CommonCrawl

LAION-BVD 是一个包含 10M 视频小时、55M 视频/音频片段和 300M 帧-文本对的开放多模态预训练数据集，在视频-文本、音频-文本和图像-文本任务上均展现出有竞争力的性能与扩展性。