01 

油管高质量视频全扒下来了，

为了怕被封还买代理下载

据 Runway 前员工向 4m 的爆料，Runway 公司里几乎是全员都会在这个表格里录入数据，用来训练他们自家的模型。表格里搜集的油管视频，他们是用开源软件 YouTube-DL 下载的，为了防止被 Youtube 封禁，Runway 还找供应商买了专门的代理，用这些代理 IP 地址来下载视频。

可以说准备工作做的很足了。

泄露的文件包含 14 个电子表格。其中一个表格里有一百多个视频关键词，比如「海滩」、「医生」、「雨」等等，每个关键词旁边写着负责搜索相关内容的 Runway 员工的名字。

泄露文件截图（右侧为翻译后内容）

爆料人说，这些人要么是被派去找视频的员工，要么是员工自己标记的他们正在处理的关键词。在「彩虹」这个词和员工名字旁边，有人写了一条备注：「没有专门的频道或播放列表，但找到了适合微调（finetuning）的好视频。」

文件中的注释显示，Runway 正在寻找特定主题、摄影风格和多样化人群的视频。「高相机运动」表格包含了 177 个 YouTube 频道的链接，包括《使命召唤》的官方频道、电影制作人 Josh Neuman 的频道、虚幻引擎和 Vans 的频道。

一个名为「电影杰作」的电子表格列出了 206 个链接，是一些高质量的油管频道和视频，包括动画短片和学生电影。在这个表格中，DEFY Studio YouTube 频道的链接旁边有一条注释写着「迄今为止汽车电影的牛逼作品都在这儿了」。

「单个优秀视频（用于微调）」是另外 253 个视频的集合，旁边还有一列主题，比如「修眉」、「冰雕」、「微笑」和「尖叫」。

02 

盗版资源网站也没能幸免

今年推出的 Gen-3 因为生成视频质量高、很适合影视制作等备受好评。产品功能中有相机控制、导演模式，还可以实现对结构、风格和动作的精细控制。

可能也正因此，很多电影在线网站，尤其是知名的盗版电影网站也是 Runway 重点收集数据的来源。

一个名叫「非 YouTube 来源」的表格包含 14 个网站链接，其中包括经常被投诉的盗版动画网站 kisscartoon.sh，在专门记录互联网上内容删除请求的 Lumen 数据库里，有上千个针对这个网站的版权投诉。

「非 YouTube 来源」表中还包含一个宫崎骏电影档案链接、几个动漫盗版网站、一个 XBox 游戏剪辑的粉丝网站，以及一个现在已下线的名为 AZiMovies 的盗版电影网站，Runway 的某位员工在上面注释：「这里面有很多好内容。」

文件里还有一个包含 17112 个词的列表，包括「手工洗车」、「拳击」、「打破彩罐」、「扭脖子」、「乱穿马路」等几十个词。每个词都对应着一些相关的 YouTube 热搜，比如「如何正确洗车」、「如果你被抓到乱穿马路会发生什么」和「自己扭脖子的危险」。

还有一个「推荐频道」的列表里，里面包含 3967 个 YouTube 频道的链接，其中很多是大品牌和大媒体的频道，比如皮克斯、Glamour、CBS 纽约、蒙特雷湾水族馆、AMC 影院，还有多个官方迪士尼频道，比如迪士尼 XD 和迪士尼 Plus。

迪士尼是重点监控公司

03 

Prompt 里带上博主名字，

几乎可以生成原视频

目前还不确定是不是表格里统计的每个视频都喂给了大模型，但 4m 用表格里的关键词在 Gen-3 里测试了下，发现其中很多生成的视频都跟表格里的视频特别像。

真人视频方面，虽然生成的视频没法完美复制，但用表格里出现的知名油管博主进行测试时，生成的视频跟真人很接近。

比如，关键词里如果带上「Mark Wiens」，这是油管一个超千万人关注的美食博主，生成的视频里的确会有一个小伙子在自拍吃东西的画面，这跟他本人发的很多视频都很像。

PROMPT (GEN-3 ALPHA): "MARK WIENS"

但是如果用 Gen-2 试验相同的 Prompt，生成的视频就跟这位博主没什么关系了，生成了一个穿西装的大众脸。

PROMPT (GEN-2): "MARK WIENS"

