🔥 На Hugging Face выложили датасет на 4,5 МИЛЛИАРДА TikTok-постов

Это огромная база метаданных TikTok: 4 501 811 789 записей, около 289 ГБ в 27 Parquet-файлах.

Для каждого ролика есть:

- подпись и упоминания
- дата публикации и длительность
- просмотры, лайки, комментарии, репосты и сохранения
- используемый звук
- язык и страна
- отметка рекламы

Данные собирались примерно три недели через мобильный API TikTok. Самих видео и данных об авторах в датасете нет.

Можно стримить через Hugging Face Datasets или анализировать Parquet напрямую через DuckDB/Polars — без загрузки всего датасета целиком.

Лицензия - только для исследований и обучения. Авторы отдельно предупреждают о GDPR/CCPA и о том, что сбор данных противоречил ToS TikTok.

https://huggingface.co/datasets/kuben-developer/tiktok-videos-4b