La base de connaissances gérée Amazon Bedrock prend désormais en charge les vectorisations multimodales pour le contenu vidéo, audio et image avec TwelveLabs Marengo 3.0
AWS annonce la disponibilité de TwelveLabs Marengo 3.0 en tant que modèle d'intégration dans la base de connaissances gérée Amazon Bedrock, permettant aux clients de créer des vectorisations multimodales pour le contenu vidéo, audio et image. La base de connaissances gérée Amazon Bedrock prend déjà en charge la recherche multimédia en transcrivant l'audio et la vidéo en texte et en générant des intégrations basées sur du texte. Marengo 3.0 va plus loin en encodant des scènes visuelles, des discours et des signaux vidéo directement dans des vectorisations multimodales, capturant des significations que la transcription seule ne peut pas. Il vous suffit de charger vos ressources multimédia à partir de sources de données telles qu'Amazon S3, de les synchroniser et de faire des recherches en langage naturel, sans aucune infrastructure à gérer.
Marengo 3.0 produit des vecteurs compacts en 512 dimensions, offrant une précision de récupération de pointe. Les résultats incluent les heures de début et de fin des segments, ce qui permet aux applications de passer directement au moment pertinent d'une vidéo. Cela permet de découvrir des cas d'utilisation dans les domaines de l'analytique sportive, des médias et du divertissement, de la sécurité, de l'enseignement et de la vente au détail, qu'il s'agisse de trouver des séquences de matchs spécifiques au fil des saisons ou de localiser des segments de cours par concept plutôt que par mots clés. Le modèle propose des options de segmentation configurables adaptées à la structure de votre contenu.
Pour en savoir plus, consultez la section Intégration du modèle de vectorisation TwelveLabs Marengo 3.0 dans le Guide de l'utilisateur de la base de connaissances Amazon Bedrock. Pour en savoir plus, consultez la page produit de la base de connaissances Amazon Bedrock.