MiraData est un ensemble de données vidéo à grande échelle axé sur les longs extraits vidéo, d'une durée moyenne de 72 secondes, et proposant des sous-titres structurés d'une longueur moyenne de 318 mots, enrichissant ainsi la description du contenu vidéo. Grâce à l'utilisation de technologies telles que GPT-4V, MiraData fait preuve d'une grande précision et d'une cohérence sémantique élevées en matière de compréhension et de génération de sous-titres vidéo.