巧的是，4m 联系 Runway 询问这件事之后，Gen-3 就不能再生成包含 Mark Wiens 和其他几位 YouTuber 名字的视频了。

换一个Prompt，油管博主 Jon Olsson 在他的 Vlog 1054 里的形象。Gen-3 生成了一个穿滑雪夹克带滑雪帽的白人男性，和作者在视频中的穿着非常像。

原版 Vlog 截图，这位博主戴着蓝色头盔在雪里翻了个跟头。

PROMPT（GEN-3 ALPHA）:「油管博主 Jon Olsson 在他的 VLOG 1054 里的形象」

跟上面的截图确实很像。

Prompt：一段 DEFY Productions 风格的赛车视频

Gen-3 生成的视频中，赛车尾巴上有「DEFY」字样，跟 @DEFYstudio Logo 的字体很像。

真·@DEFYstudio Logo，里面的字母「E」是镜像的

如果输入一个这样的 prompt：以油管博主 Benjamin Hardman 的旅行视频风格呈现。Gen-3 生成了一个看起来像是无人机拍摄的视频，镜头跟随远处的一位看起来很像 Hardman 的男人，在悬崖边徒步，和油管原视频相差无几。

博主本人喜欢捧着摄影机去极地拍冰川，视频的风格是这样的：

生成的视频长这样：

PROMPT (GEN-3 ALPHA): 「以油管博主 Benjamin Hardman 的旅行视频风格呈现」

PROMPT (GEN-3 ALPHA): "BENJAMIN HARDMAN"

04 

OpenAI、Anthropic、Nvidia

都在偷偷用油管视频训模型

最近几个月，因为偷偷用创作者的内容来训练模型，生成的视频、文本或者音乐与原作很类似，很多 AI 公司都因为这个被骂。《纽约时报》起诉 OpenAI 违法使用他们的新闻报道，然后是 4 月份，200 多名音乐人发公开信，要求大公司停止干这种事，「太没下限了」。

同样是 4 月，《纽约时报》报道 OpenAI 和谷歌通过转录 YouTube 视频来训练他们的模型，连谷歌自己都没能忍住……不过也有可能他们的用户协议里允许了。

7月份，Proof News 爆了一份大料，包括 Anthropic、Nvidia、苹果和 Salesforce 在内的公司，都在偷偷使用了超过 48000 个频道的 YouTube 视频和字幕文件。

这个数据集也很丰富，从学习视频到脱口秀，可以说是应有尽有。

• 学习视频：可汗学院、麻省理工学院和哈佛大学的教育视频。
• 
  
• 新闻报道：《华尔街日报》、美国国家公共电台和英国广播公司的视频
• 
  
• 综艺：「斯蒂芬·科尔伯特晚间秀」「约翰·奥利弗上周今夜秀」和「吉米·坎摩尔直播秀」。
• 
  
• 网红：MrBeast（2.89 亿订阅，用于训练的两个视频），Marques Brownlee（1900 万订阅，七个视频），Jacksepticeye（近 3100 万订阅，377 个视频）和PewDiePie（1.11 亿订阅者，337 个视频）。

Proof News 还发现，这里面竟然还有宣扬「地平说」之类的阴谋论视频！

这玩意真的能拿来喂 AI 吗？

虽然媒体都这么报道了，但 OpenAI 官方还没承认，CTO Mira Murati 最近在接受《华尔街日报》采访时是这么说的，她不知道 Sora 的训练数据是否包括来自 YouTube、Instagram 和 Facebook 的视频。OpenAI 用的是公开可用的数据和授权数据。

油管对此很生气。

YouTube CEO Neal Mohan 对彭博表示，这种做法是不允许的：「从创作者的角度来看，创作者把他们的劳动成果上传到我们的平台时，他们是有预期的，服务条款最起码不能违反。我们不允许转录或下载视频片段，这些是我们平台上内容的规则。」

「我希望这些爆料，能让大家知道有多少科技公司背地里在干这个事，以及他们所谓的为了生成那些看起来很厉害的视频都做了什么『努力』。」

感谢 4m 和这名勇敢的爆料者。

文章来源于“ Founder Park”，作者“ Founder Park”