多模态数据处理，从写第一行代码开始。
Daft 算子市场公测来了！开箱即用的 AI 算子，覆盖 视频 / 图片 / 文本 / 音频 四大场景，搭配 Qwen3.7 大模型，零成本跑通 AI 数据处理全流程。
以训练一个能理解厨房操作的智能机器人为例，我们通常需要采集数千小时由人类佩戴摄像头拍摄的操作视频。然而，当这些视频被解码后，往往会膨胀为数亿张图像帧。更棘手的是，原始数据中充斥着静止画面、模糊镜头和无效空帧等海量“噪音”。如何从这些冗余信息中高效提取出高质量训练样本，已成为多模态技术发展的核心瓶颈。
本次实战将带您深入这一典型场景，借助 Daft 算子市场，一步步拆解并跑通从视频抽帧、数据清洗到高质量样本提取的完整链路。
🚀 10 分钟完成 demo，超简单
场景介绍：
该 Demo 面向多模态数据处理场景，将对第一视角视频进行分布式抽帧与去黑边处理，并调用 Qwen3.7-plus 多模态大模型精准识别每帧的手部交互动作，并在 Notebook 中直观呈现图文对应的动作分析结果。
视频讲解：
前提条件：
- 阿里云账号，开通创建 EMR Serverless Spark Workspace 和 OSS Bucket
- 已开通 EMR Serverless Spark AI 中心。
请进入 Serverless Spark 的工作空间 - AI中心，点击 "开通 AI 中心"
- Spark 工作空间按量配额上限>20 CU
- Spark 工作空间队列弹性并发上限>20 CU
操作步骤：
👉 参考原文下载本 demo 中涉及的文件：https://help.aliyun.com/zh/emr/emr-serverless-spark/getting-started/multimodal-data-processing-quick-start?spm=a2c4g.11186623.help-menu-28066.d_1_11.5be758cbIV9DRR
Step 1 · 下载 daft_demo.ipynb 文件，并导入您的 Spark workspace 中
Step 2 · 下载要处理的视频到本地，并上传到您的 OSS Bucket
注意：请确保您的 spark workspace 与 OSS Bucket 属于同一个 region
Step 3 · 替换 daft_demo.ipynb 代码中的路径变量
# 抽帧之后的图片会放到该目录，<请替换为您的 oss 输入视频，以及输出目录> INPUT_VIDEO = "oss://apsara-demo/dataset/P01_101_part012_299.40s_310.00s.mp4" OUTPUT_DIR = "oss://apsara-demo/dataset/daft-output/"
Step 4 · 在 Spark Workspace 中，创建 Notebook Session，并运行 daft_demo notebook
注：选择 esr 版本为为 esr-4.9.0 (Spark 3.5.2, Scala 2.12, Ray 2.55.1, Daft 0.7.17)
运行效果图：
算子市场免费公测窗口
2026 年 8 月 31 日 — 9 月 30 日
公测期间算子调用 Qwen3.7 模型 免费，无其他额外 token 费用！免费模型如下：
- qwen3.8-max
- qwen3.7-max
- deepseek-v4-pro
- glm-5.2
- qwen3.7-plus (本次活动默认使用模型)
- tongyi-embedding-vision-plus-2026-03-06
- qwen3.7-text-embedding
- qwen-audio-3.0-tts-plus
- qwen-audio-3.0-tts-flash
- qwen3.7-flash
- qwen-audio-3.0-asr-flash
⚠️ 公测须知
公测期间 SparkSQL AI Function、Daft Local、Daft on Ray 运行环境中的算子及 Qwen3.7 模型调用均免费。公测结束后按实际使用量计费，具体标准会在结束前公布，不用担心突然扣费。
公测期间不保障 SLA，但服务不降级，放心用就好。请遵守阿里云数据安全规范，不要上传敏感数据哦。
🔥 立即参与
👉 登录 EMR Serverless Spark 控制台，进入 Spark Workspace，开始你的第一个算子任务吧！
如体验过程中有任何问题，欢迎加入 EMR Serverless Spark 钉群进行交流！
