Análise aprofundada · Cerca de 5 min de leitura
AWS detalha a análise de vídeo Pegasus 1.5 no Bedrock
O guia de 19 de outubro explica a disponibilidade do dia 9, JSON temporal e vídeos de duas horas.
- Data da fonte
- Publicado aqui
- Fonte verificada
A AWS explicou a integração do TwelveLabs Pegasus 1.5 ao Bedrock. O artigo de 19 de outubro remete ao anúncio de 9 de outubro: é um guia posterior, não um lançamento de hoje.
Ouça as notícias
Ouça este artigo ou continue ouvindo as notícias.
Preparando a leitura…
Voz do dispositivo
O navegador ou dispositivo processa a voz. O AISubHub não envia o texto a uma API de áudio. As vozes e a reprodução com a tela bloqueada variam conforme o dispositivo.
Ao continuar, uma frase curta pode se repetir.
Resumo
- O modelo encontra segmentos definidos pelo usuário e retorna horários e campos estruturados; imagens de referência ajudam a descrever o alvo.
- A AWS lista vídeos de até duas horas, entrada pelo S3 ou clipes pequenos na requisição e disponibilidade na região de Oregon.
Guia posterior à disponibilidade
O texto AWS de 19 de outubro explica o anúncio do dia 9. Pegasus 1.5 analisa o vídeo inteiro e retorna segmentos definidos pela aplicação, em vez de apenas responder sobre um clipe. Pode receber S3 ou vídeo curto inline sem pré-indexação. A permanência na fronteira de dados AWS é afirmação do fornecedor, não auditoria AISubHub.
A tabela indica inferência sob demanda em Oregon, us-west-2, modelo twelvelabs.pegasus-1-5-v1:0, via InvokeModel ou InvokeModelWithResponseStream de runtime. O código usa prefixo global e cita alternativa us, sem comprovar disponibilidade em toda região. É preciso conferir o model card e a geografia autorizada.
Modos com cargas diferentes
General é padrão: inputPrompt contém a pergunta e message a resposta. Com responseFormat.type:json_schema, o esquema fica em jsonSchema e message traz uma string JSON. time_based_metadata usa segment_definitions em lugar de inputPrompt, que deve ser omitido.
Cada definição contém id, description e fields com nome, tipo e descrição. Uma emissora pode definir seções editoriais, pedindo título, resumo e tópicos, e outra definição localizar marcas. Todas compartilham segments; _definition_id identifica o critério. Análise: trata-se de política reutilizável de anotação, exigindo acordo sobre o que constitui um trecho.
Tempos e referências visuais
A saída contém start_sec, end_sec e campos pedidos. segmentTimeFormat admite seconds numérico ou strings hh:mm:ss e hh:mm:ss.fff. Também existe definition_errors. Análise: conferir erros, normalizar a representação temporal e preservar o critério antes de indexar evita tratar resposta parcial como catálogo completo.
Imagens de referência especificam produto, logo ou pessoa. No modo general entram em promptV2.mediaSources com a pergunta em inputText; na segmentação, mediaSources pertence a cada definição. Exigem name, media_type:image e uma única fonte: base64String ou S3. São até 30 imagens por pedido. A canoa ilustrativa não constitui benchmark independente de reconhecimento.
Limites e acesso necessários
O máximo sobe de uma hora no Pegasus 1.2 para duas horas. S3 aceita até 2 GB; inline, até 25 MB. Resolução de 360×360 a 5184×2160, proporções de 1:1 a 2.4:1 ou inversas e formatos FFmpeg determinam eventual pré-processamento dos arquivos.
S3 exige uri e bucketOwner. Pré-requisitos incluem conta AWS e modelo habilitado, Python 3.10 ou superior, Boto3 e permissões invoke. Além das credenciais assinadas, há bearer token com bedrock:CallWithBearerToken; a AWS recomenda chaves temporárias na produção. Não é acesso embutido em assinatura pessoal de vídeo.
Conclusão da chamada e cobrança
O exemplo configura leitura em 900 segundos, conexão em 10 e nenhuma repetição SDK. Isso ilustra decisões do cliente, não latência medida. stopReason:length indica que maxOutputTokens cortou a resposta. Receber partes message por streaming não comprova que todos os segmentos foram retornados.
includeMetering:true acrescenta outputTokenCount e inputVideoSecond na resposta sem streaming. CloudWatch fornece volume, tokens, latência e erros; perfis de inferência marcados separam uso por aplicação. A cobrança Marketplace aparece como TwelveLabs na fatura e no Cost Explorer, não Amazon Bedrock. Não medimos custo total de um acervo.
Análise: verificar a metadata
Arquivos jornalísticos, esportes, recomendações contextuais e segurança de marca são exemplos do texto. Propomos fixar definições, anotar clipes manualmente e comparar omissões, falsos positivos e limites temporais. Referência visual e texto devem ser avaliados separadamente. JSON válido ou resumo fluente não prova cobertura completa. Inclua clipes sem alvo, objetos visualmente semelhantes e transições ambíguas; classifique erros de definição, referência visual e tempo, sem julgar apenas a fluência.
Inglês tem suporte integral; árabe, chinês, francês, alemão, italiano, japonês, coreano, português, russo, espanhol, tailandês e vietnamita, parcial. Interface traduzida não implica qualidade igual. A AWS mantém pessoas revisando resultados. Esta é proposta de fluxo, sem precisão, latência, direitos autorais ou economia comprovados por nós; deve ser possível voltar ao vídeo e conferir cada anotação.
Por que importa
Arquivos e equipes esportivas podem organizar acervos com metadados por trecho. Um piloto deve comparar os horários gerados com anotações humanas, verificando cenas perdidas e correspondências falsas antes de integrar um buscador.
Limites e disponibilidade
A API exige conta AWS, permissões e acesso ao modelo, não uma assinatura pessoal. Segundo a AWS, a cobrança ocorre pelo Marketplace sob TwelveLabs. O suporte linguístico varia e exige revisão humana. Não medimos precisão, latência ou custo total.
Fontes e evidências
Data da fonte: 19 de out. de 2026 · Fonte verificada: 20 de out. de 2026
Conteúdo editorial com apoio de IA, verificado em fontes primárias. Alegações dos fornecedores são atribuídas; inclusão não é recomendação.