기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # TwelveLabs Marengo Embed 3.0 TwelveLabs Marengo Embed 3.0 모델은 비디오, 텍스트, 오디오, 이미지 또는 다중 입력(여러 이미지가 있는 텍스트) 입력에서 향상된 임베딩을 생성합니다. 이 최신 버전은 유사성 검색, 클러스터링 및 기타 기계 학습 작업에 향상된 성능과 정확도를 제공합니다. + 공급자 - TwelveLabs + 모델 ID - twelvelabs.marengo-embed-3-0-v1:0 Marengo Embed 3.0은 몇 가지 주요 개선 사항을 제공합니다. + **확장된 비디오 처리 용량** - 최대 4시간의 비디오 및 오디오 콘텐츠를 처리합니다. 파일은 최대 6GB일 수 있으며, 이는 이전 버전의 두 배 용량입니다. 따라서 전체 스포츠 이벤트, 확장 훈련 비디오 및 전체 영화 제작을 분석하는 데 적합합니다. + **향상된 스포츠 분석** - 모델은 상당한 개선을 제공합니다. 게임 플레이 역학, 플레이어 움직임 및 이벤트 감지를 더 잘 이해할 수 있습니다. + **글로벌 다국어 지원** - 12개 언어에서 36개 언어로 언어 기능을 확장했습니다. 이를 통해 글로벌 조직은 다양한 리전과 시장에서 원활하게 작동하는 통합 검색 및 검색 시스템을 구축할 수 있습니다. + **멀티모달 검색 정밀도** - 이미지와 설명 텍스트를 단일 임베딩 요청으로 결합합니다. 이를 통해 시각적 유사성과 의미론적 이해를 결합하여 보다 정확하고 상황에 맞는 검색 결과를 제공할 수 있습니다. + **임베딩 차원 감소** - 1024에서 512로 감소하여 스토리지 비용을 절감할 수 있습니다. TwelveLabs Marengo Embed 3.0 모델은 다음 표에서 Amazon Bedrock 런타임 작업을 지원합니다. + 다양한 API 방법 사용 사례에 대한 자세한 내용은 [추론 요청](inference.md) 섹션을 참조하세요. + 사용자 정의 모델 유형에 대한 자세한 내용은 [추론 요청](inference.md) 섹션을 참조하세요. + 모델 IDs 목록과에서 TwelveLabs Marengo Embed 3.0 지원되는 모델 및 AWS 리전을 보려면의 표에서 모델을 검색합니다[Amazon Bedrock에서 지원되는 파운데이션 모델](models-supported.md). + 추론 프로파일 ID의 전체 목록의 경우 [추론 프로파일에 지원되는 리전 및 모델](inference-profiles-support.md) 섹션을 참조하세요. 추론 프로필 ID는 AWS 리전을 기반으로 합니다. **** | API 작업 | 지원되는 모델 유형 | 입력 양식 | 출력 양식 | | --- | --- | --- | --- | | InvokeModel | 미국 동부(버지니아 북부) - [기본 모델](models-supported.md) 및 [추론 프로필](inference-profiles-support.md)
유럽(아일랜드) - [추론 프로필](inference-profiles-support.md)
아시아 태평양(서울) - [기본 모델](models-supported.md) | 텍스트
이미지
다중 입력(여러 이미지가 있는 텍스트)
**참고:** 텍스트 및 이미지 인터리브도 지원됩니다. | 임베딩 | | StartAsyncInvoke | 미국 동부(버지니아 북부) - [기본 모델](models-supported.md)
유럽(아일랜드) - [기본 모델](models-supported.md)
아시아 태평양(서울) - [기본 모델](models-supported.md) | 비디오
오디오
이미지
텍스트
다중 입력(여러 이미지가 있는 텍스트)
**참고:** 텍스트 및 이미지 인터리브도 지원됩니다. | 임베딩 | **참고** `InvokeModel`을 사용하여 검색 쿼리에 대한 임베딩을 생성합니다. `StartAsyncInvoke`를 사용하여 자산에 대한 임베딩을 대규모로 생성합니다. 입력에는 다음과 같은 할당량이 적용됩니다. **** | 입력 양식 | 최대 | | --- | --- | | 텍스트 | 토큰 500개 | | 이미지 | 이미지당 5MB | | 비디오(S3) | 6GB, 4시간 길이 | | 오디오(S3) | 6GB, 4시간 길이 | **참고** base64 인코딩을 사용하여 오디오 또는 비디오를 인라인으로 정의하는 경우 요청 본문 페이로드가 Amazon Bedrock 25MB 모델 간접 호출 할당량을 초과하지 않는지 확인합니다. ## TwelveLabs Marengo Embed 2.7에서 TwelveLabs Marengo Embed 3.0로 마이그레이션 **중요** TwelveLabs Marengo Embed 2.7는 더 이상 사용되지 않습니다. 로 생성한 임베딩TwelveLabs Marengo Embed 2.7은와 호환되지 않습니다TwelveLabs Marengo Embed 3.0. 를 사용하여 모든 임베딩을 다시 생성해야 합니다TwelveLabs Marengo Embed 3.0. 