멀티모달 검색을 위한 비디오 임베딩

embed

모든 영상,하나의 벡터로.

벡터화하고, 확장하세요.
이미지, 텍스트, 오디오를 포함한 풍부한 영상 데이터를 하나의 멀티모달 벡터로 변환해
시맨틱 검색, 추천 시스템, 이상 탐지 등 새로운 가능성을 간편하게 실현합니다.

세일즈 문의하기

영상에서 벡터로, API 호출 한 번에.

시각, 오디오, 음성, 그리고 화면 속 텍스트까지 모든 모달리티를 아우르는 맥락 벡터를 생성하세요.
하나의 임베딩으로 시맨틱 검색, 추천 시스템, 이상 징후 탐지, RAG 파이프라인을 구동합니다.

모달리티는 하나로, 기능은 다양하게.

하나의 모델이 이미지, 오디오, 텍스트, 영상을 모두 처리합니다.
별도의 파이프라인을 엮을 필요도, 벤더 간 크로스모달 오케스트레이션도 필요 없습니다.

특정 도메인 맞춤형.

Marengo는 고객사 고유의 도메인 어휘와 비즈니스별 전문 용어를 깊이 있게 이해합니다.
생성된 임베딩에는 조직과 실제 구매자가 현장을 정의하고 서술하는 방식이 그대로 투영됩니다.

처리는 빠르게, 결과는 더 정교하게.

네이티브 영상 지원으로 데이터 처리 속도를 단축하고 처리량을 극대화하며 인프라 비용을 절감합니다. 실제 재생 시간 대비 180배 빠른 인덱싱으로 10,000시간 분량의 영상을 1시간 이내에 처리할 수 있습니다.

영상에서 벡터로, API 호출 한 번에.

모달리티는 하나로, 기능은 다양하게.

특정 도메인 맞춤형.

처리는 빠르게, 결과는 더 정교하게.

영상 임베딩을 기반으로 새로운 가치를 개발해 보세요.

RAG 연동

트웰브랩스 모델을 RAG 파이프라인과 연결해
보다 정확하고 유의미한 결과를 끌어냅니다.

고품질 학습 데이터 구축

수작업 라벨링을 줄이고,
벡터 임베딩으로 학습 데이터를 손쉽게 구축할 수 있습니다.

모델 학습 최적화

임베딩을 활용해 학습 데이터 품질을 높이고
더 정밀한 대형 언어모델 학습이 가능합니다.

상 탐지 자동화

까만 화면만 나오는 손상된 영상을 탐지·제거하는 등
데이터 품질을 정제할 수 있습니다.

영상 임베딩을 기반으로 새로운 가치를 개발해 보세요.

RAG 연동

트웰브랩스 모델을 RAG 파이프라인과 연결해
보다 정확하고 유의미한 결과를 끌어냅니다.

고품질 학습 데이터 구축

수작업 라벨링을 줄이고,
벡터 임베딩으로 학습 데이터를 손쉽게 구축할 수 있습니다.

모델 학습 최적화

임베딩을 활용해 학습 데이터 품질을 높이고
더 정밀한 대형 언어모델 학습이 가능합니다.

상 탐지 자동화

까만 화면만 나오는 손상된 영상을 탐지·제거하는 등
데이터 품질을 정제할 수 있습니다.

영상 임베딩을 기반으로 새로운 가치를 개발해 보세요.

RAG 연동

트웰브랩스 모델을 RAG 파이프라인과 연결해
보다 정확하고 유의미한 결과를 끌어냅니다.

고품질 학습 데이터 구축

수작업 라벨링을 줄이고,
벡터 임베딩으로 학습 데이터를 손쉽게 구축할 수 있습니다.

모델 학습 최적화

임베딩을 활용해 학습 데이터 품질을 높이고
더 정밀한 대형 언어모델 학습이 가능합니다.

상 탐지 자동화

까만 화면만 나오는 손상된 영상을 탐지·제거하는 등
데이터 품질을 정제할 수 있습니다.

영상 임베딩을 기반으로 새로운 가치를 개발해 보세요.

RAG 연동

"트웰브랩스 모델을 RAG 파이프라인과 연결해
보다 정확하고 유의미한 결과를 끌어냅니다."

고품질 학습 데이터 구축

"수작업 라벨링을 줄이고,
벡터 임베딩으로 학습 데이터를 손쉽게 구축할 수 있습니다."

모델 학습 최적화

"임베딩을 활용해 학습 데이터 품질을 높이고
더 정밀한 대형 언어모델 학습이 가능합니다."

"이상 탐지 자동화
"

"까만 화면만 나오는 손상된 영상을 탐지·제거하는 등
데이터 품질을 정제할 수 있습니다."

Python

Node.js

import requests
 
# Step 2: Define the API URL and the specific endpoint
API_URL = "https://api.twelvelabs.io/v1.3"
INDEXES_URL = f"{API_URL}/indexes"
 
# Step 3: Create the necessary headers for authentication
headers = {
    "x-api-key": "<YOUR_API_KEY>"
}
 
# Step 4: Prepare the data payload for your API request
INDEX_NAME = "<YOUR_INDEX_NAME>"
data = {
    "models": [
        {
            "model_name": "marengo3.0",
            "model_options": ["visual", "audio"]
        }
    ]
}