Signal YCurated AI News
更新于 11/5 20:4061 个信源

康泰纳仕如何用 Amazon Bedrock 打造多模态视频发现系统

企业 AI9/29 23:55AWS 机器学习博客查看原文 ↗
摘要

康泰纳仕与 AWS 生成式 AI 创新中心合作,基于 Amazon Bedrock 与 Amazon OpenSearch Service 搭建多模态语义视频检索系统,让编辑从 14 万余条视频中找素材的时间从平均 250 分钟缩短到 2 分钟以内。

核心要点
  • 原有流程中,编辑平均每个内容发现任务耗时 250 分钟,需在超过 140,000 条视频的素材库中人工拖拽浏览,且只能依赖标题和描述定位片段
  • 问题的结构性根源在于既有搜索工具无法"看进"视频内部,团队依赖个人机构记忆定位素材,一旦关键人员不在就形成单点故障,同时大量归档内容因标题描述无匹配关键词而长期闲置
  • 编辑实际使用的是意图式查询(如"有舒缓背景的初学者瑜伽内容""时装周幕后花絮"),因此需要跨视觉、音频、转写文本的向量嵌入来表达语义,人工撰写的元数据无法达到这一理解层级
  • 团队选用 TwelveLabs Marengo 嵌入模型,原因是其能原生地联合编码视觉、音频与转写文本三类信号,该模型支撑了方案中的全部五项能力
  • 架构上把昂贵的嵌入生成(摄取面)与低延迟的检索服务(查询面)解耦,使两者可独立扩容、独立失败、独立演进,这一决策在历史素材回填处理期间被证明至关重要
原文佐证
  • They were spending an average of 250 minutes per content discovery task, manually scrubbing through a library of more than 140,000 videos.
  • The team selected the TwelveLabs Marengo embedding model for its native ability to jointly encode visual, audio, and transcript signals.
  • This reduced discovery time from 250 minutes to under 2 minutes per task.
AI 洞察
这个案例把"内容资产可发现性"从模糊的编辑体验问题变成了可量化的运营指标:250 分钟到 2 分钟是百倍量级的效率杠杆,意味着媒体与内容公司沉睡了多年的视频归档不再是沉没成本,而是可以被重新货币化的库存。更值得关注的是,这类收益数字几乎全部由供应商与其客户自述、缺少第三方验证,随着"视频 RAG"成为企业最快看到 ROI 的 GenAI 场景之一,行业很可能需要独立基准来区分真实落地与案例包装。对竞争格局而言,专用多模态嵌入模型(如 Marengo)加云厂商托管检索的组合,正在形成一条绕开通用大模型厂商的中间层赛道。