Általánosan elérhetővé tette Jockey nevű videóintelligencia-ügynökét a TwelveLabs. A generatív mesterséges intelligencia természetes nyelvű utasítás alapján kereshet teljes videóarchívumokban, elemezheti a tartalmakat, kiválaszthatja a releváns jeleneteket és azokból akár egy szerkeszthető videóválogatást is összeállíthat.
A TwelveLabs október 15-én jelentette be a Jockey általános elérhetőségét. A rendszer korábban korlátozottabb hozzáféréssel működött, a mostani kiadásban azonban már ChatGPT-ből is elérhető MCP-kapcsolaton keresztül, a Claude mellett. A fejlesztéshez egyszerűbb videóimportálás, vizuálisabb találati megjelenítés és a kiválasztott klipek szerkesztésének, illetve megosztásának részletesebb kezelése is társult.
A Jockey mögött nem egy hagyományos kulcsszavas videókereső áll. A TwelveLabs saját multimodális modelljeit használja annak felismerésére, mi látható és hallható a videókban, illetve milyen események történnek bennük. A felhasználó ezért olyan kérdéseket is feltehet, mint hogy keresse meg az összes jelenetet, amelyben egy adott termék szerepel, foglalja össze egy hosszú interjú fő állításait vagy gyűjtse össze több felvételből azokat a pillanatokat, amelyek egy meghatározott témához kapcsolódnak.
A rendszer több videóból is kiválaszthat és sorrendbe rendezhet jeleneteket, így például egy esemény, interjú vagy közösségimédia-archívum anyagából előkészíthet egy rövid válogatást. A TwelveLabs szerint közvetlenül YouTube-, TikTok- és Instagram Reels-hivatkozásokból is importálhatók tartalmak, amelyekhez az elérhető átiratok, metaadatok és más információk is feldolgozhatók. A Jockey ugyanakkor nem új videóképkockákat generáló modell: a meglévő forrásanyag keresését, értelmezését és összeállítását automatizálja.
Olvasd el: Világszerte megkapja az Intelligent UI-t a ChatGPT generatív mesterséges intelligencia rendszere
Lehet, hogy a generatív mesterséges intelligencia egyik következő nagy kreatív feladata nem új tartalom előállítása lesz, hanem a már meglévő több ezer órányi anyag értelmes újrahasznosítása?
A technológia különösen azoknál a szervezeteknél lehet érdekes, ahol folyamatosan keletkezik nagy mennyiségű videó. Egy médiacég, sportcsapat, marketingügynökség vagy képzéseket készítő vállalkozás számára sok munkaórát igényelhet megtalálni egy régi felvétel néhány releváns másodpercét. Ha természetes nyelven kereshetővé válik a teljes archívum, a videókezelés egy része a manuális átnézés helyett kérdésalapú munkafolyamattá alakulhat.
A Jockey képességeit ugyanakkor nem szabad összekeverni egy autonóm videószerkesztőével. A megfelelő klipek megtalálása és sorrendbe rendezése nem garantálja, hogy a kész válogatás szerkesztőileg, jogilag vagy márkaszempontból is megfelelő lesz. A felhasznált videók szerzői jogai, az automatikusan értelmezett tartalom pontossága és a bizalmas felvételek kezelése továbbra is emberi és szervezeti kontrollt igényel. A vállalat széles körű független összehasonlító mérést sem közölt arról, milyen pontossággal találja meg minden videótípusban a keresett jeleneteket.
A Jockey ezért jól példázza a generatív mesterséges intelligencia egyik kevésbé látványos, de üzletileg fontos fejlődési irányát. A hangsúly már nem kizárólag azon van, hogy a modell a semmiből hozzon létre szöveget, képet vagy videót. Egyre értékesebbé válhat az is, ha képes több évnyi meglévő digitális tartalmat megérteni, összekapcsolni és a felhasználó aktuális céljához igazodva újra felhasználhatóvá tenni.
Olvasd el ezt is: Valódi kódbázisokon tanult dolgozni a JetBrains új generatív mesterséges intelligencia modellje
Források: TwelveLabs, TwelveLabs Documentation
CS.SZ.
