Jockey by TwelveLabs
TwelveLabs 的 Jockey 是一款专为视频理解打造的 AI 智能体层,能够通过对话式交互界面与开发者 API 对媒体库进行索引、搜索、组织与剪辑。
TwelveLabs 的 Jockey 是一款专为视频理解打造的 AI 智能体层,能够通过对话式交互界面与开发者 API 对媒体库进行索引、搜索、组织与剪辑。
产品用途与官方定位
TwelveLabs 推出的 Jockey 作为一个智能体层,旨在实现视频与图像库的媒体理解及工作流编排。它构建于 Marengo 索引模型与 Pegasus 自然语言模型之上,可从语义层面理解素材,从而不再需要手动打标签、组织文件夹结构或遵循传统命名规范。
该工具允许用户通过自然语言精准定位台词引用或视觉瞬间,自动将内容归类为按主题或角色划分的集合,并直接组装导出为 MP4 剪辑文件。开发者亦可通过 API 和 SDK 与系统交互,提取带有逐帧精确时间戳的结构化 JSON 元数据。
有官方来源支持的使用场景
视频剪辑师与内容创作者可通过描述性语句检索庞大的媒体素材库,以定位特定对话或画面场景,并快速生成粗剪精彩合集。
营销团队可按格式、出镜人员和吸睛卖点对商业广告归档进行分类,以评估开篇留存表现并检测代言人或品牌标志的露出。
应用开发者可通过 API 自定义 JSON 模式来导入视频文件,从而获取带有逐帧精确时间戳的结构化数据,用于播放跳转与深度链接。
官网提供的使用流程
通过 Claude、ChatGPT 等受支持的集成渠道,或使用 TwelveLabs 的 REST API 与 SDK 连接 Jockey。
直接上传视频与照片文件,或提交指向目标媒体的公开 URL 链接以导入素材。
发送自然语言提示词以检索特定片段、整理媒体合集,或命令智能体进行剪辑组装并导出媒体文件。
Jockey 作为操作型智能体层,负责协调 TwelveLabs 的核心视频基础模型。其中 Marengo 模型在视频、音频、图像与文本之间生成统一的多模态嵌入向量,Pegasus 模型解析媒体叙事与上下文语境,而 Jockey 则负责执行用户提示词所驱动的高阶任务。
该智能体不仅局限于被动视频搜索,更能促进端到端的媒体处理与操控。用户可以让智能体识别相关镜头素材、按时间顺序或主题排列片段、以帧级精度裁剪指定区间,并最终渲染导出剪辑完成的 MP4 合集视频。
用自己的素材和工作流完成验证
核对了哪些信息以及核对时间
基于已核对产品资料的回答
Jockey 支持 MP4、MOV、AVI、MKV 和 WebM 格式的视频文件,以及 JPEG、PNG、HEIC、HEIF、WebP、BMP 和 GIF 格式的图片文件。
Jockey 不使用传统面部识别技术,也不构建生物识别数据库;它利用多模态视觉、运动和上下文线索在媒体间对人物进行归类整理。
通过账户设置发起删除操作后,系统将永久清除原始文件、生成的搜索索引、关联元数据以及记录的使用历史,彻底抹除相关数据。
Jockey 作为编排层运行在 TwelveLabs 的底层模型之上,包括按语义索引媒体内容的 Marengo 模型,以及通过自然语言理解视频的 Pegasus 模型。
用户可以直接在 Claude 或 ChatGPT 环境中与 Jockey 进行交互,也可以使用 TwelveLabs API 和 SDK 构建定制化集成方案。