에서 TwelveLabs Marengo Embed 2.7로 마이그레이션하려면 다음 단계를 TwelveLabs Marengo Embed 3.0완료합니다. 1. 다음 섹션에 설명된 새로운 중첩 입력 구조 및 파라미터 변경 사항을 사용하도록 코드를 업데이트합니다. 1. 모델 ID를 로 업데이트합니다`twelvelabs.marengo-embed-3-0-v1:0`. 1. 새 버전과의 통합을 테스트합니다. 다음은 TwelveLabs Marengo Embed 2.7와 간의 주요 변경 사항입니다TwelveLabs Marengo Embed 3.0. + **중첩 입력 구조** - 이제 `inputType` 값을 기반으로 객체 내부에 입력 파라미터가 구성됩니다. 예를 들어 `inputType`가 인 경우 `text` 객체 `inputText` 내에 `text`중첩합니다. + **텍스트 및 이미지 입력 결합** - 새로운 `text_image` 입력 유형을 사용하면 텍스트와 이미지를 단일 요청으로 결합할 수 있습니다. 이 입력 유형은에서 지원되지 않습니다TwelveLabs Marengo Embed 2.7. + **파라미터 변경** - `embeddingOption` 파라미터 값이 변경되었습니다. + TwelveLabs Marengo Embed 2.7: `visual-text`, `visual-image`, `audio` + TwelveLabs Marengo Embed 3.0: `visual`, `audio`, `transcription` 다음 예제에서는 텍스트 입력의 구조적 변경 사항을 보여줍니다. **TwelveLabs Marengo Embed 2.7 (평탄 구조)** ``` { "inputType": "text", "inputText": "{{your-text}}", "embeddingOption": "visual-text" } ``` **TwelveLabs Marengo Embed 3.0 (중첩 구조)** ``` { "inputType": "text", "text": { "inputText": "{{your-text}}" }, "embeddingOption": "visual" } ``` 다음 예제에서는 미디어 입력(이미지, 비디오 또는 오디오)의 구조적 변경 사항을 보여줍니다. **TwelveLabs Marengo Embed 2.7 (평탄 구조)** ``` { "inputType": "{{image|video|audio}}", "mediaSource": { "s3Location": { "bucketName": "{{your-bucket}}", "objectKey": "{{your-key}}" } }, "embeddingOption": "{{visual-image|audio}}" } ``` **TwelveLabs Marengo Embed 3.0 (중첩 구조)** ``` { "inputType": "{{image|video|audio}}", "{{image|video|audio}}": { "mediaSource": { "s3Location": { "bucketName": "{{your-bucket}}", "objectKey": "{{your-key}}" } } }, "embeddingOption": "{{visual|audio|transcription}}" } ``` **Topics** + [TwelveLabs Marengo Embed 2.7에서 TwelveLabs Marengo Embed 3.0로 마이그레이션](#model-parameters-marengo-3-migration) + [TwelveLabs Marengo Embed 3.0 요청 파라미터](#model-parameters-marengo-3-async-request) + [TwelveLabs Marengo Embed 3.0 응답](#model-parameters-marengo-3-response) + [TwelveLabs Marengo Embed 3.0 코드 예제](#model-parameters-marengo-3-examples) ## TwelveLabs Marengo Embed 3.0 요청 파라미터 요청을 할 때 모델별 입력이 지정된 필드는 API 작업에 따라 달라집니다. + [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html) – `body` 요청입니다. + [StartAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html) - 요청 본문의 `modelInput` 필드에 있습니다. 