Les jeux de données à grande échelle ont joué un rôle indispensable dans le récent succès de la génération et de l'édition de visages, facilitant considérablement les progrès des domaines de recherche émergents. Cependant, la communauté académique manque encore d'un jeu de données vidéo doté d'annotations d'attributs faciaux diversifiées, ce qui est crucial pour la recherche sur les vidéos liées aux visages. Dans cette étude, nous proposons un jeu de données vidéo à grande échelle, de haute qualité et diversifié, doté d'annotations d'attributs faciaux riches, nommé le Jeu de Données Vidéo Célébrités Haute Qualité (CelebV-HQ). CelebV-HQ contient 35 666 extraits vidéo avec une résolution minimale de 512x512, impliquant 15 653 identités. Tous les extraits sont étiquetés manuellement avec 83 attributs faciaux, couvrant l'apparence, l'action et l'émotion. Nous menons une analyse exhaustive en termes d'âge, d'ethnicité, de stabilité de luminosité, de fluidité du mouvement, de diversité des poses de tête et de qualité des données pour démontrer la diversité et la cohérence temporelle de CelebV-HQ. De plus, sa polyvalence et son potentiel sont validés sur deux tâches représentatives : la génération vidéo inconditionnelle et l'édition d'attributs faciaux dans les vidéos. En outre, nous envisageons le potentiel futur de CelebV-HQ ainsi que les nouvelles opportunités et défis qu'il apportera aux directions de recherche connexes. Les données, le code et les modèles sont disponibles au public. Page du projet : https://celebv-hq.github.io.