AWSはTwelveLabsのMarengo 3.0を使い、Amazon Bedrock Knowledge Basesでvideoとimageをsemantic searchする実装を公開しました。S3上のmediaをembedding化し、OpenSearch Serverlessで検索します。 RAGの対象はdocumentから映像、画像、creative archiveへ広がっています。企業は検索精度だけでなく、segment粒度、閲覧権限、人物や機密映像の扱い、二次利用の境界を先に設計する必要があります。 Bedrock Knowledge Basesでvideoとimageを検索する構成です AWSは2026年9月10日、TwelveLabsのMarengo 3.0 embedding modelを使い、Amazon Bedrock Knowledge Basesでvideoとimageを検索する実装を公開しました。textだけでなく、映像や画像の意味をvector化して検索対象にすることで、media library、training video、support content、creative assetを自然言語から探せる構成を示しています。Bedrock Knowledge Basesを既存のRAG基盤として使っている組織にとって、検索対象を非構造mediaへ広げる発表です。 Marengo 3.0とOpenSearch Serverlessを組み合わせます 記事では、Amazon Bedrock MarketplaceからMarengo 3.0を使い、Amazon S3に置いたvideoやimageを処理し、Amazon OpenSearch Serverlessのvector indexへ格納する流れを説明しています。query側もtextをembedding化して類似検索を行い、該当するmedia segmentやassetを返します。従来のmetadata検索だけでは拾いにくい、場面、行動、物体、雰囲気に近い検索を狙っています。 multimodal RAGは権利と粒度の設計が重要になります 企業のmedia dataは、text documentよりも権利、人物、位置情報、機密映像の扱いが複雑です。multimodal retrievalを導入する場合、何秒単位でsegment化するか、thumbnailやcaptionを保存するか、検索結果を誰が見られるかを先に決める必要があります。検索できることは便利ですが、閲覧権限や二次利用の境界を曖昧にすると、compliance riskが大きくなります。 業務導入では評価datasetを別に用意します video searchはdemoでは分かりやすい一方、実務ではquery表現の揺れや似た場面の取り違えが起きます。導入側は、検索精度、漏れ、誤検出、処理cost、index更新時間を評価する小さなgolden setを用意する必要があります。Bedrock Knowledge Basesでmultimodal searchを扱えることにより、RAGの対象はmanualやFAQから、研修映像、inspection画像、creative archiveへ広がります。検索結果を生成AI回答へ渡す場合は、該当segmentの根拠表示とhuman reviewも設計に含めるべきです。