Amazon Bedrock で TwelveLabs Pegasus 1.5 が利用可能に：動画から構造化メタデータを生成

Amazon Bedrock が TwelveLabs 社のビデオ・トゥ・テキスト（video-to-text）モデル「Pegasus 1.5」のサポートを開始しました。このモデルは、動画内の視覚情報、音声、画面上のテキストを単一のパスで解析し、タイムスタンプ付きの構造化されたメタデータを生成します。これにより、大規模な動画ライブラリから特定のイベント（話者の交代、ブランドの出現など）を直接クエリすることが可能になります。

💡 技術的なポイント：動画解析のパラダイムシフト

これまで大規模な動画資産から特定のシーンを探し出すには、事前にインデックスを作成したり、複雑なデータ取り込みパイプラインを構築したりする必要がありました。Pegasus 1.5 は、**「事前のインデックス作成なし」**で動画全体をスキャンし、ビジネス要件に基づいたメタデータを直接返してくれる点が非常に強力です。

🇯🇵 日本国内からの利用について（重要）

最新のリージョン状況を確認したところ、東京リージョン（ap-northeast-1）および大阪リージョン（ap-northeast-3）での直接的なホスティングについては明記されていません。

ただし、本モデルは「US and Global cross-Region inference profiles（米国およびグローバルなクロスリージョン推論プロファイル）」を通じてアクセス可能とされています。そのため、東京リージョンからクロスリージョン推論を利用して呼び出せる可能性がありますが、利用にあたっては最新の公式ドキュメントでサポート対象リージョンを必ず確認してください。

🛠 運用上のアドバイス

• コストとレイテンシ: 動画全体を一度に解析するため、動画の長さや解像度によって処理時間やコストが変動すると予想されます。まずは短いクリップでプロトタイプを作成し、コストパフォーマンスを検証することをお勧めします。
• データ転送: クロスリージョン推論を利用する場合、動画データのリージョン間転送が発生する可能性があるため、ネットワーク設計に留意してください。

✅ 次のアクション

まずは Amazon Bedrock コンソールにアクセスし、Pegasus 1.5 が利用可能なリージョンを確認した上で、手元の動画ファイルを用いたメタデータ生成の精度テストから始めてみましょう。

参照ドキュメント: Amazon Bedrock documentation (TwelveLabs Pegasus v1.5 model card)