Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# TwelveLabs Marengo Embed 2.7
<a name="model-parameters-marengo"></a>

TwelveLabs Marengo Embed 2.7Model menghasilkan embeddings dari video, teks, audio, atau input gambar. Embeddings ini dapat digunakan untuk pencarian kesamaan, pengelompokan, dan tugas pembelajaran mesin lainnya.
+ Penyedia — TwelveLabs
+ ID Model — twelvelabs.marengo-embed-2-7-v1:0

TwelveLabs Marengo Embed 2.7Model ini mendukung operasi Amazon Bedrock Runtime dalam tabel berikut. 
+ Untuk informasi selengkapnya tentang kasus penggunaan untuk metode API yang berbeda, lihat[Pelajari tentang kasus penggunaan untuk metode inferensi model yang berbedaMetode inferensi yang berbeda](inference-methods.md).
+ Untuk informasi selengkapnya tentang jenis model, lihat[Cara kerja inferensi di Amazon BedrockBagaimana inferensi bekerja](inference-how.md).
  + Untuk daftar model IDs dan untuk melihat model dan AWS Wilayah TwelveLabs Marengo Embed 2.7 yang didukung, cari model dalam tabel di[Model pondasi yang didukung di Amazon Bedrock](models-supported.md).
  + Untuk daftar lengkap profil inferensi IDs, lihat[Wilayah dan model yang Didukung untuk profil inferensi](inference-profiles-support.md). ID profil inferensi didasarkan pada AWS Wilayah.


****  

| Operasi API | Jenis model yang didukung | Modalitas masukan | Modalitas keluaran | 
| --- | --- | --- | --- | 
|  InvokeModel  | [Profil inferensi](inference-profiles-support.md) |  Teks Citra  |  Menyematkan  | 
| StartAsyncInvoke | [Model dasar](models-supported.md) |  Video Audio Citra Teks  |  Menyematkan  | 

**catatan**  
Gunakan `InvokeModel` untuk menghasilkan embeddings untuk kueri penelusuran. Gunakan `StartAsyncInvoke` untuk menghasilkan embeddings untuk aset dalam skala besar.

Kuota berikut berlaku untuk input:


****  

| Modalitas masukan | Maksimum | 
| --- | --- | 
| Teks | 77 token | 
| Citra | 5 MB | 
| Video (S3) | 2 GB | 
| Audio (S3) | 2 GB | 

**catatan**  
Jika Anda menentukan audio atau video sebaris menggunakan pengkodean base64-, pastikan payload isi permintaan tidak melebihi kuota pemanggilan model Amazon Bedrock 25 MB.

**Topics**
+ [

## TwelveLabs Marengo Embed 2.7parameter permintaan
](#model-parameters-marengo-async-request)
+ [

## TwelveLabs Marengo Embed 2.7respon
](#model-parameters-marengo-response)
+ [

## TwelveLabs Marengo Embed 2.7contoh kode
](#model-parameters-marengo-examples)

## TwelveLabs Marengo Embed 2.7parameter permintaan
<a name="model-parameters-marengo-async-request"></a>

Saat Anda membuat permintaan, bidang di mana input khusus model ditentukan bergantung pada operasi API:
+ [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)- Dalam permintaan`body`.
+ [StartAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html)— Di `modelInput` bidang badan permintaan.

Format input model tergantung pada modalitas input:

------
#### [ Text ]

```
{
    "inputType": "text",
    "inputText": "string",
    "textTruncate": "string
}
```

------
#### [ Inline image ]

```
{
     "inputType": "image",
     "mediaSource": {
          "base64String": "base64-encoded string"
     }
}
```

------
#### [ S3 image ]

```
{
    "inputType": "image",
    "mediaSource": {
        "s3Location": {
            "uri": "string",
            "bucketOwner": "string"
        }
    }
}
```

------
#### [ Inline video ]

```
{
    "inputType": "video",
    "mediaSource": {
        "s3Location": {
            "base64String": "base64-encoded string"
        }
    },
    "startSec": double,
    "lengthSec": double,
    "useFixedLengthSec": double,
    "embeddingOption": "visual-text" | "visual-image" | "audio"
}
```

