hashfunction takma adını kullanan bir geliştirici, Hugging Face'te yaklaşık 5,6 milyar kamuya açık TikTok videosunun meta verisini paylaştı. Veri Temmuz 2014'ten Ekim 2026'ya kadar uzanıyor ve ticari olmayan bir lisans altında ücretsiz.
TikTok'un kullanım şartları yazılı onay olmadan otomatik veri kazımayı yasaklıyor. Geliştiricinin kendi yazısı da verinin giriş yapmadan TikTok'un özel mobil API'sinden geldiğini belirtiyor.
Veri seti kartı ticari kullanım, içerik üretici profilleri ve günlük güncellemeleri datasocial.ai'ye yönlendiriyor. Aynı platform kazıyıcının kaynak kodunu da 1.699 dolar karşılığında satıyor.
hashfunction takma adını kullanan bir geliştirici, açık kaynaklı yapay zekâ deposu Hugging Face'te yaklaşık 5,6 milyar kamuya açık TikTok videosunun meta verisini ücretsiz indirilmek üzere paylaştı. datasocial hesabı altında yayımlanan veri seti Temmuz 2014'ten Ekim 2026'ya kadar gidiyor.
Bu görüntü değil, meta veri. Her satır altyazı, hashtag, ses kimliği, ekrandaki metin, TikTok Shop ürün ve satıcı kimliklerini ve görüntüleme, beğeni, yorum, paylaşım, kaydetme ve indirme sayılarını taşıyor. Bütün veri 460 GB'lık Parquet dosyalarından oluşuyor, her ay için bir dosya.
Bazı alanlar TikTok'un kendi etiketleri: videonun yapay zekâ üretimi olarak işaretlenip işaretlenmediği ve TikTok'un onu Keşfet sayfasında tutmama kararı. Yapay zekâ işareti daha eski videolarda sıklıkla boş; bu videolar bir arşivden geliyor.
Veri seti kısıtlı değil, herkes çekebiliyor. Hugging Face sayacı şimdiye kadar 1.181 indirme gösteriyor. Veri seti ayrıca https://datasocial.ai/ adresinde çevrimiçi olarak da mevcut.
Neden önemli? Çünkü yapay zekâ geliştiricileri bu tür veriyi istiyor ve TikTok'un bunu elde etmeyi zorlaştırması nedeniyle. Milyarlarca gönderinin altyazıları, hashtag'leri, ses kimlikleri ve etkileşim sayıları, neyin viral olduğunu veya TikTok Shop'ta neyin satıldığını tahmin eden modeller, hangi sözcük ve ifadelerin tuttuğunu ve tutmadığını anlamak için ve kısa form videoda insanların nasıl yazdığını öğrenen dil modelleri için ham madde.
TikTok'un veriye resmi yolu çok daha dar. Araştırma Araçları, Amerika Birleşik Devletleri, AEA, İngiltere, Kanada ve İsviçre'deki akademik kurumlardaki nitelikli araştırmacılara ve AB'deki bazı kâr amacı gütmeyen kuruluşlara açık; başvuru ve onay gerekiyor.
Platform geniş veri kazımaya izin vermiyor. TikTok'un ABD kullanım şartlarının 3.4. bölümü, TikTok yazılı olarak onay vermedikçe otomatik yazılımla platformdan veri çıkarmayı yasaklıyor.
DataSocial'ın yazısı, Android telefon gibi görünen üretilmiş cihaz kimlikleri, tersine mühendislik yapılmış istek imzaları ve sahte TLS el sıkışması ile TikTok'un özel mobil API'sine erişildiğini anlatıyor. Yazıya göre sistem üç haftada 3,23 milyar içerik üretici profili, 5,94 milyar video ve 2,8 milyar yorum topladı. Yazıya göre giriş veya hesap kullanılmadı.
Ücretsiz katman aynı zamanda bir vitrin görevi görüyor. Lisans CC BY-NC 4.0 ve kart, verinin araştırma ve kişisel kullanım için ücretsiz olduğunu söylüyor. Ticari kullanım, içerik üretici profilleri ve günlük güncellemeler datasocial.ai'ye yönlendiriliyor ve kazıyıcının kaynak kodu ayrı satılıyor.
Kazıma davaları zaten mahkemede. Reddit, Ekim 2025'te Perplexity ve üç veri kazıma firmasını, içeriklerini yapay zekâ eğitimi için toplamak üzere "endüstri ölçeğinde" bir şema iddiasıyla dava etti. Temmuzda federal bir yargıç, Law360'a göre davanın büyük ölçüde reddedilmesini reddetti.
Kalan iddialar arasında SerpApi'nin Google'ın anti-bot korumalarını atlattığına dair DMCA iddiaları var. TikTok davada taraf değil ve dava özel bir mobil API yerine Google arama sonuçları üzerinden kazımayı içeriyor.
Verinin kendisiyle ilgili olarak, satırlar altyazıları, kullanılan müziği ve farklı onay kutularını içeriyor. Yaratıcı kullanıcı adı sütunu yok ama altyazılar, hashtag'ler, videoda bahsedilen kişiler vb. dahil olmak üzere çok fazla veri ve bilgi gösteriyor. Bununla birlikte, kullanıcı kimliği aslında Datasocial'da mevcut.
Veri hazinesi yalnız değil. TikTok'un mobil API'sinden toplandığı tanımlanan 4,5 milyar videoluk bir veri setinin kopyaları da Hugging Face'te var.
Veri ticari olmayan kullanım için ücretsiz. Onu toplayan kodun fiyatı 1.699 dolar.
