为扩充视频生成与具身世界模型的训练数据规模，典枢数据现面向具备数据集批量下载能力的团队，发布通用开源数据集采购需求。本次需求目标是下载10万+小时量级的优质开源数据，欢迎具备相关技术能力与带宽资源的团队联系合作。
需求说明
目标：下载10w+小时量级的优质数据。
- 需求：由我们提供数据集下载链接，合作方全量下载数据集，包括csv文件下的各视频链接均需下载，不需要数据清洗
- 存储：我们可提供云服务器或硬盘，外网流量费用可单独计算
- 验收标准：抽查数据完整性和可读性
- 交付时间：7.31交付，按优先级顺序推进
数据集清单与优先级
以下为示例数据集链接，请按照优先级（P0-P3）依次交付：
- P0级（最优先保证下载）：
- Panda 10M（70M子集）— 37k hours，YT反爬 ✅
- InternVid-10M-FLT — 32.5k hours，YT反爬 ✅
- P1级：
- Koala-36M — 172K h / 48.9G，720p，YT反爬 ✅
- Sekai — 5K h / 102G，720p，YT反爬部分
- Panda-70M — 167K h / 36TB，720p，YT反爬 ✅
- P2级：
- DropletVideo-10M — 20K h / 13.5G，720p，YT反爬部分
- P3级：
- MiraData — 16K h，720p，YT反爬 ✅
- ShareGPT4Video — 3K h，720p，YT反爬部分
- InterVid（InternVid-Full）— YouTube数据，需爬虫，720p，YT反爬 ✅
数采需求 – 典枢数据数据采购需求发布栏目