Модель Marengo Embed 3.0 от TwelveLabs для расширенного анализа видео в Amazon Bedrock
В сервисе Amazon Bedrock теперь доступна модель Marengo Embed 3.0 от компании TwelveLabs с расширенными мультимодальными возможностями встраивания видео для разработчиков и организаций, работающих с видеоконтентом. Модели встраивания Marengo обеспечивают передовую отраслевую производительность и используют единое пространство для представления видео, изображений, аудио и текста, позволяя создавать многофункциональные приложения для любых видов поиска, анализа контента, систем рекомендаций и других мультимодальных задач.
Модель Marengo 3.0 имеет ряд ключевых усовершенствований. Расширенная емкость для обработки видео: возможна обработка до четырех часов видео- и аудиоконтента и файлов объемом до 6 ГБ (вдвое больше, чем в предыдущих версиях), за счет чего эта модель идеально подходит для анализа спортивных матчей, длинных учебных видео и фильмов целиком. Усовершенствованный спортивный анализ: модель значительно лучше понимает динамику игрового процесса, анализирует движения игроков и обнаруживает события. Поддержка множества языков: число поддерживаемых языков увеличено с 12 до 36, что позволяет международным организациям создавать унифицированные системы поиска и получения данных, легко работающие с разными регионами и рынками. Точный мультимодальный поиск: модель встраивания поддерживает запросы, объединяющие изображения и описательный текст, сочетая анализ визуального подобия с семантическим пониманием для предоставления более точных и контекстно релевантных результатов поиска.
AWS – первый поставщик облачных услуг, предлагающий модель Marengo 3.0 от TwelveLab, которая теперь доступна в следующих регионах: Восток США (Северная Вирджиния), Европа (Ирландия) и Азиатско-Тихоокеанский регион (Сеул). Модель поддерживает синхронный логический вывод для встраивания текста и изображений с низкой задержкой и асинхронный вывод для обработки видео, аудио и файлов изображений большого размера. Начать с ней работу можно в консоли Amazon Bedrock. Подробности можно найти на странице продукта и в документации.