Pegasus 1.5 de TwelveLabs est désormais disponible sur Amazon Bedrock
Le 9 octobre 2026, Amazon Web Services a annoncé la disponibilité de Pegasus 1.5, le modèle de langage vidéo de TwelveLabs, sur Amazon Bedrock. Ce modèle transforme de longues vidéos en métadonnées structurées et horodatées. L'utilisateur décrit les moments qui comptent pour son flux de travail, par exemple des séquences éditoriales, des actions sportives, des changements d'interlocuteur ou des apparitions de marques, et le modèle renvoie chaque segment correspondant au format JSON, avec heures de début et de fin et les champs demandés. Pegasus 1.5 introduit aussi la segmentation vidéo, le prompt multimodal avec images de référence et le traitement à la volée, sans indexation préalable. Il analyse des vidéos jusqu'à deux heures en une seule requête, contre une heure pour Pegasus 1.2. Le modèle (identifiant twelvelabs.pegasus-1-5-v1:0) est proposé en inférence à la demande dans la région US West (Oregon), via les API InvokeModel et InvokeModelWithResponseStream. Deux modes existent : « général », avec un prompt texte et une réponse en texte ou en JSON selon un schéma fourni, et « timebasedmetadata », avec des définitions de segments et une liste de segments en retour. La vidéo peut être transmise par un URI Amazon S3, avec l'identifiant du compte propriétaire du bucket, ou par une chaîne base64.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
L'enjeu est considérable, car la vidéo reste l'une des catégories de données non structurées les plus vastes et les plus difficiles à exploiter. Jusqu'ici, en extraire des informations utilisables exigeait une revue manuelle fastidieuse ou un assemblage d'outils disparates. Avec Pegasus 1.5, les équipes des médias, du sport, de la publicité ou de la conformité peuvent obtenir directement des résultats exploitables par leurs systèmes, sans construire de pipeline d'ingestion. Le prompt multimodal permet par exemple de repérer un produit, un logo ou une personne précise à partir d'une image de référence, et de savoir ce que cette personne fait à l'écran. Les données restant dans le périmètre de données d'AWS, le modèle répond aussi à des exigences de confidentialité fréquentes en entreprise. La prise en charge multilingue est complète pour l'anglais et partielle pour l'arabe, le chinois, le français, l'allemand, l'italien, le japonais, le coréen, le portugais, le russe, l'espagnol, le thaï et le vietnamien.
Cette sortie prolonge la lignée des modèles Pegasus, dont la version précédente permettait déjà de pointer un clip, de poser une question et d'obtenir une réponse. Pegasus 1.5 conserve les acquis de la version 1.2 : génération de texte à partir de vidéo, compréhension visuelle fine des objets, du texte à l'écran et des contenus numériques, localisation temporelle d'événements, et analyse combinant image, audio et texte. Le passage d'un modèle qui répond à une question à un modèle qui parcourt l'intégralité d'une vidéo et en extrait tous les segments pertinents marque une évolution vers des usages industriels. Pour l'heure, la disponibilité se limite à une région AWS et à l'inférence à la demande, ce qui laisse attendre des extensions géographiques. L'annonce s'inscrit dans la stratégie d'Amazon Bedrock, qui rassemble des modèles de fournisseurs tiers derrière une interface unique.
Le modèle n'est disponible que dans la région US West (Oregon) d'AWS, sans déploiement européen annoncé, et le français n'est que partiellement pris en charge.