Condé Nast 如何借助 Amazon Bedrock 打造多模态视频发现系统

英文原标题：How Condé Nast built multimodal video discovery with Amazon Bedrock

本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗

• Condé Nast 的编辑团队此前缺乏多模态视频发现手段，每次内容发现任务平均耗时 250 分钟，需人工浏览超过 14 万条视频库，仅靠标题和描述查找相关片段。
• Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建 AI 驱动的多模态视频发现方案，实现基于意图的语义搜索，覆盖视频转录、视觉元素和音频。
• 团队选择 TwelveLabs Marengo 嵌入模型，因其能原生联合编码视觉、音频和转录信号，该模型支撑方案的全部五项能力，将发现时间从 250 分钟降至 2 分钟以内。
• 方案采用解耦架构：异步摄取管道负责生成嵌入并使视频可搜索，同步服务层处理用户查询，两者可独立扩展、故障和演进，在初始 14 万视频回填期间至关重要。
• 方案提供基于意图的搜索、多模态理解、基于图像的查询、错别字容忍与意图解析、时间戳精确等能力，并通过多可用区部署实现高可用性。

关键数据

• 每次内容发现任务平均耗时 250 分钟
• 视频库超过 140,000 条视频
• 发现时间从 250 分钟降至 2 分钟以内
• Amazon OpenSearch Service 跨三个可用区同步复制（两个活跃，一个待机）
• Amazon DocumentDB 跨两个可用区部署主节点和待机副本

引语

• “beginner yoga content with calming backgrounds”
• “behind-the-scenes fashion week moments”

为什么值得看：该案例展示了如何利用 Amazon Bedrock 和专用嵌入模型解决大规模多模态视频检索难题，将内容发现效率提升两个数量级，为媒体行业提供了可复用的架构参考。