Un conjunto de vídeos 4K puede abarcar desde unos pocos terabytes hasta varios petabytes, porque la resolución por sí sola no determina el tamaño del archivo. La tasa de bits y la duración condicionan el tamaño del archivo codificado original, mientras que el códec, la velocidad de fotogramas, la profundidad de bits, las versiones retenidas y el preprocesado determinan la huella en la infraestructura.
Para los equipos que crean o licencian AI training datasets, esta distinción importa antes de que el metraje se transfiera o se prepare para el entrenamiento. “10,000 hours of 4K” describe la resolución visual y la duración, pero no le indica a un equipo de infraestructura si el paquete fuente estará más cerca de 100 TB, de 500 TB o de varios petabytes.
Empieza por medir la tasa de bits o los GB por hora a partir de archivos representativos. Luego añade las versiones de trabajo, los fotogramas extraídos, las cachés, el espacio de procesamiento temporal, las copias de seguridad y los archivos que coexistirán. Así se separa la fuente entregada de la huella de trabajo que la canalización de entrenamiento consumirá realmente.
Jen Togonon
