- 开源社区
数据来源与规模
v1（arXiv 2412.03603）图像池数十亿图文对；视频按 5 套训练集分阶段（256p 至 720p 逐级过滤加 1 套人工精标 SFT 集），每级保留上一级约 1/5-1/2。v1.5（arXiv 2511.18870）图像 100 亿+ 池精选 50 亿；视频原始"多渠道"去重后超 1000 万小时，最终预训练约 8 亿片段 [2]。来源均未点名，仅称遵循 GDPR 原则并使用"数据合成与隐私计算"，未写视频号 [1]。
加工
pyscenedetect 切镜、transnetv2、Dover 美学/技术分、光流、OCR、YOLOX 水印检测；VideoCLIP 嵌入去重，k-means 约 1 万概念中心重采样；内部 VLM 输出 7 字段 JSON caption，另有 14 类运镜分类器。v1.5 切成 2-10s，T2I:T2V:I2V 配比 1:6:3 [1][2]。
后训练与专项
v1 SFT 约 100 万人工挑选样本；视频转音频预训练 25 万小时、SFT 8 万小时；人像 I2V 200 万条。v1.5 持续训练每任务 100 万片段，离线 DPO 约 1 万 prompt。
口径冲突与争议
注意 v1 论文中的"250,000 小时 / 80,000 小时"是视频转音频的预训练与精选量，不是视频主干训练量，引用时须区分阶段。腾讯被 The Atlantic 点名所用数据集含 YouTube 视频，见 atlantic-video-datasets；未查到专项诉讼 [3]。