Marengo и OpenSearch: как Condé Nast ищет клипы по смыслу, а не по title

В архиве Condé Nast больше 140 000 роликов , на одну задачу content discovery уходило в среднем 250 минут, потому что искали только по заголовкам и описаниям. С AWS и брендами вроде Vogue, GQ и Wired команда собрала intent-based semantic search на Amazon Bedrock с embedding-моделью TwelveLabs Marengo и k-NN-индексом в Amazon OpenSearch Service. Редакторы не ищут «yoga_tutorial_march_2024.mp4» , им нужны формулировки вроде «beginner yoga content with calming backgrounds» или «behind-the-scenes fashion week moments». Пока поиск не смотрит внутрь видео, клипы держатся на памяти конкретных людей, а неиспользованный архив не всплывает, если в метаданных нет нужного слова. Что умеет поисковый слой Поиск по намерению , запрос на естественном языке и релевантные фрагменты с точными таймкодами. Мультимодальность , одновременно транскрипт, картинка и звук. Запрос по картинке , референс-кадр для поиска похожего визуала в архиве. Опечатки и смысл , релевантность по intent, а не по точному совпадению строк. Точность по времени , момент внутри ролика, без просмотра целиком. Два контура вместо одного монолита На библиотеке такого размера тяжёлую генерацию embeddings отделили от быстрой выдачи: иначе пришлось бы выбирать между скоростью backfill и откликом запросов. На ingestion-стороне ролик попадает в S3, пайплайн на Amazon ECS с Fargate режет видео на сегменты, каждый сегмент асинхронно уходит в Marengo на Bedrock, векторы пишут в S3 и индексируют в OpenSearch. На query-стороне search-сервис превращает текст или картинку в embedding и делает k-NN по индексу, метаданные подтягивает из Amazon DocumentDB. Цифры с benchmarking workshop в мае 2026 Condé Nast зафиксировала сокращение времени discovery примерно с 250 минут до 2 минут на задачу (99,2 % по их методике), более чем на 90 % меньше ручного просмотра и оценку около 800 000 долларов годовой экономии на операциях. До релиза опросили редакторов, как они формулируют запросы , без этого embedding-слой рисковал заточиться под «чужие» формулировки. Длину сегмента для embedding подбирали итерациями, а первичную индексацию 140 000 роликов гнали через асинхронные вызовы Bedrock в Step Functions, чтобы поиск для остальных не вставал. Источник: How Condé Nast built multimodal video discovery with Amazon Bedrock .