Aunque casi el 80% de los datos del mundo están en formato de video, permitir la búsqueda y comprensión de datos de video ha sido históricamente una tarea difícil, manual y costosa en tiempo. El equipo de Twelve Labs se propuso cambiar esto mediante el desarrollo de modelos fundacionales multimodales centrados en video, y construyendo una potente plataforma en torno a estos modelos avanzados para permitir a las empresas extraer valor de sus vastos archivos de contenido de video. Durante ese proceso, el equipo de Twelve Labs se asoció con MosaicML y Databricks para crear sus modelos líderes en la industria y agregar inteligencia de video a la Databricks Data Intelligence Platform.
Hoy, nos complace anunciar que Databricks Ventures ha invertido en Twelve Labs. Esta inversión profundiza nuestra larga asociación con Twelve Labs y abre la puerta a puntos de integración adicionales entre Databricks y Twelve Labs para ayudar a desbloquear el contexto contenido en los datos de video para un conjunto más amplio de clientes.
Twelve Labs ha estado a la vanguardia en la resolución de uno de los desafíos más complejos de la AI hoy en día: el razonamiento de video. Combinando una investigación profunda con los comentarios de los clientes en el mundo real, Twelve Labs ha desarrollado un conjunto de modelos propios que generan potentes embeddings de video que capturan las complejas relaciones entre las expresiones visuales, el lenguaje corporal, las palabras habladas y el contexto general dentro de los videos. Con Twelve Labs, las empresas ahora pueden buscar y monetizar sin esfuerzo extensas bibliotecas de video, extraer información valiosa y adaptar el contenido a escala.
El enfoque único de Twelve Labs, centrado en el video y basado en la investigación, ha permitido a la empresa captar una impresionante variedad de clientes empresariales en una gran diversidad de sectores con un uso intensivo de video, como los deportes, los medios de comunicación y el entretenimiento, la publicidad y más. Nuestros clientes en estos sectores han estado pidiendo cada vez más a Databricks que extienda las capacidades analíticas de la Databricks Data Intelligence Platform a los datos de video, por lo que encontrar formas de trabajar más de cerca con Twelve Labs, el líder en comprensión de video, fue un paso natural.
Recientemente, anunciamos una integración entre Twelve Labs y Databricks que reduce el tiempo de desarrollo y las necesidades de recursos para aplicaciones de video avanzadas. Al aprovechar los embeddings multimodales y las capacidades eficientes de AI Search proporcionadas por Databricks AI Search, nuestra integración permite a los desarrolladores crear sistemas sofisticados de búsqueda, recomendación y análisis de video.
En el futuro, prevemos trabajar con Twelve Labs para profundizar nuestras integraciones tecnológicas, por ejemplo, permitiendo el acceso a los modelos de video de Twelve Labs de forma nativa dentro de la solución Databricks Model Serving. Esto permitiría a nuestros clientes conjuntos impulsar de manera mucho más fluida casos de uso avanzados de comprensión de video (desde la búsqueda en grandes cantidades de contenido de video utilizando lenguaje natural, hasta la indexación y el análisis de clips de video y escenas basados en texto o imágenes), lo que facilitaría la incorporación de la comprensión de video en los pipelines de datos de Databricks y los flujos de trabajo de machine learning existentes. Como el contenido de video continúa proliferando en todos los sectores, desde los medios de comunicación y el entretenimiento hasta el comercio electrónico y la seguridad, la capacidad de analizar y extraer valor de los datos de video de manera eficiente será cada vez más crucial.
Nos entusiasma trabajar aún más de cerca con el equipo de Twelve Labs. Estén atentos a las novedades sobre futuras colaboraciones.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.