aws.amazon.com·2026/10/20·Ron Tal
TwelveLabs 的 Pegasus 1.5 已上线 Amazon Bedrock，把长视频转成带时间戳的结构化元数据，帮助把不可搜索素材变为可检索片段。它保留视频问答、画面文字和多语言理解，核心新增 time_based_metadata：用户给出片段定义、字段和可选参考图，模型扫描全片，返回起止时间与自定义值；单个请求可放多个定义，结果带 _definition_id，便于批量建库。general 模式可让输出遵循 JSON Schema。调用经 bedrock-runtime 的 InvokeModel 或流式接口，视频可从 Amazon S3 直读，短片段内联，官方称无需预索引且数据留在 AWS 边界，单次最长 2 小时。输入视频需符合官方规定的时长、大小、分辨率和宽高比范围，人员从手动标注转向审校模型输出。它先在 US West (Oregon) 提供，可通过应用推理配置文件加标签拆分成本，按 AWS Marketplace 计费，CloudWatch 监测调用、令牌、延迟与错误，适用于新闻档案、体育事件提取和流媒体片段化运营。
为什么重要 数据/MLOps 流水线可省去视频预索引与摄取步骤，用 Bedrock API 直接提取带时间戳 JSON，并通过应用推理配置文件按标签核算成本。适合 处理视频数据、构建数据/MLOps 流水线或 Amazon Bedrock 集成的工程师。
| 对比项 | 之前 / 基线 | 现在 / 本方案 | |
|---|---|---|---|
| 单请求视频时长 | Pegasus 1.2 最多 1 小时 | Pegasus 1.5 最多 2 小时 |
$ pip install boto3
$ Action: ["bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream"]
$ boto3.client('bedrock-runtime', region_name='us-west-2').invoke_model(modelId='global.twelvelabs.pegasus-1-5-v1:0', body=json.dumps(payload))
TwelveLabs Pegasus 1.5 现已在 Amazon Bedrock 上可用。这一视频语言模型可将长视频转为结构化、带时间戳的元数据：定义你关注的关键片段，模型就会把每个匹配片段以 JSON 形式返回，并新增视频分段、带参考图像的多模态提示，以及最长两小时视频的即时处理能力。视频是一类重要而复杂的非结构化数据，但其中大部分内容仍无法被检索、未被充分利用。
要从这些内容中提取结构化、可执行的洞察，历来需要耗费大量人力的人工审阅或碎片化的工具链。在 Pegasus 的早期版本中，你可以把模型指向一段视频、提出一个问题并得到一个答案。现在，Pegasus 1.5 会分析整个视频，找出所有符合用户自定义标准的片段，并返回结构化、带时间戳的元数据。它还引入了视频分段、带参考图像的多模态提示和即时处理能力。
借助 Amazon Bedrock 上的 Pegasus 1.5，你可以直接从 Amazon Simple Storage Service（Amazon S3）URI 或 base64 字符串分析视频，无需预先建立索引，且数据保留在 AWS 数据边界内。
本文将介绍 Pegasus 1.5 的新特性、该模型在 Amazon Bedrock 上的打包方式，以及如何发送第一个请求；随后演示视频分段、结构化 JSON 输出和多模态提示。
TwelveLabs Pegasus 1.5 is now available in Amazon Bedrock.
The video language model turns long-form video into structured, timestamped metadata: define the moments that matter and get every matching segment back as JSON, with new video segmentation, multimodal prompting with reference images, and on-the-fly processing of up to two hours of video.
EVIDENCE / METHODS
要点
TwelveLabs Pegasus 1.5 已上线 Amazon Bedrock，支持视频语言模型输出结构化带时间戳元数据。