新闻 · AWS Machine Learning Blog
基于 AWS 构建智能体式对话视频智能
了解如何使用智能体架构在 AWS 上构建对话式视频智能解决方案。单个 Strands Agents SDK 智能体在运行时编排 Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe，自主决定调用哪个服务，让你能用自然语言对视频提问并在几秒内获得答案。
en
英文原标题：Agentic conversational video intelligence built on AWS
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 基于AWS的智能体对话式视频智能方案，让用户用自然语言提问上传的视频，几秒内获得答案，无需为每种问题类型单独构建ML流水线。
- 方案使用Strands Agents SDK构建单个AI智能体，在运行时根据用户问题决定调用Amazon Bedrock、Amazon Rekognition还是Amazon Transcribe，而非固定流水线。
- 一家大型媒体娱乐公司在AWS Professional Services合作中采用该方案，顾问可查询录制的发现会议内容，提取设计决策、行动项和利益相关者立场。
- 客户内部对比显示，对超过200个多小时录像的积压，人工审查时间减少约80%（未经独立验证）。
- 已分析内容的后续问题响应时间不到1秒；新视频首次分析需5-10分钟，取决于视频长度和所需服务。
关键数据
- 对超过200个多小时录像，人工审查时间减少约80%（客户内部对比，未经独立验证）
- 已分析内容的后续问题响应时间不到1秒
- 新视频首次分析需5-10分钟
- Amazon Transcribe支持超过100种语言的自动语言检测
- 需要Python 3.11或更高版本
引语
- “What decisions were made in this meeting?”
- “Did anyone mention the budget timeline?”
- “Did this person appear?”
- “Summarize the first 30 minutes”
为什么值得看：该方案展示了如何用智能体架构替代固定ML流水线，按需调用AWS服务，显著减少视频审查时间，并已在媒体公司实际部署中验证。