모델 입력 형식은 입력 형식에 따라 다릅니다. ------ #### [ Text ] ``` { "inputType": "text", "text": { "inputText": "{{string}}" } } ``` ------ #### [ Image ] ``` { "inputType": "image", "image": { "mediaSource": { "base64String": "{{base64-encoded string}}", // base64String OR s3Location, exactly one "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/folder/dog.jpg", "bucketOwner": "{{123456789012}}" } } } } ``` ------ #### [ Text & image ] ``` { "inputType": "text_image", "text_image": { "inputText": "man walking a dog", "mediaSource": { "base64String": "{{base64-encoded string}}", // base64String OR s3Location, exactly one "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/folder/dog.jpg", "bucketOwner": "{{123456789012}}" } } } } ``` ------ #### [ Audio ] ``` { "inputType": "audio", "audio": { "mediaSource": { "base64String": "{{base64-encoded string}}", // base64String OR s3Location, exactly one "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/audio/a.wav", "bucketOwner": "{{123456789012}}" } }, "startSec": 0, "endSec": 6, "segmentation": { "method": "fixed", "fixed": { "durationSec": 6 } }, "embeddingOption": [ "audio", "transcription" ], // optional, default=both "embeddingType": [ "separate_embedding" ], // optional, default=["separate_embedding"] "embeddingScope": [ "clip", "asset" ] // optional, one or both } } ``` ------ #### [ Video ] ``` { "inputType": "video", "video": { "mediaSource": { "base64String": "{{base64-encoded string}}", // base64String OR s3Location, exactly one "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/video/clip.mp4", "bucketOwner": "{{123456789012}}" } }, "startSec": 0, "endSec": 6, "segmentation": { "method": "dynamic", // dynamic OR fixed, exactly one "dynamic": { "minDurationSec": 4 } "method": "fixed", "fixed": { "durationSec": 6 } }, "embeddingOption": [ "visual", "audio", "transcription" ], // optional, default=all "embeddingType": [ "separate_embedding" ], // optional, default=["separate_embedding"] "embeddingScope": [ "clip", "asset" ] // optional, one or both } } ``` ------ #### [ Multi-input ] ``` { "inputType": "multi_input", "multi_input": { "inputText": "<@img1> walking a dog with <@img2>", // optional "mediaSources": [ { "name": "img1", // required if inputText uses <@name> placeholders "mediaType": "image", "base64String": "{{base64-encoded string}}", // base64String OR s3Location, exactly one "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/images/person.jpg", "bucketOwner": "{{123456789012}}" } }, { "name": "img2", "mediaType": "image", "base64String": "{{base64-encoded string}}", // base64String OR s3Location, exactly one "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/images/dog.jpg", "bucketOwner": "{{123456789012}}" } } ] } } ``` ------ 