{"data":{"id":2382,"lang":"cs","title":"Výzkumník stáhl 4,5 miliardy videí z TikToku a zveřejnil je jako dataset na Hugging Face","summary":"Nezávislý výzkumník během tří týdnů stáhl 4,5 miliardy videozáznamů z TikToku a zveřejnil je jako veřejný dataset na Hugging Face, přestože sám přiznává, že sběr porušil podmínky použití TikToku.","category":"technology","category_label":"Technologie","published_at":"2026-09-04T02:01:32Z","updated_at":"2026-09-04T02:01:32Z","url":"https://techtools.cz/tools/news/clanek/2382-vyzkumnik-stahl-4-5-miliardy-videi-z-tiktoku-a-zverejnil-je-jako-dataset-na","api_url":"https://techtools.cz/news-api/v1/articles/2382?lang=cs","markdown_url":"https://techtools.cz/news-api/v1/articles/2382.md?lang=cs","image_url":"https://images.unsplash.com/photo-1677442136019-21780ecad995?w=800","word_count":154,"reading_time_minutes":1,"sources":[{"url":"https://aiweekly.co/alerts/independent-researcher-uploads-45b-record-tiktok-video-dataset-to-hugging-face","domain":"aiweekly.co"},{"url":"https://huggingface.co/datasets/kuben-developer/tiktok-videos-4b","domain":"huggingface.co"},{"url":"https://news.ycombinator.com/item?id=49548625","domain":"news.ycombinator.com"}],"translation":{"lang":"en","id":2309,"title":"Researcher Scrapes 4.5 Billion TikTok Videos, Publishes Dataset on Hugging Face","url":"https://techtools.cz/tools/news/article/2309-researcher-scrapes-4-5-billion-tiktok-videos-publishes-dataset-on-hugging-face","api_url":"https://techtools.cz/news-api/v1/articles/2309?lang=en"},"content":"Nezávislý vývojář vystupující pod jménem „kuben-developer“ strávil tři týdny stahováním dat ze soukromého Android API TikToku a výsledek zveřejnil jako veřejný dataset na Hugging Face: 4,5 miliardy záznamů o videích v 27 komprimovaných souborech o celkové velikosti zhruba 289 gigabajtů.\n\nStahování využívalo anonymní registrace zařízení bez nutnosti přihlášení a dosáhlo na 27 z 32 úložných oblastí TikToku. Každý záznam obsahuje metadata videa, popisky, označené účty, identifikátory zvuků, počty interakcí (zhlédnutí, lajky, komentáře, sdílení, uložení) i geografické a jazykové značky — uživatelská jména, profilová data a odkazy na média výzkumník záměrně vynechal.\n\nDokumentace datasetu sama přiznává, že sběr porušil podmínky použití TikToku, a upozorňuje, že popisky videí představují osobní údaje podle GDPR. Nabídka zakazuje použití dat k identifikaci, profilování nebo cílení na konkrétní osoby a omezuje je jen na výzkumné a vzdělávací účely; počty interakcí navíc zachycují jen jednorázový okamžik, nikoliv vývoj v čase, a značky země a jazyka jsou pouze neověřeným odhadem samotného TikToku."}}