亚马逊 Bedrock 知识库接入 Marengo 3.0，支持视频与图像语义检索

核心事实

据 AWS 官方博客消息，TwelveLabs 的 Marengo Embed 3.0 已作为嵌入模型在 Amazon Bedrock 知识库中正式可用（general availability）。该模型为多模态嵌入模型，可将视频、音频、图像与文本联合编码到 512 维向量空间。博客称，借助这一模型，通过视频、音频和图像内容进行自然语言搜索可成为一项全托管体验。

官方给出的示例场景是一段约 10 分钟的 2022 年世界杯决赛片段：将视频上传至 Amazon S3 后，在 Bedrock 控制台创建托管知识库、选择 Marengo Embed 3.0 作为嵌入模型、配置 S3 数据源并执行同步，随后即可用「show me the penalty kicks from this soccer match」这类自然语言查询检索，返回结果包含分块起止时间、来源 URI 与嵌入类型等元数据。

背景与影响

博客指出，视频与媒体资产目前大多仍难以按语义检索，媒体、体育分析、教育、安全和零售等领域的团队需要在数小时素材中定位特定片段。传统做法需要拼接转录服务、抽帧流水线、嵌入模型、向量数据库与同步逻辑。Bedrock 知识库作为全托管的 RAG 服务，负责存储、摄取、嵌入、重排与检索，并支持 MP4、MOV 视频，JPEG、PNG 图像以及音轨，同时提供面向 Amazon S3、SharePoint、Confluence 等的原生连接器。

按博客描述，托管知识库会自动完成分段、抽帧与转录，音频与视频分段时长默认均为 4 秒，用户可在高级配置中调整。检索侧可通过 Amazon Bedrock Retrieve API 对接下游应用。

限制与来源

需注意，上述内容来自 AWS 官方博客，属于厂商自述，本文未做独立验证。博客提到使用该模型需要具备相应 AWS 账户、在受支持区域启用 TwelveLabs Marengo Embed 3.0 的模型访问权限，以及相应的 IAM 权限；具体可用区域、模型访问条件、计费方式与配额限制，请以 AWS 官网及 Amazon Bedrock 文档的当前信息为准。博客中的世界杯片段仅为演示场景，不代表任何实际性能或效果承诺。

来源：AWS 官方博客《Video and image search in Amazon Bedrock Knowledge Base using Marengo 3.0》。