Amazon Bedrock如何轻松实现复杂的生成式AI模型？

在人工智能快速发展的浪潮中，你是否曾为开发和部署AI应用的复杂性而头痛不已？Amazon Bedrock的出现，正是为了让这一切变得简单高效。从生成式AI到深度学习模型，它为开发者提供了一站式解决方案，让开发者能够专注于创新而不再为技术细节而烦恼。今天本文将深入探讨Amazon Bedrock的强大功能，走进这个AI革命的核心！

目录

初识Amazon Bedrock

视频理解模型操作

自动化行业报告生成

写在最后

新用户可获得高达 200 美元的服务抵扣金

亚马逊云科技新用户可以免费使用亚马逊云科技免费套餐（Amazon Free Tier）。注册即可获得 100 美元的服务抵扣金，在探索关键亚马逊云科技服务时可以再额外获得最多 100 美元的服务抵扣金。使用免费计划试用亚马逊云科技服务，最长可达 6 个月，无需支付任何费用，除非您选择付费计划。付费计划允许您扩展运营并获得超过 150 项亚马逊云科技服务的访问权限。

初识Amazon Bedrock

        Amazon Bedrock：是一项完全托管的基础模型（FM）服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 等领先人工智能公司的高性能基础模型，以及通过安全性、隐私性和负责任的人工智能构建生成式人工智能应用程序所需的一系列广泛功能。由于 Amazon Bedrock 是无服务器的，因此我们无需管理任何基础设施并且可以使用已经熟悉的亚马逊云科技提供的服务将生成式人工智能功能安全地集成和部署到您的应用程序中，从 网址 中我们可以看出当前Amazon Bedrock具备的强大优势：

        在亚马逊云科技就Amazon Bedrock分享会议上也给我们着重演示了如何在企业内部使用Amazon Bedrock，实操利用数据构建生成式人工智能应用来创建全新的客户体验：

        Amazon Bedrock的强大之处还有很多方面，这里博主不能一一的进行阐述和解释，感兴趣的可以访问 文档 来翻阅更为详细的内容介绍来查看，如下所示：

视频理解模型操作

        今年年初，亚马逊云科技预先宣布即将在Amazon Bedrock中发布了TwelveLabs的视频解读模型。目前TwelveLabs的视频解读模型已经在Amazon Bedrock平台上正式发布，TwelveLabs模型适用于对视频进行精确和可靠的搜索，对不同场景进行分类，总结经验并进行深入的洞察。

        利用Amazon Bedrock软件中的TwelveLabs模型，你可以通过自然语言的视频搜索功能来寻找特定的时间点，例如“首次向我展示比赛触地得分”或“寻找主角们首次相遇的场景”，然后立刻跳转到这些特定的时刻。您还可以创建描述性文本（如标题、主题、话题标签、摘要、章节或重点内容）来构建应用程序，这样可以更好地理解视频内容，从而发现洞察和关联，而不需要使用预先定义的标签或类别，接下来我们就该模型进行一个简单的演示：

        如果您是首次尝试使用TwelveLabs模型，在正式开始之前请先转到 亚马逊云科技控制台，然后在左下角的导航窗口中选择您的模型访问权限。若您需要进行更新或修改则可以将新的模型提交给系统服务端。若您希望浏览TwelveLabs的最新模型，请为TwelveLabs中的Marengo Embed 2.7和Pegasus 1.2申请访问权限。

如果你打算使用Amazon Bedrock的TwelveLabs模型，你可以在左侧的导航窗口中选择并测试下面的聊天或文本平台。选好模型，下一步选TwelveLabs为类，选Pegasus为型，再选应用。

        如果您想查找视频或从视频中提取文本，您可以将视频内容上传至Amazon S3的存储容器或者输入Base64格式的视频文本，这里我将使用一个由Amazon Nova Reel生成的示例视频以及如下提示:“一只憨态可掬的浣熊在水底弹吉他”，然后输入上传的视频的S3 URI以及S3存储桶拥有者，然后运行提示:“以时间为轴，将视频呈现给用户”：

然后我们就可以获得如下模型响应：

视频首先显示一个水下场景，其中包含沙质海床和摇曳的海藻，营造出了宁静的氛围。在大约第 5 秒处，出现了一只浣熊，带着古怪的表情向镜头游了过来。在第 10 秒，人们会看到这只浣熊正在海床上游泳。随后，在第 11 秒到第 13 秒，焦点转向一群正在海床上悠哉悠哉地游泳的锦鲤。

