Ir al contenido
IA para hoy
Empresa y transformación digital Empresa 3/5 · Una fuente fiable

Condé Nast reduce de 250 a 2 minutos la búsqueda de vídeo con IA multimodal en Amazon Bedrock

Fotografía de archivo que ilustra: Condé Nast reduce de 250 a 2 minutos la búsqueda de vídeo con IA multimodal en Amazon Bedrock
Foto: Christina Morillo · Licencia Pexels · Pexels

Hecho Qué ha ocurrido

Condé Nast, junto con AWS Generative AI Innovation Center, construyó un sistema de descubrimiento de vídeo multimodal sobre Amazon Bedrock y Amazon OpenSearch Service para su biblioteca de más de 140.000 vídeos. El sistema usa el modelo de embeddings TwelveLabs Marengo para indexar transcripciones, elementos visuales y audio, permitiendo búsquedas semánticas en lenguaje natural con marcas de tiempo precisas. La solución redujo el tiempo medio de búsqueda de contenido de 250 minutos a menos de 2 minutos por tarea.

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

Demuestra un caso concreto de IA multimodal aplicada a archivos empresariales de gran escala con una mejora de productividad cuantificable y verificable, relevante para cualquier organización con grandes repositorios audiovisuales.

Quién se ve afectado
Editoriales, medios de comunicación, productoras y empresas con grandes archivos multimedia y equipos de contenido.
Qué puede cambiar
Los equipos editoriales pasan de depender de metadatos y conocimiento institucional a poder buscar contenido por significado, imagen o audio, reduciendo cuellos de botella y aprovechando archivo infrautilizado.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Vigilar si AWS y TwelveLabs replican este patrón arquitectónico en otros sectores con grandes bibliotecas audiovisuales (deporte, publicidad, cine) y si surgen ofertas de producto empaquetadas a partir de esta solución.

Recomendación Qué debería hacer una empresa

Empresas con archivos audiovisuales extensos deberían evaluar en los próximos 6-12 meses pilotos de búsqueda semántica multimodal basados en embeddings, priorizando casos con alto coste de búsqueda manual.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: hacer el envío que pides. Base: nuestro interés legítimo. Lo envía Resend; la comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.

Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.

Ver fuente original ↗

multimodalembeddingsRAGbúsqueda semántica Condé NastAWSTwelveLabsAmazon Amazon Bedrock búsqueda de vídeo Condé Nast OpenSearch TwelveLabs

Relacionadas

Herramientas y productos

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…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 8/10 AWS Machine Learning Blog

AWS integra el modelo Marengo 3.0 de TwelveLabs en Bedrock Knowledge Bases para búsqueda multimodal

AWS anunció la disponibilidad general de TwelveLabs Marengo Embed 3.0 como modelo de embeddings en Amazon Bedrock Knowledge Bases, permitiendo búsqueda…

Por qué importaSimplifica drásticamente la construcción de sistemas de búsqueda semántica en contenido audiovisual, un proceso que antes requería integrar múltiples…

Impacto medio Fiabilidad una fuente fiable AWS Machine Learning Blog
Herramientas y productos

AWS Nova: búsqueda semántica de vídeo con embeddings multimodales

AWS ha publicado un laboratorio práctico mostrando cómo construir búsqueda semántica de vídeo mediante Amazon Nova Multimodal Embeddings en Bedrock. La…

Por qué importaElimina la conversión a texto como único pipeline de búsqueda de vídeo, preservando contexto temporal e información audiovisual que se pierde en…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog

AWS lanza embeddings multimodales para búsqueda visual en documentos técnicos de manufactura

AWS ha publicado una solución práctica utilizando Amazon Nova Multimodal Embeddings para construir sistemas de recuperación visual en documentos de manufactura…

Por qué importaPara sectores como aeroespacial, automoción e industria pesada, la mayoría de documentos técnicos combinan especificaciones, diagramas CAD…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 AWS Machine Learning Blog

Tu opinión

0 comentarios

Escribe un comentario

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas y firmas con el mismo nombre.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: publicar y moderar tu comentario y evitar abusos. Base: tu consentimiento y, contra los abusos, nuestro interés legítimo. Se publica tu nombre, no tu correo. El texto pasa por un filtro con IA de Anthropic, en Estados Unidos, sin tu nombre ni tu correo, y se guarda un resumen de tu IP 90 días. La comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.