Inteligência de vídeo conversacional baseada em agentes construída na AWS
aws ·
Este artigo detalha uma solução de inteligência de vídeo conversacional e autônoma construída na AWS, projetada para permitir que os usuários consultem conteúdo de vídeo usando linguagem natural. O sistema utiliza o SDK Strands Agents com o Amazon Bedrock para orquestrar dinamicamente serviços como Amazon Transcribe e Amazon Rekognition com base na intenção em tempo de execução, eliminando a necessidade de pipelines de processamento fixos. Ao armazenar em cache os resultados das análises, o agente fornece respostas instantâneas a perguntas subsequentes, enquanto o processamento inicial de novos vídeos leva aproximadamente cinco a dez minutos. Uma empresa de mídia relatou uma redução de 80% no tempo de revisão manual após adotar essa arquitetura para suas gravações de reuniões. A solução suporta vários casos de uso, incluindo monitoramento de segurança, investigação de sinistros e inteligência de reuniões, ao combinar transcrição de áudio com análise visual de cenas. A implantação é realizada por meio do Amazon ECS e Fargate, apresentando controles de segurança robustos, como acesso apenas por convite e isolamento de dados por usuário. Os autores enfatizam que esse padrão é extensível, permitindo que as equipes adicionem novas capacidades simplesmente definindo novas funções de ferramenta, sem alterar a lógica central do fluxo de trabalho.
aws