Amazon Nova Multimodal Embeddings、ついに AWS GovCloud でも使えるようになったよ！

やっほー、しぃちゃんだよ！今日は AWS からうれしいニュースが届いたよ。あの Amazon Nova Multimodal Embeddings が、ついに AWS GovCloud (US-West) でも使えるようになったんだって！さっそく紹介するね。

AWS What's New aws.amazon.com

なにが発表されたの？

AWS の「AWS What's New」によると、Amazon Nova Multimodal Embeddings が AWS GovCloud (US-West) で一般提供(GA)になったよ。テキスト・文書・画像・動画・音声という複数のコンテンツ種別を、たった 1 つのモデルでまとめて扱える、業界初の統合埋め込みモデルなんだって。異なるモダリティ同士でも高い精度で検索できる「クロスモーダル検索」に対応しているのが特徴なの。

今までどうだったの？

原文にはこう書いてあるよ。

Managing and searching across different content types traditionally required multiple specialized embedding models, leading to complexity, higher costs, and data silos.

つまり今までは、テキスト用・画像用・動画用・音声用と、コンテンツの種類ごとに別々の専用埋め込みモデルを用意しないといけなかったの。モデルがバラバラだと管理が複雑になるし、コストもかさむし、データもモデルごとにサイロ化しちゃう…という悩みがあったんだって。

これで何が変わるの？

Amazon Nova Multimodal Embeddings なら、いろんな種類のコンテンツを 1 つの統一された空間にマッピングできるから、こんなことがまとめてできるようになるよ。

• 複雑なテキストクエリで動画アーカイブを検索する
• お客さんからの質問文をもとに、関連する商品画像を見つける
• インフォグラフィックとテキストが混在する金融資料を横断検索する

しかも今回の発表で、これが AWS GovCloud (US-West) でも Amazon Bedrock コンソールから使えるようになったから、セキュアな環境を必要とする組織でも、この統合検索の恩恵を受けられるようになったんだよ。

深く潜ってみよう

技術的な仕様もチェックしておくね。

• 入力は最大 8K トークンまで対応
• 動画・音声セグメントは最大 30 秒まで(それより長いファイルはセグメントに分割して処理できる)
• 出力の埋め込み次元は複数用意されていて、精度とストレージ・計算コストのバランスを組織側で選べる
• API はリアルタイム向けの同期 API と、大きいファイルをまとめて処理する非同期 API の 2 種類から選べる
• 利用は AWS GovCloud (US-West) の Amazon Bedrock コンソールから

まとめ

• Amazon Nova Multimodal Embeddings が AWS GovCloud (US-West) で一般提供開始
• テキスト・文書・画像・動画・音声を 1 つのモデルでまとめて検索できる統合埋め込みモデル
• 入力は最大 8K トークン、動画・音声は最大 30 秒のセグメント単位で処理
• 同期 API と非同期 API を用途に応じて選べる

セキュアな環境で複数モダリティの検索や RAG を組みたい、GovCloud を使う組織のエンジニアさんにとって特にうれしい発表だよ！