------
#### [ S3 video ]

```
{
    "inputType": "image",
    "mediaSource": {
        "s3Location": {
           "uri": "string",
           "bucketOwner": "string"
        }
    },
    "startSec": double,
    "lengthSec": double,
    "useFixedLengthSec": double,
    "minClipSec": int,
    "embeddingOption": ["string"]
}
```

------
#### [ Inline audio ]

```
{
    "inputType": "audio", 
    "mediaSource": { 
        "base64String": "base64-encoded string"
    },
    "startSec": double,
    "lengthSec": double,
    "useFixedLengthSec": double
}
```

------
#### [ S3 audio ]

```
{
    "inputType": "audio",
    "mediaSource": {
        "s3Location": {
           "uri": "string",
           "bucketOwner": "string"
        }
    },
    "startSec": double,
    "lengthSec": double,
    "useFixedLengthSec": double
}
```

------

Perluas bagian berikut untuk detail tentang parameter input:

### inputType
<a name="model-parameters-marengo-inputType"></a>

Modalitas untuk penyematan.
+ **Tipe**: String
+ **Wajib**: Ya
+ **Nilai yang valid:** `video` \$1 `text` \$1 `audio` \$1 `image`

### InputTeks
<a name="model-parameters-marengo-inputText"></a>

Teks yang akan disematkan.
+ **Tipe**: String
+ **Diperlukan:** Ya (untuk jenis input yang kompatibel)
+ **Jenis masukan yang kompatibel:** Teks

### TextTruncate
<a name="model-parameters-marengo-textTruncate"></a>

Menentukan bagaimana platform memotong teks.
+ **Tipe**: String
+ **Wajib**: Tidak
+ **Nilai yang valid:**
  + `end`— Memotong akhir teks.
  + `none`— Mengembalikan kesalahan jika teks melebihi batas
+ **Nilai default:** akhir
+ **Jenis masukan yang kompatibel:** Teks

### MediaSource
<a name="model-parameters-marengo-mediaSource"></a>

Berisi informasi tentang sumber media.
+ **Jenis:** Objek
+ **Diperlukan:** Ya (jika tipe kompatibel)
+ **Jenis input yang kompatibel:** Gambar, Video, Audio

Format `mediaSource` objek dalam badan permintaan tergantung pada apakah media didefinisikan sebagai string yang dikodekan Base64 atau sebagai lokasi S3.
+ **String yang dikodekan Base64**

  ```
  {
      "mediaSource": {
          "base64String": "base64-encoded string"
      }
  }
  ```
  + `base64String`— String yang dikodekan Base64 untuk media.
+ **Lokasi S3** — Tentukan URI S3 dan pemilik bucket.

  ```
  {
      "s3Location": {
          "uri": "string",
          "bucketOwner": "string"
      }
  }
  ```
  + `uri`— URI S3 yang berisi media.
  + `bucketOwner`— ID AWS akun pemilik bucket S3.

### EmbeddingOption
<a name="model-parameters-marengo-embeddingOption"></a>

Menentukan jenis embeddings untuk mengambil.
+ **Tipe**: Daftar
+ **Wajib**: Tidak
+ **Nilai yang valid untuk anggota daftar:**
  + `visual-text`— Penyematan visual yang dioptimalkan untuk pencarian teks.
  + `visual-image`- Penyematan visual yang dioptimalkan untuk pencarian gambar.
  + `audio`— Penyematan audio dalam video.
+ **Nilai default:** ["visual-text”, “visual-image”, “audio"]
+ **Jenis input yang kompatibel:** Video, Audio

### StartSec
<a name="model-parameters-marengo-startSec"></a>

Titik waktu dalam detik klip tempat pemrosesan harus dimulai.
+ **Tipe:** Ganda
+ **Wajib**: Tidak
+ **Nilai minimum:** 0
+ **Nilai default:** 0
+ **Jenis input yang kompatibel:** Video, Audio

