マレンゴ 3.0
どんな動画からも、あらゆるものを見つけ出す。
4時間
連続する動画と音声を、完全な時間的コンテキストを保持したまま処理。
36+
クエリと検索に対応する言語。翻訳を介さないネイティブ処理。
512次元
動画のインデックス作成で他社より高速。精度では業界をリード。エンベディング次元は他社より6分の1。
30倍
動画のインデックス作成で他社より高速。精度では業界をリード。
マレンゴだけがすること。

512次元
Marengoは動画を512次元のエンベディングにエンコードし、競合他社と比較してストレージを6分の1に削減。精度を落とすことなく検索を高速化します。

1つのクエリで、画像と文章を組み合わせる。
選手の写真をドロップし、1〜2文を追加すれば、Marengoはそれらを1つのエンベディングに統合します。1つのクエリで画像、テキスト、音声をミックスできます。

36言語を、1つの空間で。
Marengoの統合ベクトル空間で36の言語を横断して検索。翻訳のステップは不要で、言語間での精度の低下もありません。

サンプルフレームによる検索。
テキストで条件を絞り込んだ画像クエリを使用して、一致する動画の瞬間を見つけ出す。
サインアップから最初の結果を得るまで、わずか5分。
Python
Node.js
1import requests
2
3# ステップ 2: APIのURLと特定のエンドポイントを定義する
4API_URL = "https://api.twelvelabs.io/v1.3"
5INDEXES_URL = f"{API_URL}/indexes"
6
7# ステップ 3: 認証に必要なヘッダーを作成する
8headers = {
9 "x-api-key": "<YOUR_API_KEY>"
10}
11
12# ステップ 4: APIリクエスト用のデータペイロードを準備する
13INDEX_NAME = "<YOUR_INDEX_NAME>"
14data = {
15 "models": [
16 {
17 "model_name": "marengo3.0",
18 "model_options": ["visual", "audio"]
19 }
20 ]
21}
より速く、より軽く、より正確に。
73%
総合パフォーマンス。Google Vertexは52%、Amazon Novaは55%。

機能
マレンゴ 3.0
Gemini Embedding 2
Nova マルチモーダル埋め込み
エンベディング次元数
512
3072(デフォルト。Matryoshka経由で1536 / 768)
3072(デフォルト。Matryoshka経由で1024 / 384 / 256)
最大動画長
4時間(連続)
1リクエストあたり120秒
1セグメントあたり30秒(チャンク化)
マルチモーダル複合クエリ
対応(画像+テキスト+音声クエリ用の単一エンベディング)
ネイティブな複合クエリAPIはなし
ネイティブな複合クエリAPIはなし
スポーツ認識
5つのスポーツ
要求・公開されている機能ではない
要求・公開されている機能ではない
レイテンシ
0.05
~0.50
1.50+
エンベディング信頼度スコア
対応
非公開
非公開



