«آن صحنه را در یوتیوب پیدا کن»؛ ایجنت هوش مصنوعی ویدئویی «Jockey» از Twelve Labs راه‌اندازی شد
یک دستیار هوش مصنوعی عرضه شده است که می‌تواند صحنه‌ای را که کاربر پیش‌تر در یوتیوب دیده است، به‌صورت خودکار پیدا کند. کاربران عادی نیز هنگام تماشای ویدئوهای طولانی می‌توانند بدون نیاز به جست‌وجوی دوباره و دستی، به‌راحتی از این قابلیت استفاده کنند.
شرکت Twelve Labs روز ۱۶ اکتبر اعلام کرد که ایجنت هوش مصنوعی «Jockey by TwelveLabs» را که چنین خدماتی ارائه می‌دهد، به‌طور رسمی راه‌اندازی کرده است.
Twelve Labs یک شرکت فعال در حوزه هوش مصنوعی برای درک چندوجهی ویدئو است. این شرکت فناوری عمومی درک ویدئو را توسعه می‌دهد؛ فناوری‌ای که می‌تواند رفتارها، رویدادها و زمینه موجود در حجم گسترده‌ای از ویدئوها را در حوزه‌های مختلفی مانند رسانه، سرگرمی، ورزش و بخش عمومی درک کند.
«Jockey» که Twelve Labs عرضه کرده، یک ایجنت هوش مصنوعی است که هنگام دریافت درخواست به زبان طبیعی، در سراسر کتابخانه ویدئویی به‌دنبال صحنه‌های مرتبط می‌گردد و توضیح می‌دهد چرا آن صحنه اهمیت دارد.
این ابزار با تکیه بر قابلیت‌های انباشته‌شده Twelve Labs در جست‌وجوی تصویری، تولید خودکار فراداده و فناوری درک تصویر برای خلاصه‌سازی تصاویر و شناسایی بخش‌های برجسته، درخواست‌های کاربران را به زبان طبیعی با سرعت اجرا کرده و نتایج را ارائه می‌دهد.
Jockey می‌تواند فراتر از جست‌وجوی ساده ویدئو، ویدئوهای موردنظر را بر اساس شاخص‌هایی مانند تعداد بازدید و پسندیدن انتخاب کند یا با گزینش تنها صحنه‌های موردنیاز از ویدئوی اصلی، نسخه‌ای ویرایش‌شده از آن تهیه کند.
در گذشته، یافتن محتوای ویدئویی به آسانی جست‌وجوی متن نبود. از آنجا که ویدئو مانند متن قابل جست‌وجوی مستقیم نیست، برای پیدا کردن یک صحنه باید خود ویدئو را مرور می‌کرد یا به اطلاعاتی مانند عنوان، برچسب‌ها و زیرنویس‌ها متکی می‌شد؛ اطلاعاتی که تنها به‌طور غیرمستقیم محتوای ویدئو را منعکس می‌کنند. Jockey این مشکل را برطرف کرده است.
مهم‌تر اینکه استفاده از Jockey به دانش توسعه و برنامه‌نویسی نیاز ندارد. کاربران می‌توانند همان‌طور که با یک ایجنت در اپلیکیشن ChatGPT از OpenAI یا Claude از Anthropic گفت‌وگو می‌کنند، با Jockey نیز درباره ویدئو تعامل داشته باشند.
Jockey همچنین می‌تواند با دریافت لینک ویدئوهای شبکه‌های اجتماعی مانند YouTube، TikTok و Instagram Reels، روندهایی را که اکنون مورد توجه قرار گرفته‌اند تحلیل کند و شاخص‌های مشارکت مربوط به هر ویدئو را برای بررسی عملکرد محتوا به‌صورت یکجا ارائه دهد.
نتایجی مانند نسخه‌های ویرایش‌شده یا داده‌های تحلیلی ایجادشده توسط Jockey را می‌توان همراه با منبع ویدئو ذخیره کرد و با دیگران به اشتراک گذاشت.
با راه‌اندازی Jockey، Twelve Labs اکنون مجموعه‌ای از قابلیت‌های هوش مصنوعی را در اختیار دارد که از مدل‌های پایه برای درک ویدئو تا ایجنت‌هایی که وظایف عملی را انجام می‌دهند، امتداد پیدا می‌کند.
لی جه‌سونگ، مدیرعامل Twelve Labs، گفت: «با تبدیل قابلیت‌های هوش مصنوعی که Twelve Labs تاکنون انباشته کرده است به یک سامانه یکپارچه برای درک ویدئو، ویدئو از یک دارایی محتوایی صرفاً قابل استفاده فراتر می‌رود و به نیروی محرکه نوآوری برای خلق ارزش‌های جدید تبدیل خواهد شد.»