AWS объявила 9 октября 2026 года, что модель Pegasus 1.5 от TwelveLabs доступна в Amazon Bedrock, сообщает AWS Machine Learning Blog. Это видеоязыковая модель, которая превращает длинное видео в структурированные метаданные с таймкодами.
Что изменилось
Предыдущие версии Pegasus отвечали на вопрос по одному ролику. Pegasus 1.5 просматривает видео целиком, находит все фрагменты под заданные вами критерии и возвращает их в JSON: время начала и конца плюс поля, которые вы запросили. AWS называет четыре отличия от прошлых версий:
- Метаданные по времени. Вы описываете сегменты, события или сигналы, а модель возвращает каждое совпадение.
- Мультимодальные запросы. Описание сегмента может сочетать текст и эталонное изображение, например чтобы найти конкретный продукт или логотип. В один запрос можно передать до 30 эталонных изображений.
- Обработка на лету. Видео отправляется напрямую из Amazon S3 или строкой base64, без конвейера загрузки и предварительной индексации. По словам AWS, данные остаются в границах данных AWS.
- Более длинный вход. Видео до двух часов в одном запросе, тогда как в Pegasus 1.2 предел был один час.
Ограничения и настройка
Файл из S3 может весить до 2 ГБ, строка base64 - до 25 МБ. Разрешение - от 360×360 до 5184×2160, соотношение сторон - от 1:1 до 2,4:1. Английский поддерживается полностью. Ряд других языков, среди них русский, испанский и немецкий, поддерживается лишь частично.
Модель вызывается через API InvokeModel, а для потокового вывода - через InvokeModelWithResponseStream. Идентификатор модели - twelvelabs.pegasus-1-5-v1:0. Доступ нужно включить в консоли Bedrock, а в политике IAM должны быть права на вызов. Расходы можно отслеживать по приложениям через application inference profiles, а метрики использования видны в CloudWatch.
Режима два. Общий принимает текстовый запрос и возвращает текст или JSON, если вы задали схему. Режим метаданных по времени вместо запроса принимает описания сегментов и возвращает список подходящих фрагментов. В одном запросе можно запустить несколько описаний, и каждый найденный фрагмент помечается тем описанием, под которое подошёл.
Доступность и оплата
Модель доступна в регионе US West (Oregon). О будущих регионах AWS отсылает к своему списку регионов. Оплата идёт через AWS Marketplace, поэтому расходы появляются в счёте AWS и в Cost Explorer в строке TwelveLabs, а не Amazon Bedrock. Цены указаны на странице Bedrock; в самом анонсе цифр нет.
Для кого предназначена
AWS ориентирует модель на организации с большими объёмами длинного видео: новостные архивы, спортивные телеканалы и стриминговые сервисы. По её словам, человек остаётся в процессе: вместо ручной разметки материала он проверяет метаданные, подготовленные моделью.