模思智能以Daft和Lance重构语音训练数据

模思智能为支撑千万小时级训练数据处理，将自建 IDC 的音视频链路迁移到火山 LAS，并构建完整语音合成训练数据流水线。系统用 Lance 存储和版本化数据，以 Daft 驱动音频降噪、格式标准化、说话人分离、语种识别、语音转文字等环节，并集成 MossFormer2、Whisper、DiariZen。正文称整体处理效率提升约 50%，音频降噪阶段 GPU 利用率由约 60% 提升至 80% 以上，说话人分离阶段达到 95% 以上，开发周期由数周人天缩短至数天。