입력 파라미터에 대한 자세한 내용은 다음 섹션을 확장하세요. ### inputType 임베딩 방식입니다. + **유형**: 문자열 + **필수 항목 여부:** 예 + 유효한 값****: `text` \| `image` \| `text_image` \| `audio` \| `video` \| `multi_input` ### inputText 임베딩할 텍스트입니다. + **유형**: 문자열 + **필수:** 예(호환되는 입력 유형의 경우) + **호환되는 입력 유형:** 텍스트 ### mediaSource 미디어 소스에 대한 정보를 포함합니다. + **유형:** 객체 + **필수:** 예(호환되는 유형인 경우) + **호환되는 입력 유형:** 이미지, 비디오, 오디오 요청 본문의 `mediaSource` 객체 형식은 미디어가 Base64 인코딩 문자열 또는 S3 위치로 정의되는지 여부에 따라 달라집니다. + **Base64-encoded 문자열** ``` { "mediaSource": { "base64String": "base64-encoded string" } } ``` + `base64String` - 미디어용 Base64 인코딩 문자열입니다. + **S3 위치** - S3 URI와 버킷 소유자를 지정합니다. ``` { "s3Location": { "uri": "string", "bucketOwner": "string" } } ``` + `uri` - 미디어가 포함된 S3 URI입니다. + `bucketOwner` - S3 버킷 소유자의 AWS 계정 ID입니다. ### embeddingOption 검색할 임베딩 유형을 지정합니다. + **유형**: 목록 + **필수 항목 여부**: 아니요 + **목록 멤버에 유효한 값:** + `visual` - 비디오의 시각적 임베딩입니다. + `audio` - 비디오에 오디오를 임베딩합니다. + `transcription` - 트랜스크립션된 텍스트의 임베딩입니다. + **기본값:** + 동영상: ["시각", "오디오", "트랜스크립션"] + 오디오: ["audio", "transcription"] + **호환되는 입력 유형:** 비디오, 오디오 ### embeddingScope 검색할 임베딩의 범위를 지정합니다. + **유형**: 목록 + **필수 항목 여부**: 아니요 + **목록 멤버에 유효한 값:** + `clip` - 각 클립에 대한 임베딩을 반환합니다. + `asset` - 전체 자산에 대한 임베딩을 반환합니다. + **호환되는 입력 유형:** 비디오, 오디오 ### startSec 처리가 시작되어야 하는 클립의 초 단위 시점입니다. + **유형**: Double + **필수 항목 여부**: 아니요 + **최솟값:** 0 + **기본값:** 0 + **호환되는 입력 유형:** 비디오, 오디오 ### endSec 처리가 종료되어야 하는 초 단위 시점입니다. + **유형**: Double + **필수 항목 여부**: 아니요 + **최소값:** startSec \+ 세그먼트 길이 + **최댓값:** 미디어 기간 + **기본값:** 미디어 기간 + **호환되는 입력 유형:** 비디오, 오디오 ### 세분화 임베딩 생성을 위해 미디어를 세그먼트로 나누는 방법을 정의합니다. + **유형:** 객체 + **필수 항목 여부**: 아니요 + **호환되는 입력 유형:** 비디오, 오디오 분할 객체에는 `method` 필드와 메서드별 파라미터가 포함됩니다. + `method` - 사용할 분할 방법입니다. 유효한 값: `dynamic` \| `fixed` + `dynamic` - 비디오의 경우는 샷 경계 감지를 사용하여 콘텐츠를 동적으로 분할합니다. 다음으로 구성됩니다. + `minDurationSec` - 각 세그먼트의 최소 지속 시간을 초 단위로 표시합니다. 유형: 정수입니다. 범위: 1\~5. 기본값: 4. + `fixed` - 콘텐츠를 동일한 기간의 세그먼트로 나눕니다. 다음으로 구성됩니다. + `durationSec` - 각 세그먼트의 초 단위 지속 시간입니다. 유형: 정수입니다. 범위: 1\~10. 기본값: 6. **기본 동작**: + 비디오: 샷 경계 감지와 함께 동적 분할을 사용합니다. + 오디오: 고정 분할을 사용합니다. 콘텐츠는 가능한 한 균등하게 분할되며 세그먼트는 10초에 가깝습니다. ### multi\_input 단일 임베딩 요청에서 텍스트를 여러 이미지와 결합하기 위한 다중 입력 구성을 포함합니다. 텍스트와 여러 이미지 간의 관계를 캡처하는 임베딩을 생성하려는 경우이 입력 유형을 사용합니다. + **유형:** 객체 + **필수:** 예(가 `inputType`인 경우`multi_input`) `multi_input` 객체는 다음 필드를 포함합니다. + `inputText` – (선택 사항) 자리 표시자 구문이 있는 텍스트 쿼리입니다. `<@name>`를 사용하여 미디어 소스(예: `"<@img1> walking with <@img2>"`)를 참조합니다. 