विस्तृत विश्लेषण · लगभग 5 मिनट पढ़ना
AWS ने Bedrock पर Pegasus 1.5 का वीडियो विश्लेषण समझाया
19 अक्टूबर की मार्गदर्शिका 9 अक्टूबर की उपलब्धता, समय-चिह्न वाले JSON और दो घंटे के वीडियो समझाती है।
- स्रोत की तारीख
- यहाँ प्रकाशित
- स्रोत जाँचा गया
AWS ने TwelveLabs Pegasus 1.5 को Bedrock में जोड़ने का तरीका बताया। लेख 19 अक्टूबर का है, लेकिन वह 9 अक्टूबर की घोषणा का संदर्भ देता है। इसे आज की नई लॉन्च खबर नहीं कहना चाहिए।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- मॉडल उपयोगकर्ता द्वारा तय दृश्यों को खोजकर समय और संरचित फ़ील्ड लौटाता है; लक्ष्य समझाने के लिए संदर्भ चित्र भी दिए जा सकते हैं।
- AWS के अनुसार दो घंटे तक के वीडियो, S3 या छोटे इनलाइन क्लिप और ओरेगन क्षेत्र में उपलब्धता समर्थित हैं।
पहले लॉन्च के बाद विस्तृत मार्गदर्शन
AWS का 19 अक्टूबर लेख 9 अक्टूबर को घोषित उपलब्धता समझाता है। Pegasus 1.5 केवल क्लिप का सवाल नहीं सुनता; पूरे वीडियो से ऐप द्वारा परिभाषित खंड लौटाता है। S3 या छोटे inline वीडियो को बिना पूर्व इंडेक्स भेज सकते हैं। डेटा AWS सीमा में रहने का दावा प्रदाता का है, AISubHub के ऑडिट का नहीं।
तालिका Oregon us-west-2 में on-demand अनुमान, मॉडल twelvelabs.pegasus-1-5-v1:0 और runtime के InvokeModel या InvokeModelWithResponseStream बताती है। उदाहरण का global prefix तथा वैकल्पिक us हर क्षेत्र में उपलब्धता का प्रमाण नहीं। मॉडल कार्ड और अनुमत प्रसंस्करण क्षेत्र जाँचना जरूरी है।
दो मोड और अलग पेलोड
डिफॉल्ट general में inputPrompt सवाल देता है और message उत्तर। responseFormat.type:json_schema होने पर jsonSchema में ढांचा जाता है और message JSON स्ट्रिंग होती है। time_based_metadata में segment_definitions, inputPrompt की जगह लेता है; बाद वाला छोड़ना चाहिए।
हर परिभाषा में id, मिलान का description और नाम, प्रकार, विवरण वाले fields हैं। प्रसारक संपादकीय हिस्सों के शीर्षक, सार, विषय माँग सकता है; दूसरी परिभाषा ब्रांड खोज सकती है। साझा segments सूची में _definition_id मानदंड बताता है। हमारा विश्लेषण: यह पुनः इस्तेमाल योग्य annotation नीति है; तुलना से पहले खंड की सीमा पर सहमति चाहिए।
समय प्रारूप और संदर्भ चित्र
परिणाम में start_sec, end_sec और माँगे fields हैं, लेकिन समय हमेशा संख्या नहीं। segmentTimeFormat में संख्यात्मक seconds या hh:mm:ss और hh:mm:ss.fff स्ट्रिंग मिलती है। definition_errors भी आता है। विश्लेषण: त्रुटि सूची, समय सामान्यीकरण और परिभाषा पहचान सँभालें, ताकि आंशिक परिणाम पूरा कैटलॉग न माने जाएँ।
चित्र उत्पाद, लोगो या व्यक्ति स्पष्ट कर सकते हैं। general में promptV2.mediaSources और प्रश्न inputText में; segmentation में हर परिभाषा का mediaSources इस्तेमाल होता है। चित्र को name, media_type:image और base64String या S3 में से एक स्रोत चाहिए। अधिकतम30 संदर्भ हैं। नाव का नमूना उपयोग समझाता है, स्वतंत्र सटीकता परीक्षण नहीं।
