Amazon Bedrock Managed Knowledge BaseがTwelveLabs Marengo 3.0によるマルチモーダル埋め込みをサポート

Amazon Bedrock Managed Knowledge Baseにおいて、埋め込みモデルとしてTwelveLabs Marengo 3.0が利用可能になりました。これにより、ビデオ、オーディオ、画像コンテンツを直接マルチモーダル埋め込みとしてエンコードし、自然言語によるセマンティック検索が可能になります。従来のテキスト書き起こしベースの検索とは異なり、視覚的なシーンや音声のキューを直接捉えることができ、検索結果にはセグメントの開始・終了時間が含まれるため、ビデオ内の特定箇所への直接ジャンプが可能です。512次元のコンパクトなベクトル化により、高精度な検索を実現します。

概要：書き起こしからの脱却

これまでのメディア検索は「動画 $\rightarrow$ テキスト化 $\rightarrow$ ベクトル化」というフローでしたが、Marengo 3.0の導入で**「動画/音声 $\rightarrow$ 直接ベクトル化」**が可能になります。これにより、「激しく動いているシーン」や「特定の雰囲気の映像」など、テキストでは表現しきれない非言語的なコンテキストを検索対象にできるのが最大のメリットです。

日本国内での利用について

リサーチ結果によると、現時点で東京リージョン（ap-northeast-1）および大阪リージョン（ap-northeast-3）での提供は確認されていません。公式ドキュメントの互換性表では、us-east-1、eu-west-1、ap-northeast-2（ソウル）などが挙げられています。国内利用を検討される場合は、まずはソウルリージョンなどの近隣リージョンでの検証を検討してください。

実務上のアドバイス

• 時間軸の活用: 検索結果に開始・終了時間が返ってくるため、フロントエンド側でビデオプレイヤーのシークバーを制御する実装を組み合わせることで、ユーザー体験を大幅に向上させられます。
• リソース制限: 最大4時間のビデオ/オーディオ、最大6GBのファイルサイズという制限があるため、長尺コンテンツを扱う場合は、あらかじめ適切なセグメントに分割してS3に配置することを推奨します。

次のアクション

まずは、S3にテスト用メディアファイルをアップロードし、Bedrock Knowledge Baseの同期プロセスでMarengo 3.0を選択して、どの程度の精度で「概念的な検索」ができるか検証することから始めてください。

参考ドキュメント

• Amazon Bedrock Knowledge Base User Guide: TwelveLabs Marengo 3.0 embedding model integration