AWS integra el modelo Marengo 3.0 de TwelveLabs en Bedrock Knowledge Bases para búsqueda multimodal
Hecho Qué ha ocurrido
AWS anunció la disponibilidad general de TwelveLabs Marengo Embed 3.0 como modelo de embeddings en Amazon Bedrock Knowledge Bases, permitiendo búsqueda semántica en lenguaje natural sobre video, imagen y audio. El servicio gestiona automáticamente segmentación, transcripción y generación de embeddings de 512 dimensiones sin necesidad de infraestructura propia. Está disponible en las regiones US East (N. Virginia) y US West (N. California), con precios basados en almacenamiento y uso del modelo.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Simplifica drásticamente la construcción de sistemas de búsqueda semántica en contenido audiovisual, un proceso que antes requería integrar múltiples servicios de transcripción, extracción de frames y bases vectoriales.
- Quién se ve afectado
- Empresas de medios, deportes, seguridad, educación y retail que gestionan grandes volúmenes de contenido audiovisual.
- Qué puede cambiar
- Equipos técnicos podrán implementar búsqueda por lenguaje natural en archivos de video sin desarrollar pipelines personalizados de IA multimodal.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Habrá que ver si AWS amplía la disponibilidad a más regiones y cómo evoluciona la adopción frente a soluciones alternativas de búsqueda de video basadas en otros proveedores.
Recomendación Qué debería hacer una empresa
Empresas con grandes archivos de video (deportes, medios, seguridad) deberían evaluar un piloto con Bedrock Knowledge Bases y Marengo 3.0 en los próximos 3-6 meses para casos de uso concretos de búsqueda de contenido.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗multimodalRAGembeddingsvideoimagen Amazon Web ServicesTwelveLabs AWSBedrockbúsqueda multimodalRAGTwelveLabs
Tu opinión
0 comentarios
Relacionadas
AWS lanza enrutamiento consciente de prefijos en SageMaker Inference para reducir latencia de LLM
Amazon SageMaker Inference introduce prefix-aware routing, una estrategia que envía peticiones con el mismo prefijo de prompt a la misma instancia para…
Por qué importaPara empresas que despliegan LLMs a escala con prompts que comparten contexto (RAG, bots con instrucciones largas, conversaciones multi-turno), esto…
AWS añade caché de modelos en SageMaker HyperPod para reducir arranques en frío
AWS lanzó soporte de model caching en Amazon SageMaker HyperPod para inferencia, que precarga pesos de modelos e imágenes de contenedor en almacenamiento NVMe…
Por qué importaPara empresas que despliegan LLMs grandes en producción, los tiempos de arranque en frío limitan la capacidad de autoescalado real ante picos de…
Slack lanza Slackforce Surfaces para crear informes y dashboards con IA en chats
Slack presentó Slackforce Surfaces, una función que permite generar dentro del chat informes interactivos, encuestas, dashboards, presentaciones y micrositios…
Por qué importaReduce la fricción de crear contenido visual o analítico sin salir del flujo de trabajo colaborativo, integrando datos de múltiples fuentes…
AWS lanza en general disponibilidad el asistente de IA Amazon Quick para escritorio
AWS anunció la disponibilidad general de la aplicación de escritorio Amazon Quick para macOS y Windows, además de un feed de actividad para móviles iOS y…
Por qué importaEs un movimiento de AWS para competir en el mercado de asistentes de IA empresariales frente a Microsoft Copilot y Google Workspace, apostando por…