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
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗multimodalRAGembeddingsvideoimagen Amazon Web ServicesTwelveLabs AWS Bedrock búsqueda multimodal RAG TwelveLabs
Relacionadas
AWS amplía Bedrock con búsqueda multimodal nativa en video, audio, imagen y texto
AWS ha anunciado la disponibilidad general de multimodal retrieval para Amazon Bedrock Knowledge Bases, que permite buscar e indexar información en video…
Por qué importaEsta capacidad elimina la necesidad de infraestructura personalizada compleja para construir aplicaciones RAG que procesen múltiples formatos de…
AWS desarrolla búsqueda semántica en imágenes aéreas con embeddings multimodales
AWS y Vexcel, proveedor de imágenes aéreas de alta resolución que opera programas en 45+ países, colaboraron para desarrollar un sistema de búsqueda semántica…
Por qué importaAutomatiza la búsqueda de características geoespaciales (piscinas, paneles solares, carreteras) que hoy requieren inspección manual o entrenamiento…
AWS pone a disposición de Bedrock el modelo de vídeo Pegasus 1.5 de TwelveLabs
TwelveLabs Pegasus 1.5 está disponible en Amazon Bedrock, en la región us-west-2. El modelo convierte vídeos de larga duración en metadatos estructurados con…
Por qué importaPara equipos que manejan grandes volúmenes de vídeo, como medios, deportes o marketing, puede sustituir revisiones manuales por extracción…
AWS Bedrock lanza tres arquitecturas para análisis de video con modelos multimodales
AWS ha publicado una solución de código abierto que integra tres enfoques arquitectónicos distintos para análisis de video escalable mediante modelos…
Por qué importaLas organizaciones que procesan grandes volúmenes de video (vigilancia, producción, moderación, compliance) pueden automatizar análisis que hoy…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.