Un leader del doppiaggio visivo AI per il cinema industrializza la raccolta dei dataset
Addestrare modelli di doppiaggio visivo per il cinema richiede dataset immensi e ben strutturati di video di volti parlanti. Tornado API ha consegnato un corpus con riferimenti accademici di quasi centomila video direttamente nel loro bucket S3, riconciliato, verificato, in MKV.
Consegna su AWS S3Come è iniziata
Hanno trovato Tornado con una ricerca su Google mentre cercavano un modo per costruire il loro corpus di training, e hanno contattato direttamente il founder.
Sfida
I modelli di doppiaggio visivo imparano da video di volti parlanti, e ne servono su scala di ricerca, in alta qualità, strutturati secondo riferimenti accademici come SpeakerVid e TalkVid. Costruire internamente un corpus di ~100.000 video referenziati significava mesi di ingegneria su un problema del tutto estraneo al loro core business.
Ogni settimana passata su scraper, proxy e logica di retry era una settimana non passata sui modelli.
Soluzione
Tornado ha eseguito la consegna come pipeline gestita: ingestione dei corpus referenziati, riconciliazione di ogni file con i manifest accademici e consegna diretta in MKV nel loro bucket S3, con reportistica sulla completezza per tutta la durata del progetto.
Nessun proxy, nessuna logica di retry, nessuna infrastruttura dalla loro parte: un manifest in ingresso, un bucket che si riempie.
Risultati
98.663 video consegnati, ~32,65 TB in MKV, ogni file riconciliato con i manifest di riferimento. Il team dataset è tornato a lavorare sui modelli nella stessa settimana.
Dopo il backfill, le aggiunte incrementali passano automaticamente dalla stessa pipeline.
“We needed a 30 TB training corpus delivered to one bucket. It landed in days, organized, verified, with zero babysitting from our side.”Responsabile ingegneria dataset, azienda di doppiaggio visivo AI