CelebV-Text ist ein umfangreicher, hochwertiger und vielseitiger Gesichtstext-Videodatenbestand, der die Forschung an der Erzeugung von Gesichtstext-Videos fördern soll. Der Datenbestand umfasst 70.000 Gesichtsvideoclips aus dem realen Leben, wobei jeder Clip mit 20 Texten versehen ist. Diese decken 40 allgemeine Erscheinungsbilder, 5 detaillierte Erscheinungsbilder, 6 Lichtverhältnisse, 37 Aktionen, 8 Emotionen und 6 Lichtrichtungen ab. CelebV-Text wurde durch umfassende statistische Analysen auf seine Überlegenheit in Bezug auf Video-, Text- und Text-Video-Korrelationen hin überprüft und dient als Benchmark zur Standardisierung der Bewertung von Aufgaben zur Erzeugung von Gesichtstext-Videos.