자리 표시자와 함께 제공되는 경우 각 자리 표시자는와 일치해야 `<@name>` 합니다`mediaSources[].name`. 최대: 자리 표시자를 포함하여 토큰 500개. + `mediaSources` – (필수) 미디어 소스 객체의 배열입니다. 각 미디어 소스에는 이미지 데이터가 포함되어 있습니다. 배열에는 하나 이상의 항목이 포함되어야 합니다. + `name` - (조건부)이 미디어 소스의 고유 식별자입니다. 가 `<@name>` 자리 표시자를 `inputText` 사용하는 경우에만 필요합니다. 제공된 경우의 자리 표시자와 일치해야 합니다`inputText`( `<@` 및 `>` 문자 제외). + `mediaType` – (필수) 미디어 유형입니다. 현재 `"image"`만 지원됩니다. + `base64String` Base64-encoded 이미지 페이로드입니다. 최대: 이미지당 5MB. `base64String` 또는 중 정확히 하나를 제공합니다`s3Location`. + `s3Location` - `uri` (S3 URI) 및 `bucketOwner` (12자리 AWS 계정 ID)를 포함하는 S3 위치 객체입니다. 최대: 이미지당 5MB. `base64String` 또는 중 정확히 하나를 제공합니다`s3Location`. **미디어 주문:** + 에 `<@name>` 자리 표시자가 `inputText` 포함된 경우 순서는의 자리 표시자 순서에 따라 결정됩니다`inputText`. + `inputText`이 생략되거나 비어 있는 경우 순서는 기본적으로 배열 순서 로 설정됩니다`mediaSources`. ### embeddingType 임베딩이 여러 양식에서 집계되는 방법을 제어합니다. + **유형**: 목록 + **필수 항목 여부**: 아니요 + **목록 멤버에 유효한 값:** + `separate_embedding` - 각 양식(시각적, 오디오, 트랜스크립션)에 대한 임베딩을 개별적으로 반환합니다. + `fused_embedding` - 여러 임베딩 양식의 가중치 기반 융합을 반환합니다. + **기본값:** ["separate\_embedding"] + **호환되는 입력 유형:** 비디오, 오디오 **제약 조건**: + 비디오의 경우:에 최소 2개의 임베딩 유형이 `fused_embedding` 필요합니다`embeddingOption`. + 오디오의 경우: `transcription`에 `audio` 및가 모두 `fused_embedding` 필요합니다`embeddingOption`. ### inferenceId 추론 요청의 고유 식별자입니다. + **유형**: 문자열 + **필수 항목 여부**: 아니요 ## TwelveLabs Marengo Embed 3.0 응답 출력 임베딩 및 관련 메타데이터의 위치는 간접 호출 방법에 따라 달라집니다. + InvokeModel - 응답 본문에 있습니다. + StartAsyncInvoke -에 정의된 S3 버킷에서 비동기 호출 작업이 완료된 `s3OutputDataConfig`후. 임베딩 벡터가 여러 개 있는 경우 출력은 각각 벡터와 관련 메타데이터를 포함하는 객체 목록입니다. 출력 임베딩 벡터의 형식은 다음과 같습니다. ``` { "data": { "embedding": [ 0.111, 0.234, ... ], "embeddingOption": ["visual", "audio", "transcription", "fused" (for video input) | "audio", "transcription", "fused" (for audio input)], "embeddingScope": ["asset" | "clip"], "startSec": 0, "endSec": 4.2 } } ``` 임베딩은 부동 소수점 배열로 반환됩니다. 이 응답이 표시되는 위치는 사용한 API 메서드에 따라 달라집니다. + InvokeModel - 응답 본문에 표시됩니다. + StartAsyncInvoke - 요청에 지정한 S3 위치에 표시됩니다. 응답은를 반환합니다`invocationArn`. 이를 사용하여 비동기 호출에 대한 메타데이터를 가져올 수 있습니다. 여기에는 상태 및 결과가 기록되는 S3 위치가 포함됩니다. 응답 파라미터에 대한 자세한 내용은 다음 섹션을 확장하세요. ### 임베딩 입력의 벡터 표현을 임베딩합니다. + **유형:** Double 목록 ### embeddingOption 임베딩의 유형입니다. + **유형**: 문자열 + **가능한 값:** + 시각적 객체 - 비디오의 시각적 객체 임베딩입니다. + 오디오 - 비디오에 오디오를 임베딩합니다. + 트랜스크립션 - 트랜스크립션된 텍스트의 임베딩입니다. + 융합 - 여러 임베딩 유형의 가중치 기반 융합입니다. 가 요청에 `embeddingType` `"fused_embedding"` 포함된 경우에만 반환됩니다. + **호환되는 입력 유형:** 비디오, 오디오 **참고** 텍스트, 이미지, text\_image 및 multi\_input 입력 유형에는 적용되지 않습니다. 