LIVE
OpenAI выпустила GPT-6.2 Astra и Sol: мощнее, дешевле и под более строгим контролем Cloudflare начала строить собственные модели ИИ ChatGPT пришел в отдел продаж: готовые сценарии и тридцать интеграций Perplexity вышел на миллиард долларов годовой выручки, рост в четыре раза за год Рынок IPO в США застрял на избирательности, и это надолго OpenAI выпустила GPT-6.2 Astra и Sol: мощнее, дешевле и под более строгим контролем Cloudflare начала строить собственные модели ИИ ChatGPT пришел в отдел продаж: готовые сценарии и тридцать интеграций Perplexity вышел на миллиард долларов годовой выручки, рост в четыре раза за год Рынок IPO в США застрял на избирательности, и это надолго
Новости ИИ

LAION открыла доступ к 10 миллионам часов видео: крупнейшему бесплатному датасету такого рода

автор: shmelev дата: 30 августа 2026 чтение: 2 мин
LAION открыла доступ к 10 миллионам часов видео: крупнейшему бесплатному датасету такого рода

Немецкая некоммерческая организация LAION, уже известная скандальными датасетами изображений, выпустила Big Video Dataset. Масштаб внушительный: организация нашла 1.3 миллиарда видео-ссылок в архиве CommonCrawl, скачала из них 80 миллионов роликов общей длительностью 10 миллионов часов и нарезала 55 миллионов клипов с автоматически сгенерированными описаниями видео и звука, плюс 300 миллионов стоп-кадров.

Большая часть материала: с YouTube, преимущественно на английском языке. Но дело в объёме самом по себе: модели, обученные на этом наборе, обходят конкурентов, тренированных на популярном датасете InternVid, до 2.1 процентных пункта на стандартных бенчмарках видео-в-текст. Секрет в том, что тренировка связывает воедино видео, звук и текст: модель учится сопоставлять, какая картинка соответствует какому описанию или звуку.

Юридически LAION стоит на относительно твёрдой почве: в 2024 году суд Гамбурга признал право организации собирать защищённый авторским правом контент для некоммерческих исследований. Именно поэтому датасет распространяется строго для исследовательских целей, а сама LAION просит пользователей уважать права создателей оригинального контента.

Значение здесь в том, кому он достаётся. Тренировка моделей на видео такого масштаба обычно требует ресурсов уровня Google или Meta. Открытый датасет позволяет университетским лабораториям и небольшим стартапам работать с теми же исходными данными, что и корпоративные гиганты. Разрыв в возможностях сокращается, пусть и не полностью.

Нужен агент под ваши процессы? Разработка AI-агентов под ключ: от аудита до запуска за 3-6 недель.

Реклама
ЛИДЕРБОРД · 728 × 90зона «Реклама: между секциями»