Un líder del doblaje visual con IA para cine industrializa la recopilación de datasets
Entrenar modelos de doblaje visual para cine exige datasets inmensos y bien estructurados de vídeos de rostros hablando. Tornado API entregó un corpus con referencias académicas de casi cien mil vídeos directamente en su bucket S3, conciliado, verificado, en MKV.
Entrega a AWS S3Cómo empezó
Encontraron Tornado en una búsqueda de Google mientras buscaban cómo construir su corpus de entrenamiento, y contactaron directamente al fundador.
Desafío
Los modelos de doblaje visual aprenden de vídeos de rostros hablando, y los necesitan a escala de investigación, en alta calidad, estructurados según referencias académicas como SpeakerVid y TalkVid. Construir internamente un corpus de ~100,000 vídeos referenciados significaba meses de ingeniería en un problema totalmente ajeno a su negocio principal.
Cada semana dedicada a scrapers, proxies y lógica de reintentos era una semana no dedicada a los propios modelos.
Solución
Tornado ejecutó la entrega como un pipeline gestionado: ingesta de los corpus referenciados, conciliación de cada archivo contra los manifiestos académicos y entrega directa en MKV a su bucket S3, con reportes de completitud durante todo el proyecto.
Sin proxies, sin lógica de reintentos, sin infraestructura de su lado: un manifiesto entra, un bucket se va llenando.
Resultados
98,663 vídeos entregados, ~32.65 TB en MKV, cada archivo conciliado contra los manifiestos de referencia. El equipo de datasets volvió a trabajar en los modelos esa misma semana.
Desde el backfill, las adiciones incrementales pasan automáticamente por el mismo pipeline.
“We needed a 30 TB training corpus delivered to one bucket. It landed in days, organized, verified, with zero babysitting from our side.”Responsable de ingeniería de datasets, empresa de doblaje visual con IA