Jockey by TwelveLabs

概要

• Jockey は写真と動画を横断して人物・瞬間・文脈で検索する統合AIエージェントです。
• 時間と空間を理解するモデル群を使い、コーパス全体を横断して検索・抽出・推論を行います。
• MCP/API による連携で、ライブラリを直接検索したりカスタムワークフローを構築できます。

仕組みと強み

• 単一ファイルだけでなく、数千本の動画・画像を跨いでリッチなリトリーブが可能
• Marengo（埋め込み）と Pegasus（動画言語）などのモデルを活用
• 新バージョンの提供で推論・取得の品質が継続的に向上、再統合の手間が不要

ユース想定

• 「ハイライトを作って」「最適な瞬間を抜き出して」といったリクエストへ、タイムスタンプ付きのカットを返す

現状

• 研究プレビュー段階。曖昧なクエリや遅延などのエッジケースがあれば教えてください。