모델 801건 · 국산 131 · 가격 643 추적 중
멀티모달

콘데나스트, 베드락 기반 멀티모달 영상 검색 구축

AWS ML Blog·2026-09-29영문 원문

요약

콘데나스트는 보그, GQ, 배니티 페어, 와이어드 등 브랜드의 14만 개 이상 영상 라이브러리에서 원하는 콘텐츠를 찾는 데 평균 250분이 걸렸고, 검색은 제목과 설명에만 의존했다. 이를 해결하기 위해 AWS 생성형 AI 혁신센터와 협력해 Amazon Bedrock과 Amazon OpenSearch Service 기반의 멀티모달 영상 검색 솔루션을 구축했다. 영상·음성·자막을 함께 인코딩하는 TwelveLabs의 Marengo 임베딩 모델을 채택해 자연어 질의로 영상 속 특정 장면을 정확한 타임스탬프까지 찾아낼 수 있게 했다. 그 결과 콘텐츠 탐색 시간이 250분에서 2분 이내로 줄었다고 밝혔다.

큐레이터 노트

원문에 없는 맥락입니다

임베딩 생성이라는 연산 집약적 작업과 저지연 검색 서비스를 별도 계층으로 분리한 구조가 14만 개 이상 영상을 처리하는 데 핵심적이었다고 설명한다.

깊이 읽기

이 기사 한 건이 아니라, 같은 사안을 다룬 이 사이트의 기록을 근거로 정리했습니다

이 일이 어디서 왔나

AWS ML 블로그는 2026년 9월 한 달간 베드락에 새 모델을 추가한 소식과 함께, 베드락을 실제 업무에 적용한 고객 사례들을 연이어 소개해왔다. 9월 23일에는 AWS가 자체 개발한 에이전트 기반 영상 질의 응답 솔루션을 공개한 바 있는데, 이번 콘데나스트 사례는 같은 '영상 검색' 문제를 TwelveLabs의 별도 임베딩 모델을 베드락에 얹는 다른 방식으로 푼 사례다.

짚어야 할 점

  • 9월 23일 보도된 AWS 자체 영상 질의 에이전트(Strands+Rekognition+Transcribe)와 달리, 이번 사례는 Twel비Labs Marengo라는 서드파티 멀티모달 임베딩 모델을 베드락에 붙여 검색하는 구조로, 같은 목표를 다른 아키텍처로 달성했다는 점에서 비교할 만하다.
  • 임베딩 생성(연산 집약)과 저지연 검색을 별도 계층으로 분리했다는 설계가 14만 개 규모 영상 처리의 핵심이었다고 밝힌 점은, 대규모 미디어 라이브러리에 이런 솔루션을 적용하려는 다른 기업에도 참고가 될 만한 구조적 시사점이다.
  • 250분에서 2분으로 줄었다는 수치는 콘데나스트 측이 밝힌 성과로, 9월 23일 보도된 다른 미디어 기업의 '80% 단축' 사례와 마찬가지로 제3자 검증 여부는 확인되지 않았다.

아직 확인되지 않은 것

  • 250분에서 2분 이내로 줄었다는 수치가 어떤 기준(전체 라이브러리 대비 표본, 특정 작업 유형 등)으로 측정됐는지, 독립적으로 검증됐는지는 확인되지 않았다.
  • 검색 결과의 정확도나 오탐률에 대한 자료는 제시되지 않았고, 속도 개선만 강조됐다.
  • TwelveLabs Marengo 모델 사용에 따른 비용이나 라이선스 조건, 14만 개 영상 전체에 임베딩을 적용하는 데 걸린 시간·비용은 언급되지 않았다.

이 사안의 흐름

같은 주제를 다룬 이 사이트의 기록 — 최신순

이 글에 나온 말

용어집 전체 →
생성형 AI
생성형 AI는 학습한 데이터의 패턴을 바탕으로 텍스트, 이미지, 음성, 코드 등 새로운 콘텐츠를 만들어내는 인공지능 기술을 말한다.
멀티모달
텍스트뿐 아니라 이미지, 음성, 영상 등 여러 종류의 데이터를 함께 이해하거나 생성할 수 있는 AI 모델의 특성을 말한다.
임베딩
텍스트, 이미지 같은 데이터를 의미적으로 비슷할수록 벡터 공간에서 가까운 위치에 놓이도록 고정된 길이의 숫자 벡터로 변환한 것을 말한다.

이 페이지는 원문을 요약·재서술하고 이 사이트가 쌓은 기록을 덧붙인 큐레이션입니다. 원문 본문은 싣지 않으며, 수치와 표기는 원문 기준을 유지했습니다.

AWS ML Blog 원문 전체 보기 →

같은 분야의 다른 소식

전체 뉴스 →