ขณะนี้ ฐานความรู้ที่จัดการโดย Amazon Bedrock รองรับการฝังหลายรูปแบบสำหรับเนื้อหาวิดีโอ เสียง และรูปภาพ โดยใช้งานร่วมกับ TwelveLabs Marengo 3.0 แล้ว
AWS ประกาศความพร้อมใช้งานของ TwelveLabs Marengo 3.0 ในฐานะโมเดลการฝังบนฐานความรู้ที่จัดการโดย Amazon Bedrock ซึ่งช่วยให้ลูกค้าสามารถสร้างการฝังหลายรูปแบบสำหรับเนื้อหาประเภทวิดีโอ เสียง และรูปภาพได้ แม้ฐานความรู้ที่จัดการโดย Amazon Bedrock จะรองรับการค้นหาสื่อด้วยการแปลงเสียงและวิดีโอเป็นข้อความแล้วสร้างการฝังจากข้อความเหล่านั้นอยู่แล้ว แต่ Marengo 3.0 ก้าวไปอีกขั้นด้วยการเข้ารหัสข้อมูลภาพ เสียง และองค์ประกอบต่างๆ ในวิดีโอโดยตรงให้อยู่ในรูปแบบการฝังหลายรูปแบบ ซึ่งช่วยเก็บรายละเอียดความหมายที่การแปลงเสียงเป็นข้อความเพียงอย่างเดียวไม่สามารถทำได้ เพียงแค่อัปโหลดไฟล์สื่อของคุณจากแหล่งที่มาของข้อมูลต่างๆ เช่น Amazon S3 จากนั้นทำการซิงค์และค้นหาด้วยภาษาธรรมชาติ โดยที่คุณไม่ต้องบริหารจัดการโครงสร้างพื้นฐานใดๆ
Marengo 3.0 สร้างเวกเตอร์ขนาดกะทัดรัดที่มี 512 มิติ ซึ่งให้ความแม่นยำในการสืบค้นที่ล้ำยุค ผลลัพธ์ประกอบด้วยเวลาเริ่มต้นและสิ้นสุดของส่วนต่างๆ ซึ่งช่วยให้แอปพลิเคชันสามารถข้ามไปยังช่วงเวลาที่เกี่ยวข้องในวิดีโอได้โดยตรง สิ่งนี้ช่วยปลดล็อกกรณีการใช้งานในด้านต่างๆ ไม่ว่าจะเป็นการวิเคราะห์กีฬา สื่อและความบันเทิง ความปลอดภัย การศึกษา และการค้าปลีก ตั้งแต่การค้นหาจังหวะการเล่นในวิดีโอการแข่งขันจากหลากหลายฤดูกาล ไปจนถึงการค้นหาส่วนต่างๆ ของการบรรยายโดยใช้แนวคิดแทนคีย์เวิร์ด โมเดลนี้มีตัวเลือกการแบ่งส่วนที่สามารถปรับแต่งได้เพื่อให้สอดคล้องกับโครงสร้างเนื้อหาของคุณ
หากต้องการเรียนรู้เพิ่มเติม โปรดดูการผสานรวมโมเดลการฝังของ TwelveLabs Marengo 3.0 ในคู่มือผู้ใช้ฐานความรู้ Amazon Bedrock สำหรับข้อมูลเพิ่มเติม โปรดไปที่หน้าผลิตภัณฑ์ฐานความรู้ Amazon Bedrock