View a markdown version of this page

Marengo Embed 2.7 版 - Amazon Bedrock

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

Marengo Embed 2.7 版

TwelveLabs — Marengo Embed v2.7

模型詳細資訊

Marengo Embed v2.7 是 TwelveLabs 的影片內嵌模型,用於了解、搜尋和分類多模態影片。如需模型開發和效能的詳細資訊,請參閱模型/服務卡

  • 模型啟動日期:2024 年 12 月 4 日

  • 模型 EOL 日期:不適用

  • 最終使用者授權合約和使用條款:檢視

  • 模型生命週期:作用中

輸入模態 輸出模式 支援的 APIs 支援的端點
No 音訊Yes 內嵌No ResponsesYes bedrock-runtime
Yes 影像No 影像No Chat CompletionsNo bedrock-mantle
Yes 語音No 語音No Invoke
Yes 文字No 文字No Converse
Yes 影片No 影片Yes StartAsyncInvoke

定價

如需定價,請參閱 Amazon Bedrock 定價頁面。

程式設計存取

使用以下模型 IDs和端點 URLs以程式設計方式存取此模型。如需可用 APIs和端點的詳細資訊,請參閱支援的 APIs支援的端點

端點 模型 ID 區域端點 URL 地理推論 ID 全域推論 ID
bedrock-runtime twelvelabs.marengo-embed-2-7-v1:0 https://bedrock-runtime.{region}.amazonaws.com

us.twelvelabs.marengo-embed-2-7-v1:0

eu.twelvelabs.marengo-embed-2-7-v1:0

不支援

例如,如果區域是 us-east-1 (維吉尼亞北部),則 bedrock-runtime 端點 URL 將為 "https://bedrock-runtime.us-east-1.amazonaws.com",而 bedrock-mantle 則為 "https://bedrock-mantle.us-east-1.api.aws/v1"。

服務層

Amazon Bedrock 提供多種服務層,以符合您的工作負載需求。Standard pay-per-token存取,無需任何承諾。優先順序透過以時間為基礎的承諾提供更高的輸送量。Flex 為彈性、non-time-sensitive工作負載提供較低成本的存取。預留提供專用輸送量,並承諾可預測工作負載的期間。如需詳細資訊,請參閱 服務方案

標準 優先順序 Flex 預留
Yes No No No

區域可用性

區域可用性一目了然

Bedrock 提供三種推論選項:為嚴格合規,區域內將請求保留在單一區域中,地理跨區域路由在地理 (美國、歐洲等) 內的區域間可提高輸送量,同時遵守資料駐留,而全球跨區域路由在無駐留限制的情況下,可在全球任何地方提供最大輸送量。如需詳細資訊,請參閱 區域可用性頁面。

區域 區域內 地理 全域
us-east-1 (維吉尼亞北部)NoYesNo
eu-west-1 (愛爾蘭)NoYesNo

地理推論詳細資訊

地理:美國

地理推論 ID: us.twelvelabs.marengo-embed-2-7-v1:0

來源區域 目的地區域
us-east-1(維吉尼亞北部)us-east-1 (維吉尼亞北部)、us-east-2 (俄亥俄)、us-west-1 (加利佛尼亞北部)、us-west-2 (奧勒岡)

地理:歐洲

地理推論 ID: eu.twelvelabs.marengo-embed-2-7-v1:0

來源區域 目的地區域
eu-west-1(愛爾蘭)eu-central-1 (法蘭克福)、eu-north-1 (斯德哥爾摩)、eu-south-1 (米蘭)、eu-south-2 (西班牙)、eu-west-1 (愛爾蘭)、eu-west-3 (巴黎)

配額和限制

您的 AWS 帳戶具有預設配額,可維持服務的效能,並確保適當使用 Amazon Bedrock。指派給帳戶的預設配額可能會根據區域因素、付款歷史記錄、詐騙使用量和/或配額增加請求的核准而更新。如需詳細資訊,請參閱 Amazon Bedrock 的配額 文件並查看模型的限制

範例程式碼

步驟 1 - AWS 帳戶:如果您已經有 AWS 帳戶,請略過此步驟。如果您是初次使用 AWS,請註冊 AWS 帳戶

步驟 2 - API 金鑰:前往 Amazon Bedrock 主控台並產生長期 API 金鑰。

步驟 3 - 取得 SDK:

pip install boto3

步驟 4 - 設定環境變數:

AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"

步驟 5 - 執行您的第一個推論請求:此模型使用 StartAsyncInvoke。將檔案儲存為 bedrock-first-request.py

import boto3 client = boto3.client('bedrock-runtime', region_name='us-east-1') response = client.start_async_invoke( modelId='twelvelabs.marengo-embed-2-7-v1:0', modelInput={}, outputDataConfig={'s3OutputDataConfig': {'s3Uri': 's3://your-bucket/output/'}} ) print(response)