AI 기반 멀티모달 비디오 디스커버리로 콘텐츠 관리 혁신

소개

멀티모달 비디오 디스커버리 솔루션은 현대 미디어 환경에서 콘텐츠 관리의 혁신적인 발전을 이루고 있습니다. 콘텐츠의 효과적인 검색은 미디어 기업의 생산성과 수익성을 결정짓는 주요 요소 중 하나로, AWS와 Condé Nast의 협업은 이를 한 단계 더 발전시키는 사례를 제공합니다.

본문

주요 내용 및 사례

Condé Nast는 방대한 비디오 라이브러리에서 콘텐츠 검색 효율성을 극대화하기 위해 AWS Generative AI Innovation Center와 협력하여 AI 기반 멀티모달 비디오 디스커버리 솔루션을 구축했습니다. 이 솔루션은 Amazon Bedrock과 Amazon OpenSearch Service를 활용하여 비디오 트랜스크립트, 시각적 요소 및 오디오를 통한 의도 기반 의미 검색을 실행합니다. 이러한 기술적 선택이 어떻게 기능하는지, 그리고 비즈니스에 어떤 결과를 가져왔는지 살펴보겠습니다.

기술 선택과 아키텍처

Condé Nast의 솔루션은 단일 플랫폼에서 다양한 모달리티의 데이터를 처리하도록 설계되었습니다. 특히, 멀티모달 벡터 임베딩을 통해 비디오 콘텐츠를 보다 정교하게 분석합니다. 이 해결책은 TwelveLabs Marengo 임베딩 모델을 사용하여 시각, 오디오, 그리고 텍스트 신호를 종합적으로 인코딩하여 검색의 정밀성을 높였습니다.

결과

이 솔루션을 통해 콘텐츠 발견 시간이 250분에서 2분으로 줄어들었으며, 연간 약 80만 달러의 운영 비용 절감 효과를 얻었습니다. 이러한 결과는 조직의 빠른 광고 요구와 판매 기회에 대한 대응력을 강화하여 수익을 촉진하는데 기여하고 있습니다.

결론

Condé Nast의 사례는 대규모 비디오 라이브러리 관리에 있어 멀티모달 AI 기술의 가능성을 보여주었습니다. 이러한 혁신은 방송국, 스트리밍 서비스, 미디어 팀 등 다양한 분야에 적용 가능성을 시사합니다. AWS의 강력한 클라우드 인프라와 AI 솔루션을 활용하여 성공적으로 디지털 혁신을 이룰 수 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/how-conde-nast-built-multimodal-video-discovery-with-amazon-bedrock/