वीडियो सीमा और प्रवेश आवश्यकताएँ
अवधि Pegasus 1.2 के एक घंटे से दो घंटे हुई है। S3 से2GB और inline25MB तक; रिजॉल्यूशन360×360 से5184×2160, अनुपात1:1 से2.4:1 या उल्टा, तथा FFmpeg समर्थित प्रारूप हैं। मौजूदा संग्रह में preprocessing की जरूरत इन्हीं से तय होगी।
S3 को uri और bucketOwner चाहिए। AWS व मॉडल प्रवेश, Python3.10 या आगे, Boto3 और invoke अनुमतियाँ जरूरी हैं। signed credentials के अलावा bearer विकल्प को bedrock:CallWithBearerToken चाहिए; AWS उत्पादन में अल्पकालिक कुंजी सुझाता है। यह व्यक्तिगत वीडियो सदस्यता नहीं है।
पूर्णता, उपयोग और बिल अलग देखें
उदाहरण900 सेकंड read timeout,10 सेकंड connection और शून्य SDK retry रखता है। यह विन्यास है, मापी गई देरी का वादा नहीं। stopReason:length का अर्थ maxOutputTokens से कटना है। streaming message के टुकड़े आना सभी खंडों की पूर्णता साबित नहीं करता।
includeMetering:true गैर-streaming परिणाम में outputTokenCount और inputVideoSecond जोड़ता है। CloudWatch कॉल, टोकन, देरी, client error दिखाता है; टैग किए inference profiles ऐप का उपयोग अलग कर सकते हैं। Marketplace शुल्क AWS बिल और Cost Explorer में Bedrock नहीं, TwelveLabs के तहत दिखता है। हमने वीडियो संग्रह का कुल खर्च नहीं मापा।
विश्लेषण: मेटाडेटा की जाँच करें
समाचार संग्रह, खेल, संदर्भ आधारित सुझाव और brand safety उदाहरण हैं। तय परिभाषाओं और मानव-चिह्नित क्लिप से छूटे दृश्य, गलत मिलान और समय-सीमा त्रुटि मापें। चित्र-संदर्भ और केवल टेक्स्ट का मूल्यांकन अलग रखें। सही JSON या सुंदर सार पूरे वीडियो की कवरेज नहीं साबित करता। लक्ष्य-रहित क्लिप, मिलते-जुलते दृश्य और अस्पष्ट बदलाव भी रखें; परिभाषा, चित्र-मिलान और समय की त्रुटियाँ अलग करें, केवल सुंदर सार न देखें।
अंग्रेजी पूर्ण समर्थित है; अरबी, चीनी, फ्रेंच, जर्मन, इतालवी, जापानी, कोरियाई, पुर्तगाली, रूसी, स्पेनिश, थाई और वियतनामी आंशिक हैं। अनूदित इंटरफेस समान मॉडल प्रदर्शन नहीं देता। AWS भी मानव समीक्षा रखता है। हमारा प्रस्ताव सटीकता, देरी, कॉपीराइट अनुमति या बचत का मापा दावा नहीं; मूल वीडियो पर टिप्पणी सत्यापित करने की क्षमता बनी रहे।
यह क्यों अहम है
समाचार संग्रह और खेल संपादकों के लिए खंडवार मेटाडेटा पुराने वीडियो को व्यवस्थित करने में मदद कर सकता है। पहले मानवीय एनोटेशन से समय मिलाकर छूटे दृश्य और गलत मेल जांचना उचित होगा।
सीमाएँ और उपलब्धता
यह AWS खाता, अनुमति और मॉडल पहुंच वाला क्लाउड API है, निजी वीडियो सदस्यता नहीं। शुल्क Marketplace में TwelveLabs के नाम पर आता है। भाषाई समर्थन अलग है, मानव समीक्षा जरूरी। हमने सटीकता, देरी या कुल लागत नहीं मापी।
स्रोत और प्रमाण
स्रोत की तारीख: 19 अक्टू॰ 2026 · स्रोत जाँचा गया: 20 अक्टू॰ 2026
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।