エンベッド

NEW

すべてをベクトル化。

何でもできる。

画像・テキスト・音声を含む豊富な動画データをベクトル化し、新たな可能性へと変える。

Playgroundをお試しください

Embed 01

マルチモーダルだからといって、マルチモデルである必要はない。

画像・テキスト・音声・動画ごとに分断されたソリューションを、もはやつなぎ合わせる必要はありません。すべてのモダリティに対応し、豊富な動画データを同一空間内のベクトルへと変換します。

Embed 01

マルチモーダルだからといって、マルチモデルである必要はない。

Embed 02

シンプルだからといって、ありきたりである必要はない。

データが唯一無二であるように、モデルもそうあるべきです。独自のドメインに合わせてモデルを容易にファインチューニングし、圧倒的なパフォーマンスを実現します。

Embed 02

シンプルだからといって、ありきたりである必要はない。

Embed 03

より高品質な結果を、より短い処理時間で。

動画のネイティブサポートにより、Embed APIは処理時間を短縮し、スループットを向上させ、これにより、時間とコストを削減します。

Embed 03

より高品質な結果を、より短い処理時間で。

動画のネイティブサポートにより、Embed APIは処理時間を短縮し、スループットを向上させ、これにより、時間とコストを削減します。

動画の可能性を、あらゆるユースケースで。

RAG（検索拡張生成）との連携

当社のモデルをお客様のRAGパイプラインと組み合わせることで、関連情報を的確に抽出し、データ出力の精度を飛躍的に向上させます。

高品質なトレーニングデータ

エンベディング技術によってワークフローを変革します。学習データの作成やデータ品質の向上を実現し、手作業によるラベリング工数を大幅に削減します。

モデルのトレーニング

大規模言語モデル（LLM）のトレーニング時にエンベディングを使用して、データ品質を向上させます。

異常検出

黒い背景しか表示されない破損した動画を自動で検出・削除するなど、異常を特定してデータの品質を向上させます。

動画の可能性を、あらゆるユースケースで。

RAG（検索拡張生成）との連携

当社のモデルをお客様のRAGパイプラインと組み合わせることで、関連情報を的確に抽出し、データ出力の精度を飛躍的に向上させます。

高品質なトレーニングデータ

カスタマー検索の強化

プラットフォームを利用する顧客自身が、動画内のあらゆる瞬間を簡単かつ直感的に見つけ出せるようサポートします。

アセット管理

自然言語による検索で、ペタバイト級の膨大なデータから目的のコンテンツをくまなく探し出します。

動画の可能性を、あらゆるユースケースで。

RAG（検索拡張生成）との連携

当社のモデルをお客様のRAGパイプラインと組み合わせることで、関連情報を的確に抽出し、データ出力の精度を飛躍的に向上させます。

高品質なトレーニングデータ

カスタマー検索の強化

プラットフォームを利用する顧客自身が、動画内のあらゆる瞬間を簡単かつ直感的に見つけ出せるようサポートします。

アセット管理

自然言語による検索で、ペタバイト級の膨大なデータから目的のコンテンツをくまなく探し出します。

サンプルアプリ

node

PYTHON

コンテキストに基づくパーソナライズ広告

ソース映像を分析し、コンテンツを要約し、映像の文脈や感情的なトーンに基づいて広告をレコメンドするツール。

Try this sample app

PYTHON

マルチモーダル・エンベディングを使用したレコメンド

TwelveLabsのマルチモーダル・エンベディングを活用して、動画の探索や類似コンテンツの発見を始めましょう。

Try this sample app

Python

Node

from twelvelabs import TwelveLabs
from twelvelabs.models.embed import EmbeddingsTask, SegmentEmbedding

client = TwelveLabs("<YOUR_API_KEY>")

# Create a video embedding task for your video
task = client.embed.task.create(
   model_name="Marengo-retrieval-2.7",
   video_url: "<YOUR_VIDEO_URL>"
)

print(f"Created task: id={task.id} model_name={task.model_name} status={task.status}")

# Wait for embedding task to finish
status = task.wait_for_done()
print(f"Embedding done: {status}")

# Retrieve the video embeddings
task = task.retrieve()

# Print the embeddings
if task.video_embedding is not None and task.video_embedding.segments is not None:
    for segment in task.video_embedding.segments:
            print(
                f"  embedding_scope={segment.embedding_scope} start_offset_sec={segment.start_offset_sec} end_offset_sec={segment.end_offset_sec}"
            )
            print(f"  embeddings: {", ".join(str(segment.embeddings_float))}")

Python

Node

from twelvelabs import TwelveLabs
from twelvelabs.models.embed import EmbeddingsTask, SegmentEmbedding

client = TwelveLabs("<YOUR_API_KEY>")

# Create a video embedding task for your video
task = client.embed.task.create(
   model_name="Marengo-retrieval-2.7",
   video_url: "<YOUR_VIDEO_URL>"
)

print(f"Created task: id={task.id} model_name={task.model_name} status={task.status}")

# Wait for embedding task to finish
status = task.wait_for_done()
print(f"Embedding done: {status}")

# Retrieve the video embeddings
task = task.retrieve()

# Print the embeddings
if task.video_embedding is not None and task.video_embedding.segments is not None:
    for segment in task.video_embedding.segments:
            print(
                f"  embedding_scope={segment.embedding_scope} start_offset_sec={segment.start_offset_sec} end_offset_sec={segment.end_offset_sec}"
            )
            print(f"  embeddings: {", ".join(str(segment.embeddings_float))}")

Python

Node

from twelvelabs import TwelveLabs
from twelvelabs.models.embed import EmbeddingsTask, SegmentEmbedding

client = TwelveLabs("<YOUR_API_KEY>")

# Create a video embedding task for your video
task = client.embed.task.create(
   model_name="Marengo-retrieval-2.7",
   video_url: "<YOUR_VIDEO_URL>"
)

print(f"Created task: id={task.id} model_name={task.model_name} status={task.status}")

# Wait for embedding task to finish
status = task.wait_for_done()
print(f"Embedding done: {status}")

# Retrieve the video embeddings
task = task.retrieve()

# Print the embeddings
if task.video_embedding is not None and task.video_embedding.segments is not None:
    for segment in task.video_embedding.segments:
            print(
                f"  embedding_scope={segment.embedding_scope} start_offset_sec={segment.start_offset_sec} end_offset_sec={segment.end_offset_sec}"
            )
            print(f"  embeddings: {", ".join(str(segment.embeddings_float))}")