要选择索引构建速度快的向量数据库，可以考虑以下几个因素：
索引构建算法：不同的向量数据库可能采用不同的索引构建算法，如倒排索引、LSH（局部敏感哈希）、MVP 树等。其中，LSH 算法在构建索引时速度较快，适用于高维向量的相似性搜索，可以考虑选择支持 LSH 索引的向量数据库。
并行计算：寻找支持并行计算的向量数据库系统，可以充分利用多核处理器和分布式计算框架，提高索引构建的速度。
内存优化：选择支持内存优化的向量数据库，利用内存存储数据和索引，可以减少磁盘 I/O，提高索引构建的速度。
GPU 加速：如果需要处理大规模高维向量数据，可以考虑选择支持 GPU 加速的向量数据库，通过利用 GPU 的并行计算能力提高索引构建速度。
批量处理：一次性完成批量处理可以提高索引构建的效率，因此可以选择支持批量导入数据和索引构建的向量数据库系统。
在选择向量数据库时，综合考虑以上因素，可以找到适合自己需求的速度快的索引构建方案。