Video thể tích là định dạng video trong đó đối tượng được chụp từ mọi phía bằng nhiều camera và được chuyển đổi thành đám mây điểm hoặc lưới 3D, cho phép người xem xem nó từ bất kỳ góc nhìn nào.
Video thể tích là công nghệ quay và tạo đồng thời quay một đối tượng từ mọi hướng bằng cách sử dụng nhiều camera và cảm biến, đồng thời tái tạo lại đối tượng đó ở dạng 3D dưới dạng đám mây điểm hoặc dữ liệu lưới và còn được gọi là video góc nhìn tự do trong ngành. Sau khi chụp, đối tượng có thể được xem từ mọi góc độ hoặc khoảng cách, do đó, nó được cho là được sử dụng rộng rãi để phát lại các chương trình phát sóng thể thao, phân phối XR của các buổi hòa nhạc và tạo hình đại diện cho trò chơi và Metaverse. Tuy nhiên, trong hoạt động thực tế tính đến năm 2026, khoản đầu tư thiết bị cho một studio chuyên dụng (buồng chụp thể tích) cũng như chi phí kết xuất và xử lý dữ liệu trên mỗi lần cắt rất cao, đồng thời chi phí sản xuất được cho là nằm trong khoảng hàng trăm nghìn đến hàng triệu yên Nhật trong nhiều trường hợp, khiến đây vẫn là một lựa chọn có chi phí cao so với video người thật đóng thông thường hoặc tạo video AI. Trong nhiều trường hợp, cần phải có lao động thủ công để sắp xếp và chỉnh sửa kết cấu sau khi quay, đồng thời người ta cho rằng việc sử dụng kết hợp với công cụ kết xuất thời gian thực và AI thế hệ 3D để hợp lý hóa quá trình xử lý hậu kỳ đang trở nên phổ biến. Đối với các sản phẩm vừa và nhỏ, việc xem xét sử dụng một phần nội dung 3D sau khi xác định mục đích và ROI được coi là thực tế.