필드 없이 단일 임베딩을 반환합니다`embeddingOption`. ### embeddingScope 검색할 임베딩의 범위를 지정합니다. + **유형**: 문자열 다음 값 중 하나 이상을 포함할 수 있습니다. + 클립: 각 클립에 대한 임베딩을 반환합니다. + asset: 전체 자산에 대한 임베딩을 반환합니다. ### startSec 클립의 시작 오프셋입니다. + **유형**: Double + **호환되는 입력 유형:** 비디오, 오디오 ### endSec 클립의 끝 오프셋입니다. 텍스트, 이미지, text\_image 및 multi\_input 임베딩에는 적용되지 않습니다. + **유형**: Double + **호환되는 입력 유형:** 비디오, 오디오 ## TwelveLabs Marengo Embed 3.0 코드 예제 이 섹션에서는 Python을 사용하여 다양한 입력 유형으로 TwelveLabs Marengo Embed 3.0 모델을 사용하는 방법을 보여줍니다. 이 예제에서는 모델별 입력을 정의하고 모델 호출을 실행하는 방법을 보여줍니다. **참고** InvokeModel은 텍스트, 이미지, 다중 입력 및 이미지 인터리브 입력이 있는 텍스트를 지원합니다. 비디오 및 오디오 입력의 경우 StartAsyncInvoke를 사용합니다. 다음 단계에 따라 코드를 통합합니다. **1. 모델별 입력 정의** 입력 유형에 따라 모델별 입력을 정의합니다. ------ #### [ Text ] ``` # Create the model-specific input model_id = "twelvelabs.marengo-embed-3-0-v1:0" # Replace the us prefix depending on your region inference_profile_id = "us.twelvelabs.marengo-embed-3-0-v1:0" model_input = { "inputType": "text", "text": { "inputText": "man walking a dog" } } ``` ------ #### [ Image ] ``` # Create the model-specific input model_id = "twelvelabs.marengo-embed-3-0-v1:0" # Replace the us prefix depending on your region inference_profile_id = "us.twelvelabs.marengo-embed-3-0-v1:0" model_input = { "inputType": "image", "image": { "mediaSource": { "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/my_image.png", "bucketOwner": "{{123456789012}}" } } } } ``` ------ #### [ Text & image ] ``` # Create the model-specific input model_id = "twelvelabs.marengo-embed-3-0-v1:0" # Replace the us prefix depending on your region inference_profile_id = "us.twelvelabs.marengo-embed-3-0-v1:0" model_input = { "inputType": "text_image", "text_image": { "inputText": "man walking a dog", "mediaSource": { "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/my_image.jpg", "bucketOwner": "{{123456789012}}" } } } } ``` ------ #### [ Audio ] ``` # Create the model-specific input model_id = "twelvelabs.marengo-embed-3-0-v1:0" # Replace the us prefix depending on your region inference_profile_id = "us.twelvelabs.marengo-embed-3-0-v1:0" model_input = { "inputType": "audio", "audio": { "mediaSource": { "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/my-audio.wav", "bucketOwner": "{{123456789012}}" } }, "startSec": 0, "endSec": 5, "segmentation": { "method": "fixed", "fixed": { "durationSec": 5 } }, "embeddingScope": ["clip", "asset"], "embeddingOption": ["audio", "transcription"], "embeddingType": ["separate_embedding", "fused_embedding"] } } ``` ------ #### [ Video ] ``` # Create the model-specific input model_id = "twelvelabs.marengo-embed-3-0-v1:0" # Replace the us prefix depending on your region inference_profile_id = "us.twelvelabs.marengo-embed-3-0-v1:0" model_input = { "inputType": "video", "video": { "mediaSource": { "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/my-video.mp4", "bucketOwner": "{{123456789012}}" } }, "startSec": 10, "endSec": 20, "segmentation": { "method": "fixed", "fixed": { "durationSec": 5 } }, "embeddingOption": [ "visual", "audio" ], "embeddingType": ["separate_embedding", "fused_embedding"], "embeddingScope": [ "clip", "asset" ] } } ``` ------ #### [ Multi-input ] ``` # Create the model-specific input model_id = "twelvelabs.marengo-embed-3-0-v1:0" # Replace the us prefix depending on your region inference_profile_id = "us.twelvelabs.marengo-embed-3-0-v1:0" model_input = { "inputType": "multi_input", "multi_input": { "inputText": "<@img1> walking a dog with <@img2>", "mediaSources": [ { "name": "img1", "mediaType": "image", "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/images/person.jpg", "bucketOwner": "{{123456789012}}" } }, { "name": "img2", "mediaType": "image", "s3Location": { "uri": "s3://{{amzn-s3-demo-bucket}}/images/dog.jpg", "bucketOwner": "{{123456789012}}" } } ] } } ``` ------ **2. 모델 입력을 사용하여 모델 간접 호출 실행** 그런 다음 선택한 모델 간접 호출 방법에 해당하는 코드 조각을 추가합니다. ------ #### [ InvokeModel ] ``` # Run model invocation with InvokeModel import boto3 import json # Initialize the Bedrock Runtime client client = boto3.client('bedrock-runtime') # Make the request response = client.invoke_model( modelId=inference_profile_id, body=json.dumps(model_input) ) # Print the response body response_body = json.loads(response['body'].read().decode('utf-8')) print(response_body) ``` ------ #### [ StartAsyncInvoke ] ``` # Run model invocation asynchronously import boto3 import json # Initalize the Bedrock Runtime client. client = boto3.client("bedrock-runtime") try: # Start the asynchronous job invocation = client.start_async_invoke( modelId=model_id, modelInput=model_input, outputDataConfig={ "s3OutputDataConfig": { "s3Uri": "s3://amzn-s3-demo-bucket" } } ) # Print the response JSON print("Response:") print(json.dumps(invocation, indent=2, default=str)) except Exception as e: # Implement error handling here. message = e.response["Error"]["Message"] print(f"Error: {message}") ``` ------