在第 14 秒，场景过渡到一把摆放在海床上的夏威夷四弦琴，镜头放大，以便突出显示四弦琴的细节。这只浣熊在第 20 秒再次出现，被锦鲤簇拥着游泳，在第 23 秒，它开始弹奏四弦琴。在第 29 到第 41 秒，这只浣熊继续演奏四弦琴，锦鲤们在它周围游来游去，让水下环境变得既生机勃勃又多彩缤纷。

在第 42 到第 49 秒，人们会看到这只浣熊在弹奏四弦琴，锦鲤们在它周围游来游去。在第 50 秒到第 54 秒的视频结尾处，一个画面显示了“视频由 Amazon Novo Reel 1.1 生成”和“已在 Amazon Bedrock 中推出”，然后在第 55 秒到第 57 秒显示了亚马逊云科技徽标。

        然后我们利用Amazon Bedrock Converse API可很方便地把TwelveLabs模型整合进应用程序，该API提供对话式人工智能交互的统一界面。以下是关于如何组合应用在Python上的 Amazon SDK（Boto3）和TwelveLabs Pegasus模型的例子：

import boto3
import json
import osAWS_REGION = "us-east-1"
MODEL_ID = "twelvelabs.pegasus-1-2-v1:0"
VIDEO_PATH = "sample.mp4"def read_file(file_path: str) -> bytes:"""在二进制模式下读取一个文件。"""try:with open(file_path, 'rb') as file:return file.read()except Exception as e:raise Exception(f"Error reading file {file_path}: {str(e)}")bedrock_runtime = boto3.client(service_name="bedrock-runtime",region_name=AWS_REGION
)request_body = {"messages": [{"role": "user","content": [{"inputPrompt": "向我介绍视频","mediaSource: {"base64String": read_file(VIDEO_PATH)}},],
}
]
}response = bedrock_runtime.converse(modelId=MODEL_ID,messages=request_body["messages"]
)print(response["output"]["message"]["content"][-1]["text"])

        TwelveLabs Marengo Embed 2.7模型具备从输入的视频、文字、音频或图片中产生向量嵌入的能力。这些嵌入技术适用于进行相似度的搜索、集群分析以及其他与机器学习（ML）相关的任务，此模型支持通过Bedrock AsyncInvokeModel API进行异步推理。对于视频来源可以使用AsyncInvokeModel API来请求适用于TwelveLabs Marengo Embed 2.7模型的JSON格式，如下所示：

{"modelId": "twelvelabs.marengo-embed-2.7","modelInput": {"inputType": "video","mediaSource": {"s3Location": {"uri": "s3://your-video-object-s3-path","bucketOwner": "your-video-object-s3-bucket-owner-account"}}},"outputDataConfig": {"s3OutputDataConfig": {"s3Uri": "s3://your-bucket-name"}}
}

当然我们可以获得传送到指定 S3 位置的响应，如下所示：

{"embedding": [0.345, -0.678, 0.901, ...],"embeddingOption": "visual-text","startSec": 0.0,"endSec": 5.0
}

当然我上面的仅仅是一个演示的操作，如果想通过了解更多案例或者使用不同的编程语言进行操作，这里还是推荐阅读官方网址给我们的范例 地址 如下所示：

自动化行业报告生成

        我们也可以借助 Amazon Bedrock和MCP快速构建生成企业行业市场分析报告，系统不仅能够自动检索相关信息，还能将数据整合成结构化的HTML报告，通过AI技术在自动化报告生成领域的应用潜力，为提高商业分析效率提供了新的解决方案。

        如下我们开启exa搜索和本地文件的MCP Server，接着在输入框中输入任务，生成一份出海任务的分析报告：

点击生成之后，我们就可以在右侧的工具栏中查看工具调用的实时日志：

生成报告之后，我们就可以打开生成好的一个链接，就能查看html代码生成的一个前端界面展示的报告内容：

写在最后

        在今天这个AI变革的时代，Amazon Bedrock无疑为开发者们提供了一个强大且灵活的平台，简化了生成式AI的开发与部署流程。通过其集成多种领先的AI模型，开发者可以轻松地构建、定制并推出自己的智能应用，而不需要深入复杂的底层技术细节。无论是加速产品创新还是提升业务效率，Amazon Bedrock都能为各种规模的企业提供巨大的价值：

        通过这个平台，开发者可以将注意力集中在创造性工作上，而不必担心技术难题。随着AI技术的不断进步，Amazon Bedrock正成为构建智能应用的核心力量，为未来的技术创新奠定基础，如果你有这方面需求的话，可以去尝试一下：地址。

        以上就是本文的全部内容啦。最后提醒一下各位工友，如果后续不再使用相关服务，别忘了在控制台关闭，避免超出免费额度产生费用～