動画解析AI「Pegasus 1.5」がAWSで提供開始 2時間映像の場面を抽出
- AWSはTwelveLabsの動画言語モデル「Pegasus 1.5」をAmazon Bedrockで提供開始した。
- 最長2時間の動画から指定条件に合う場面を検出し、開始・終了時間付きの構造化データを出力する。
- 事前のデータ処理が不要で、最大30枚の参照画像を用いた製品やロゴの出現場面の特定にも対応する。
アマゾン ウェブ サービス(AWS)は2026年10月9日、TwelveLabsが開発する動画言語モデル「Pegasus 1.5」をクラウド基盤「Amazon Bedrock」上で提供開始したと発表した。Pegasus 1.5は長尺の動画コンテンツを解析し、利用者が指定した条件に合致する場面を特定して時間情報付きの構造化データ(JSON形式)として出力するAIモデルである。
動画データは構造化されていないため検索や利活用が難しく、従来は人手による長時間の確認や複数のツールを組み合わせた処理が必要とされていた。前身の「Pegasus 1.2」では動画クリップに対する質問応答が中心だったが、Pegasus 1.5では動画全体を直接解析し、条件に合致するすべての区間を自動で切り出してメタデータを生成する。1回のリクエストで処理可能な動画の長さも、従来の最長1時間から最長2時間へと拡大された。
動画の処理にあたって事前のインデックス作成やデータ取り込みのパイプライン構築は不要で、Amazon Simple Storage Service(Amazon S3)上の動画を直接指定して即座に解析できる。動画ファイルはAmazon S3から最大2GB、リクエストに直接埋め込むbase64形式では最大25MBまでに対応し、アスペクト比は1対1から2.4対1(およびその逆比)をサポートする。データはAWSの境界内に保持された状態で処理される。
また、テキストの指示に加えて参照画像を入力できるマルチモーダルプロンプティング機能も導入された。1回のリクエストに最大30枚までの参照画像を添付でき、特定の製品やロゴ、人物の画像を渡すことで、それらが動画内に登場する正確な時間帯を特定することが可能である。
本機能は、長年蓄積された放送アーカイブの整理や、スポーツ映像からの得点場面などのハイライト抽出、動画配信における場面に応じた広告挿入といった用途を見込んでいる。Pegasus 1.5は米国西部(オレゴン)リージョンのAmazon Bedrockで利用可能となっており、利用料金はAWS Marketplace経由で請求される。
この記事は AWS 機械学習ブログの発表を AI が日本語に要約したものです。正確な内容は原文をご確認ください。
アプリで開く