AWS παρουσιάζει έξυπνη λύση βίντεο ανάλυσης με συνομιλία και δυναμική ορχήστρωση AI υπηρεσιών

Η νέα τεχνολογία συνδυάζει πολλαπλές υπηρεσίες AWS για γρήγορη και ευέλικτη ανάλυση βίντεο μέσω φυσικής γλώσσας.

Η AWS παρουσίασε μια νέα προσέγγιση για την ανάλυση βίντεο που επιτρέπει στους χρήστες να κάνουν ερωτήσεις σε φυσική γλώσσα και να λαμβάνουν απαντήσεις βασισμένες σε έξυπνη συμβουλευτική από έναν ενιαίο AI agent. Αυτή η λύση χρησιμοποιεί το Strands Agents SDK, το οποίο συντονίζει την εργασία αρκετών υπηρεσιών της AWS, όπως το Amazon Bedrock, το Rekognition και το Transcribe.

Παρότι οι παραδοσιακές πλατφόρμες ανάλυσης βίντεο λειτουργούν με στατικές ροές που εκτελούν μεταγραφή, αναγνώριση προσώπων και ετικετών ξεχωριστά, το νέο μοντέλο της AWS κάνει δυναμική επιλογή και εκτέλεση αυτών των υπηρεσιών κατά τη διάρκεια εκτέλεσης μιας ερώτησης. Αυτό σημαίνει ότι η ροή δεν είναι προκαθορισμένη, αλλά προσαρμόζεται στις ανάγκες κάθε ερώτησης, προσφέροντας ευελιξία και ταχύτερα αποτελέσματα.

Όταν κάποιος υποβάλλει μια ερώτηση για το περιεχόμενο ενός βίντεο, ο AI agent αποφασίζει ποια από τις υπηρεσίες της AWS πρέπει να χρησιμοποιηθούν και την κατάλληλη σειρά τους. Με τον τρόπο αυτό, η ανάλυση γίνεται αποδοτικότερη, αφού καλούνται μόνο οι αναγκαίες υπηρεσίες κάθε φορά. Επιπλέον, για ερωτήσεις που έχουν απαντηθεί πρόσφατα, τα αποτελέσματα επιστρέφονται ακόμα πιο γρήγορα χάρη σε μηχανισμούς προσωρινής αποθήκευσης (caching).

Η εφαρμογή απευθύνεται σε επαγγελματίες από πολλούς κλάδους και μπορεί να βοηθήσει στη γρήγορη αναζήτηση πληροφοριών μέσα σε μεγάλες βιβλιοθήκες βίντεο, μειώνοντας τον χρόνο και το κόστος της χειροκίνητης επανεξέτασης περιεχομένου. Ένα μεγάλο μέσο επικοινωνίας ανέφερε ότι η λύση οδήγησε σε μείωση περίπου 80% στο χρόνο χειροκίνητης επανεξέτασης βίντεο, βάσει συγκρίσεων εσωτερικών πριν και μετά την υιοθέτηση, χωρίς όμως αυτό να έχει επιβεβαιωθεί ανεξάρτητα.

Η πλατφόρμα υποστηρίζει βασικές μορφές βίντεο (MP4, MOV, AVI, MKV) με μέγιστο μέγεθος αρχείου 2 GB και χρησιμοποιεί μια ασφαλή υποδομή με Amazon ECS και Fargate, καθώς και υπηρεσίες ταυτοποίησης με πολλαπλή επαλήθευση ταυτότητας για προστασία των δεδομένων.

Όσον αφορά το κόστος, η μεταγραφή μιας ώρας ήχου μέσω Amazon Transcribe κοστίζει περίπου 1,44 δολάρια, ενώ η ανάλυση προσώπων και ετικετών σε βίντεο ενός 60λεπτου προϋπολογίζεται στα 6 δολάρια για κάθε υπηρεσία Rekognition. Το κόστος της λογικής με το Bedrock εκτιμάται μεταξύ 0,05 και 0,15 δολαρίων ανά επεξεργασία ερώτησης, με την αποθήκευση 500 MB για μια μέρα να είναι μηδαμινή (

Η AWS τονίζει πως η υλοποίηση αυτής της λύσης μειώνει την ανάγκη για πολλές ξεχωριστές ενσωματώσεις και επιτρέπει εύκολη επέκταση με πρόσθετα εργαλεία ή άλλη λειτουργικότητα μέσα στο ίδιο πλαίσιο. Τα παραδείγματα κώδικα και οι οδηγίες ανάπτυξης που παρέχονται βοηθούν τους προγραμματιστές να υιοθετήσουν και να προσαρμόσουν τη λύση γρήγορα.