音声を中心に発展してきたポッドキャストに、出演者や収録風景などの映像を組み合わせた形式。会話やインタビューを継続的な番組として届けることが多いが、長さや演出に統一された基準があるわけではない。
音楽分野では、楽曲だけでは伝えにくい制作過程や出演者同士の関係を扱える。聴く体験に表情や身ぶりを見る体験が加わる一方、映像の撮影・編集など、音声のみとは異なる制作工程も必要になる。
日本語では「動画ポッドキャスト」とも呼ばれる。通常のトーク動画との区別は、配信側の分類や番組の設計によって変わる。視聴数、音声の再生数、楽曲への送客はそれぞれ別の指標であり、番組の存在だけで音楽の売上への効果を判断することはできない。