本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
Marengo 嵌入 3.0
TwelveLabs — Marengo Embed 3.0
模型详细信息
Marengo Embed 3.0 是 TwelveLabs “视频嵌入模型”，它生成视频内容的矢量表示以供搜索和检索。有关模型开发和性能的更多信息，请参阅model/service 卡片
车型发布日期：2025年10月29日
型号停产日期： N/A
最终用户许可协议和使用条款：查看
模型生命周期：活跃
Marketplace 产品编号：
prod-ibqpnh3htjd4s
功能和特点
基岩特征
使用bedrock-runtime端点支持的功能
定价
有关定价，请参阅 Amazon Bedrock 定价
以编程方式访问
使用以下模型 ID 和端点 URL 以编程方式访问此模型。有关可用 API 和终端节点的更多信息，请参阅支持的 API 和支持的终端节点。
| Endpoint | 型号标识 | In-Region 端点网址 | 地理推理 ID | 全局推理 ID |
|---|---|---|---|---|
bedrock-runtime |
twelvelabs.marengo-embed-3-0-v1:0 |
https://bedrock-runtime.{region}.amazonaws.com |
|
不支持 |
例如，如果区域为 us-east-1（弗吉尼亚北部），则基岩运行时端点 URL 将为 “”，基岩地幔的 URL 将https://bedrock-runtime.us-east-1.amazonaws.com为 “”。https://bedrock-mantle.us-east-1.api.aws/v1
服务等级
Amazon Bedrock 提供多个服务等级，以满足您的工作负载要求。标准版提供按令牌付费的访问权限，无需任何承诺。P@@ ri ority 通过基于时间的承诺提供更高的吞吐量。Flex 为灵活、非时间敏感型工作负载提供更低成本的访问权限。Reserved 为可预测的工作负载提供@@ 专用吞吐量和定期承诺。有关更多信息，请参阅服务等级。
| Standard | 优先级 | Flex | 已保留 |
|---|---|---|---|
 |
 |
|
|
区域可用性
地区供应情况一览
Bedrock 提供三种推断选项：In-Region将请求保留在单个区域内以实现严格合规；在尊重数据驻留的情况下跨地理区域（美国、欧盟等）进行地理路 Cross-Region由，以提高吞吐量；以及全球任何地方的全球 Cross-Region路由，在没有居住限制的情况下实现最大吞吐量。有关更多详细信息，请参阅该各型号的地区供货情况页面。
| 区域 | In-Region | Geo | Global |
|---|---|---|---|
us-east-1（弗吉尼亚北部） | | | |
eu-west-1（爱尔兰） | | | |
ap-northeast-2（首尔） | | | |
地理推断详情
地理位置：美国
地理推理 ID：us.twelvelabs.marengo-embed-3-0-v1:0
| 来源区域 | 目的地区域 |
|---|---|
| us-east-1（弗吉尼亚州北部） | us-east-1（弗吉尼亚北部）、us-east-2（俄亥俄州）、us-west-2（俄勒冈州） |
地理：欧盟
地理推理 ID：eu.twelvelabs.marengo-embed-3-0-v1:0
| 来源区域 | 目的地区域 |
|---|---|
| eu-west-1 (爱尔兰) | eu-central-1（法兰克福）、eu-north-1（斯德哥尔摩）、eu-south-1（米兰）、eu-south-2（西班牙）、eu-west-1（爱尔兰）、eu-west-3（巴黎） |
配额和限制
您的 AWS 账户具有默认配额，用于维持服务性能并确保适当使用 Amazon Bedrock。分配给账户的默认配额可能会根据地区因素、付款历史记录、欺诈性使用情况、增加配额请求的 and/or 批准而更新。有关更多详细信息，请参阅Amazon Bedrock 的配额文档并查看该模型的限制。
示例代码
第 1 步-AWS 账户：如果您已经拥有 AWS 账户，请跳过此步骤。如果您不熟悉 AWS，请注册一个 A WS 账户
第 2 步-API 密钥：前往 Amazon Bedrock 控制台
第 3 步-获取 SDK：
pip install boto3
步骤 4-设置环境变量：
AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
第 5 步-运行您的第一个推理请求：此模型使用StartAsyncInvoke。将文件另存为 bedrock-first-request.py
import boto3 client = boto3.client('bedrock-runtime', region_name='us-east-1') response = client.start_async_invoke( modelId='twelvelabs.marengo-embed-3-0-v1:0', modelInput={}, outputDataConfig={'s3OutputDataConfig': {'s3Uri': 's3://your-bucket/output/'}} ) print(response)
