Meta Movie Gen
Closed-source video model with its full curation, captioner and SFT pipeline made public
Overview
- HQ: Menlo Park
- Links: https://arxiv.org/abs/2410.13720
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).
Meta Movie Gen
公开了完整策展、captioner 与 SFT 流程的闭源视频模型
- 数据类型
- 视频-文本对；图像-文本对；音频；合成编辑任务
- 规模口径
- 视频预训练 O(100)M 视频-文本对 + O(1)B 图像-文本对（论文口径）
数据与策展（论文一手）
视频预训练约 O(100)M 视频-文本对与 O(1)B 图像-文本对联合训练 [1]。来源构成未披露：论文数据章节未出现"licensed"，"公开+授权"是外媒转述，不可作一手结论。策展三步：视觉过滤（分辨率、文字、美学）→运动过滤（静态检测、VMAF、PySceneDetect）→内容过滤（copy-detection embedding 去重，按聚类大小平方根反比重采样）；高分辨率集 80% 横屏、至少 60% 含人 [1]。
Captioner 与后训练
自家 LLaMa3-Video（8B/70B 微调）生成 caption，另训 16 类相机运动分类器前缀到 caption。SFT 从数百万候选按概念平衡后人工挑选"电影感"视频，并人工精修 caption，时长 10.6–16 秒；个性化预训练用 O(10)K 真实交叉配对 + O(1)M 合成配对 [1]。音频预训练 O(1)M 小时，编辑模型用合成多帧编辑任务 [1]。
外采与争议
2025-08 与 midjourney-video 签技术授权与研究合作，条款未披露，Meta 是被授权方 [2]。2025-12 起 YouTube 创作者（Ted Entertainment 等）在北加州联邦法院对 Meta 提起 DMCA 1201 诉讼，称其规避 YouTube 保护措施抓取视频训练文生视频模型；报道未点名 Movie Gen（原告主张），见 youtube-creator-lawsuits。