diff --git a/docs/source/ko/_toctree.yml b/docs/source/ko/_toctree.yml
index 21f26cd66af6..6a78074e1bc6 100644
--- a/docs/source/ko/_toctree.yml
+++ b/docs/source/ko/_toctree.yml
@@ -31,8 +31,8 @@
       title: 🤗 Tokenizers 라이브러리에서 토크나이저 사용하기
     - local: image_processors
       title: 이미지 프로세서
-    - local: in_translation
-      title: (번역중) Video processors
+    - local: video_processors
+      title: 비디오 프로세서
     - local: in_translation
       title: (번역중) Backbones
     - local: in_translation
diff --git a/docs/source/ko/video_processors.md b/docs/source/ko/video_processors.md
new file mode 100644
index 000000000000..a71f12b895fe
--- /dev/null
+++ b/docs/source/ko/video_processors.md
@@ -0,0 +1,48 @@
+<!--Copyright 2025 The HuggingFace Team. All rights reserved.
+
+Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with
+the License. You may obtain a copy of the License at
+
+http://www.apache.org/licenses/LICENSE-2.0
+
+Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on
+an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the
+specific language governing permissions and limitations under the License.
+
+⚠️ Note that this file is in Markdown but contain specific syntax for our doc-builder (similar to MDX) that may not be
+rendered properly in your Markdown viewer.
+
+-->
+
+# 비디오 프로세서[[video-processor]]
+
+**비디오 프로세서(Video Processor)**는 비디오 모델의 입력으로 사용될 특성 값들을 준비하고, 모델 출력의 후처리를 지원하는 유틸리티입니다. 크기 조정, 정규화, PyTorch 텐서 변환 등의 기능을 제공합니다.
+
+비디오 프로세서는 이미지 프로세서의 기능을 확장하여, 모델이 영상을 처리할 때 이미지와는 구별되는 별도의 인수를 사용할 수 있도록 합니다. 또한 원본 비디오 데이터와 모델 사이를 연결하는 역할을 하며, 입력 특성 값들이 VLM에 최적화되도록 보장합니다.
+
+[`~BaseVideoProcessor.from_pretrained`]를 사용하면 Hugging Face [Hub](https://hf.co) 또는 로컬 디렉터리에 있는 비디오 모델로부터 비디오 프로세서 설정(이미지 크기, 정규화 및 리스케일 여부 등)을 불러올 수 있습니다. 각 사전 학습된 모델의 설정은 [video_preprocessor_config.json] 파일에 저장되어야 하지만, 일부 오래된 모델의 경우 [preprocessor_config.json](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf/blob/main/preprocessor_config.json) 파일에 저장되어 있을 수도 있습니다. 후자의 경우는 권장되지 않으며 향후 제거될 예정입니다.
+
+### 사용 예시[[usage-example]]
+
+다음은 [`llava-hf/llava-onevision-qwen2-0.5b-ov-hf`](https://huggingface.co/llava-hf/llava-onevision-qwen2-0.5b-ov-hf) 모델과 함께 비디오 프로세서를 로드하는 예시입니다.
+
+```python
+from transformers import AutoVideoProcessor
+
+processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf")
+```
+
+현재 비디오에 기본 이미지 프로세서를 사용할 경우, 비디오 데이터의 각 프레임이 개별 이미지로 처리되어 변환이 적용됩니다. 이 방식도 잘 동작하긴 하지만 효율이 좋지 않습니다. 이 대신 `AutoVideoProcessor`를 사용하면 [torchvision](https://pytorch.org/vision/stable/index.html) 라이브러리를 활용한 **fast video processors**의 이점을 누릴 수 있습니다. Fast processors는 각 비디오나 프레임을 하나씩 처리하지 않고, 전체 비디오 배치를 한 번에 처리합니다. 이는 GPU 가속을 도입하며, 특히 높은 처리량이 필요한 작업에서 처리 속도를 크게 향상시킵니다.
+
+Fast video processors는 모든 모델에서 사용할 수 있으며 `AutoVideoProcessor`가 초기화될 때 같이 로드됩니다. Fast video processors를 사용할 때는 `device` 인수를 설정하여 어떤 장치에서 처리를 수행할지 지정할 수 있습니다. 텐서를 입력으로 하는 경우, 기본적으로 입력과 동일한 장치에서 처리되며, 그렇지 않은 경우 CPU에서 처리됩니다. 장치로 'cuda'를 사용하는 경우, 추가적인 속도 향상을 위해 프로세서를 컴파일하여 사용할 수 있습니다.
+
+```python
+import torch
+from transformers.video_utils import load_video
+from transformers import AutoVideoProcessor
+
+video = load_video("video.mp4")
+processor = AutoVideoProcessor.from_pretrained("llava-hf/llava-onevision-qwen2-0.5b-ov-hf", device="cuda")
+processor = torch.compile(processor)
+processed_video = processor(video, return_tensors="pt")
+```