InternVid

Name: InternVid
Creator: shepshep
Published: 2023-10-25T21:03:31+08:00

OpenXLab2026-04-18 收录

视频-文本表示学习

多模态视频生成

数据链接：

https://openxlab.org.cn/datasets/shepshep/InternVid 数据链接链接失效反馈

官方服务：

资源简介：

InternVid是一个大规模的以视频为中心的多模态数据集，可用于学习强大且可迁移的视频-文本表示，用于多模态理解和生成。

提供机构：

shepshep

创建时间：

2023-10-25

InternVid全集

多模态学习

视频理解

InternVid是一个大规模的以视频为中心的多模态数据集，可用于学习强大且可迁移的视频-文本表示，用于多模态理解和生成。InternVid数据集包含超过700万个视频，总时长近76万小时，共有2.34亿个视频片段，伴随着总计41亿个单词的详细描述。我们的核心贡献在于开发了一种可扩展的方法，利用语言模型自主构建高质量的视频-文本数据集，并展示了其在大规模学习视频-语言表示方面的有效性。具体而言，我

OpenDataLab2026-07-12 更新1860

AI短剧多模态制作与剧情推演数据

剧本场景结构化

多模态视频生成

本数据集主要应用于AI短剧（以《恶犬之灾》为例，44集共51分钟）从剧本到成片的工业化制作流程，覆盖编剧、AI生成师、剪辑师、运营人员等多角色协同作业。在剧本阶段，通过NER算法自动提取每集的主要人物、核心标签、地理场景及情绪标签，将44集文本快速拆解为标准化场景结构化数据（含场景编号、出场人物及核心动机、人物弧光变化、关键事件链、核心台词、戏剧节拍等23个字段），辅助编剧快速识别每集叙事节奏是否

浙江省数据知识产权登记平台2026-07-27 更新220

AI短剧多模态制作与剧情推演数据

AI短剧剧情推演

多模态视频生成

浙江省数据知识产权登记平台2026-08-11 更新60

InternVid

多模态学习

视频理解

InternVid是一个大规模的以视频为中心的多模态数据集，可用于学习强大且可迁移的视频-文本表示，用于多模态理解和生成。

OpenDataLab2026-07-12 更新330

CineDance-1M

影视叙事生成

多模态视频生成

CineDance-1M是由多所顶尖学术机构联合创建的大规模、开源的文本-音频-视频（T2AV）数据集，专门为多镜头、长时长的影视级音视频联合生成而设计。该数据集包含100万条高质量序列，平均时长92.8秒，每段视频包含24.2个连续镜头，以1080p分辨率提供结构化、可配置的双模态标注。其创建过程采用严谨的三阶段流程：首先通过多样化来源与全面清洗确保原始素材质量；其次引入基于电影理论的叙事解析算

arXiv2026-06-08 更新220

InternVid

资源简介：

相关数据集