Google Veo
Trained on a subset of the YouTube library, with multi-level Gemini captions and joint audio-video generation
Overview
- HQ: Mountain View
- Links: https://deepmind.google/models/veo/
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).
Google Veo（2 / 3 / 3.1）
用 YouTube 库子集训练，Gemini 多级 caption，音视频联合
- 数据类型
- YouTube 视频；音频；图像；合成 caption
数据来源与规模
Veo 3 模型卡（2026-01 版）称训练于音频、视频、图像数据；用多个 Gemini 模型做不同粒度的文字标注，过滤不安全 caption 与 PII；视频经合规、安全、质量过滤，跨来源语义去重；预训练阶段另生成合成 caption 以增加概念多样性 [1]。具体视频数量、小时数未披露。
自有 vs 外采
CNBC 2025-06 报道 Google 使用约 200 亿 YouTube 视频库的子集训练 Gemini 与 Veo 3（200 亿为媒体口径）；YouTube 称一直用其内容改进产品，创作者可对第三方选择退出，但无法阻止 Google 自用；Google 称遵守与创作者和媒体公司的特定协议（名单未披露）[2]。Reddit 授权约 $60M/年属文本，与视频无直接关系 [3]。音视频联合训练的音频语料来源无一手披露。
争议
检索未见针对 Veo 的专门诉讼；付费用户有版权赔偿条款（二手）⚠️。YouTube 自有池的使用见 youtube-third-party-training。同系列世界模型见 genie-3。
- https://storage.googleapis.com/deepmind-media/Model-Cards/Veo-3-Model-Card.pdf (2026-10-15)
- https://www.nbcbayarea.com/news/business/money-report/google-is-using-youtube-videos-to-train-its-ai-video-generator/3896620/ (2026-10-15)
- https://404media.co/why-does-googles-new-veo-3-ai-video-generator-love-this-dad-joke (2026-10-15)