Partners para Licenciamiento de Datos de Audio y Vídeo para IA
Pangeanic busca propietarios de datos, productoras, archivos audiovisuales, organizaciones de investigación y partners cualificados de recolección capaces de licenciar o producir datos de voz en cámara, con derechos claros y uso autorizado para entrenamiento comercial de modelos de IA.
Datos de voz en audio y vídeo a gran escala para entrenamiento de IA
Buscamos organizaciones y partners cualificados capaces de licenciar datasets existentes con derechos claros o producir nuevos datos de voz en audio y vídeo. Las fuentes relevantes pueden incluir conversaciones, entrevistas, reuniones, podcasts, grabaciones de estudio, archivos audiovisuales y proyectos estructurados de recolección en los que los hablantes sean visibles y el consentimiento pueda documentarse.
El programa requiere entre 20.000 y 30.000 horas en total. La distribución lingüística prevista es de aproximadamente 80% inglés y 20% restante repartido entre español, francés, portugués, árabe, hindi, chino, japonés y coreano. Para español, el proyecto no requiere más de 2.000 horas.
Se trata de una oportunidad de partnership y licenciamiento, no de una pequeña tarea freelance de grabación. Nos interesan especialmente los propietarios de datos, titulares de derechos, redes de producción y organizaciones capaces de demostrar la procedencia, el consentimiento, los derechos de uso y la calidad de la entrega a escala. Oportunidad remota, internacional, por proyecto y basada en hitos.
Formatos y umbrales de calidad requeridos
El proyecto requiere activos de audio y vídeo de alta calidad preparados para flujos de entrenamiento de modelos. Los candidatos deben indicar los formatos disponibles, la calidad medida, la cobertura de metadatos, el estado de la transcripción y la capacidad mensual de entrega.
Datos con derechos claros y consentimiento trazable
Los candidatos deben poder licenciar los datos para el entrenamiento comercial de modelos de IA y explicar el alcance del uso permitido.
Cuando los datos contengan hablantes identificables, deben existir los consentimientos de los participantes, acuerdos de contribución o cesiones de derechos de imagen y de voz.
Deben documentarse el origen de los datos, el método de recolección, los derechos de autor, los pasos de procesamiento y los controles de calidad.
Los partners deben estar preparados para tratar garantías, declaraciones sobre derechos y condiciones de indemnización cuando proceda.
Convocatoria internacional sujeta a revisión legal, a derechos de uso, a sanciones aplicables y a viabilidad contractual.
Buscamos organizaciones con datos, derechos o capacidad de recolección
- Propietarios de datos y titulares de derechos: organizaciones con datasets existentes de voz en audio o vídeo que puedan licenciarse para entrenamiento comercial de IA.
- Medios y productoras: estudios, broadcasters, redes de podcasts, productores de entrevistas y archivos audiovisuales con derechos utilizables y documentación de calidad.
- Partners de recolección: organizaciones capaces de coordinar nuevas grabaciones con hablantes visibles a escala en los idiomas requeridos.
- Partners de transcripción y operaciones de datos: equipos capaces de proporcionar transcripciones, diarización, metadatos de hablante y control de calidad como parte de la entrega.
- Redes multilingües: partners con acceso fiable a datos de voz en inglés, español, francés, portugués, árabe, hindi, chino, japonés y coreano.
Distribución lingüística prioritaria
El programa está fuertemente orientado al inglés, con cobertura multilingüe selectiva para varios idiomas globales. Los candidatos deben especificar horas disponibles, variedad dialectal o país, condiciones de grabación, estado del consentimiento y preparación de entrega por idioma.
| Idioma | Peso en la distribución | Notas |
|---|---|---|
| Inglés | Aproximadamente 80% del volumen total | Se podrá considerar cobertura de EE. UU., Reino Unido, Irlanda, Canadá, Australia y otras variedades nativas o casi nativas. |
| Español | Hasta 2.000 horas | El español de España y el español de América Latina pueden ser relevantes, pero la necesidad total en español es limitada. |
| Francés y portugués | Parte del 20% de asignación multilingüe | Deben documentarse las variantes europeas e internacionales cuando estén disponibles. |
| Árabe e hindi | Parte del 20% de asignación multilingüe | Debe indicarse con claridad el dialecto, la geografía y el entorno de grabación. |
| Chino, japonés y coreano | Parte del 20% de asignación multilingüe | Los partners deben especificar escritura, convenciones de transcripción, demografía de hablantes y metadatos disponibles. |
Ayúdanos a cualificar tus datos con rapidez
Para evaluar el encaje, necesitamos información concreta sobre derechos, calidad, cobertura lingüística, metadatos y capacidad de entrega. Las descripciones generales son útiles al inicio, pero la evaluación final requerirá detalle técnico y legal verificable.
Volumen disponible
Horas totales disponibles por idioma, tipo de contenido, tipo de hablante, geografía y estado de preparación para entrega.
Derechos y consentimiento
Derechos para entrenamiento comercial de IA, consentimiento de participantes, cesiones, contratos de fuente y condiciones de transferibilidad.
Calidad técnica
Formato de audio, sample rate, bit depth, resolución de vídeo, frame rate, medición de sincronización AV y condiciones de grabación.
Capa de anotación
Disponibilidad de transcripción, segmentación, diarización, metadatos de hablante, etiquetas demográficas y proceso de QA.
Capacidad mensual
Número de horas verificadas que pueden entregarse al mes, incluyendo cualquier periodo de arranque o restricción de recolección.
Condiciones comerciales
Precio indicativo por hora, pedido mínimo, condiciones de exclusividad, límites de licencia e hitos de entrega.
Preguntas frecuentes
¿Se pueden presentar datasets existentes?
¿Se puede recolectar nueva voz en cámara para este proyecto?
¿Se acepta audio sin vídeo?
¿Son necesarias la transcripción, la diarización y los datos demográficos?
¿Cuántos datos en español se necesitan?
¿Cómo se definen las condiciones comerciales?
Licencia o produce datos AV para entrenamiento de IA
Si tu organización posee, gestiona o puede producir datos de voz en audio y vídeo con derechos claros, comparte tu volumen disponible, cobertura lingüística, derechos de licencia, calidad técnica y capacidad mensual de entrega.