### PanjangSec
<a name="model-parameters-marengo-lengthSec"></a>

Waktu dalam hitungan detik, dihitung dari titik `startSec` waktu, setelah itu pemrosesan harus berhenti.
+ **Tipe:** Ganda
+ **Wajib**: Tidak
+ **Nilai yang valid:** 0 - Durasi media
+ **Nilai default:** Durasi media
+ **Jenis input yang kompatibel:** Video, Audio

Contoh:
+ StartSec: 5
+ PanjangSec: 20
+ Hasil: Klip diproses dari 0:05 hingga 0:25 (5 detik\$120 detik).

### useFixedLengthSec
<a name="model-parameters-marengo-useFixedLengthSec"></a>

Durasi setiap klip yang modelnya harus menghasilkan penyematan.
+ **Tipe:** Ganda
+ **Wajib**: Tidak
+ **Parameter nilai:** 2 - 10. Harus lebih besar dari atau sama dengan`minClipSec`.
+ **Nilai default:** Tergantung pada jenis media:
  + **Video:** Dibagi secara dinamis dengan deteksi batas tembakan.
  + **Audio:** Dibagi secara merata dengan segmen sedekat mungkin dengan 10 detik.

    Contoh:
    + Klip 50 detik dibagi menjadi 5 segmen 10 detik.
    + Klip 16 detik dibagi menjadi 2 segmen 8 detik.
+ **Jenis input yang kompatibel:** - Video, Audio
+ **Catatan:** Harus lebih besar dari atau sama dengan`minClipSec`.

### minClipSec
<a name="model-parameters-marengo-minClipSec"></a>

Menetapkan nilai minimum untuk setiap klip dalam hitungan detik.
+ **Jenis:** int
+ **Wajib**: Tidak
+ **Parameter nilai:** Rentang: 1-5
+ **Nilai default:** 4
+ **Jenis input yang kompatibel:** Video
+ **Catatan:** Harus kurang dari atau sama dengan`useFixedLengthSec`.

## TwelveLabs Marengo Embed 2.7respon
<a name="model-parameters-marengo-response"></a>

Lokasi embeddings output dan metadata terkait tergantung pada metode pemanggilan:
+ [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)Dalam tubuh respon.
+ [StartAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html)— Dalam bucket S3 yang ditentukan dalam`s3OutputDataConfig`, setelah pekerjaan pemanggilan asinkron selesai.

Jika ada beberapa vektor embeddings, outputnya adalah daftar objek, masing-masing berisi vektor dan metadata terkait.

Format vektor embeddings output adalah sebagai berikut:

```
{
    "embedding": ["string"],
    "embeddingOption": "visual-text" | "visual-image" | "audio",
    "startSec": double,
    "endsec": double
}
```

Perluas bagian berikut untuk detail tentang parameter respons:

### menyematkan
<a name="model-parameters-marengo-embedding"></a>

Embeddings vektor representasi input.
+ **Jenis:** Daftar ganda

### EmbeddingOption
<a name="model-parameters-marengo-embeddingOption"></a>

Jenis embeddings.
+ **Tipe**: String
+ **Nilai yang mungkin:**
  + `visual-text`— Penyematan visual yang dioptimalkan untuk pencarian teks.
  + `visual-image`- Penyematan visual yang dioptimalkan untuk pencarian gambar.
  + `audio`— Penyematan audio dalam video.
+ **Jenis input yang kompatibel:** Video

### StartSec
<a name="model-parameters-marengo-startSec"></a>

Offset awal klip.
+ **Tipe:** Ganda
+ **Jenis input yang kompatibel:** Video, Audio

### EndSec
<a name="model-parameters-marengo-endSec"></a>

Offset akhir klip, dalam hitungan detik.
+ **Tipe:** Ganda
+ **Jenis input yang kompatibel:** Video, Audio

## TwelveLabs Marengo Embed 2.7contoh kode
<a name="model-parameters-marengo-examples"></a>

Bagian ini menunjukkan cara menggunakan TwelveLabs Marengo Embed 2.7 model dengan tipe input yang berbeda menggunakan Python. Contoh menunjukkan bagaimana mendefinisikan input khusus model dan menjalankan pemanggilan model.

**catatan**  
InvokeModel hanya mendukung input teks dan gambar. Untuk input video dan audio, gunakan StartAsyncInvoke.

Satukan kode Anda dalam langkah-langkah berikut:

**1. Tentukan masukan khusus model**  
Tentukan input khusus model tergantung pada jenis input Anda:

------
#### [ Text ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"
                            
model_input = {
  "inputType": "text",
  "inputText": "man walking a dog"
}
```

------
#### [ Inline image ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"

model_input = {
   "inputType": "image",
   "mediaSource": {
      "base64String": "example-base64-image"
   }
}
```

------
#### [ S3 image ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"

model_input = {
     "inputType": "image",
     "mediaSource": {
          "s3Location": {
               "uri": "s3://amzn-s3-demo-bucket/my_image.png",
               "bucketOwner": "123456789012"
          }
     }
}
```

------
#### [ Inline video ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"

model_input = {
    "inputType": "video",
    "mediaSource": {
        "base64String": "base_64_encoded_string_of_video"
    },
    "startSec": 0,
    "lengthSec": 13,
    "useFixedLengthSec": 5,
    "embeddingOption": [
        "visual-text", 
        "audio"
    ]
}
```

------
#### [ S3 video ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"

model_input = {
    "inputType": "video",
    "mediaSource": {
        "s3Location": {
            "uri": "amzn-s3-demo-bucket/my-video.mp4",
            "bucketOwner": "123456789012"
        }
    },
    "startSec": 0,
    "lengthSec": 13,
    "useFixedLengthSec": 5,
    "embeddingOption": [
        "visual-text", 
        "audio"
    ]
}
```

------
#### [ Inline audio ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"

model_input = {
    "inputType": "audio", 
    "mediaSource": { 
        "base64String": "base_64_encoded_string_of_audio"
    },
    "startSec": 0,
    "lengthSec": 13,
    "useFixedLengthSec": 10
}
```

------
#### [ S3 audio ]

```
# Create the model-specific input
model_id = "twelvelabs.marengo-embed-2-7-v1:0"
# Replace the us prefix depending on your region
inference_profile_id = "us.twelvelabs.marengo-embed-2-7-v1:0"

model_input = {
    "inputType": "audio",
    "mediaSource": {  
        "s3Location": { 
            "uri": "s3://amzn-s3-demo-bucket/my-audio.wav", 
            "bucketOwner": "123456789012" 
        }
    },
    "startSec": 0,
    "lengthSec": 13,
    "useFixedLengthSec": 10
}
```

------

**2. Jalankan pemanggilan model menggunakan input model**  
Kemudian, tambahkan cuplikan kode yang sesuai dengan metode pemanggilan model pilihan Anda.

------
#### [ InvokeModel ]

```
# Run model invocation with InvokeModel
import boto3
import json

# Initialize the Bedrock Runtime client
client = boto3.client('bedrock-runtime')

# Make the request
response = client.invoke_model(
    modelId=inference_profile_id,
    body=json.dumps(model_input)
)

# Print the response body
response_body = json.loads(response['body'].read().decode('utf-8'))

print(response_body)
```

------
#### [ StartAsyncInvoke ]

```
# Run model invocation asynchronously
import boto3
import json

# Initalize the Bedrock Runtime client.
client = boto3.client("bedrock-runtime")

try:
    # Start the asynchronous job
    invocation = client.start_async_invoke(
        modelId=model_id,
        modelInput=model_input,
        outputDataConfig={
            "s3OutputDataConfig": {
                "s3Uri": "s3://&example-s3-destination-bucket;"
            }
        }
    )

    # Print the response JSON
    print("Response:")
    print(json.dumps(invocation, indent=2, default=str))

except Exception as e:
    # Implement error handling here.
    message = e.response["Error"]["Message"]
    print(f"Error: {message}")
```

------