twelvelabs-video-understanding

TwelveLabs の動画理解

TwelveLabs は、人間の編集者のように映像を読み取る 動画基盤モデル を構築しています。映像、画面上のテキスト、動き、音、音声、音楽を横断して理解し、その機能を REST API、SDK（Python、Node）、MCP サーバー、NLE プラグインを通じて提供します。このスキルは、制作業務で動画のログ作成、検索、説明、セグメント分割、タグ付けを行うためのものです。動画を 生成する ものではなく、TwelveLabs はピクセルを合成したり編集したりしません。

以下の変動する情報にはすべて 検証日 を記載しています。この分野は変化が速いため、最新情報としてユーザーに伝える前に、モデル名、制限、料金を docs.twelvelabs.io で再確認してください。

このスキルを使う場面

次のような作業では TwelveLabs を使用してください。

• アーカイブ／映像の検索 — 「CEO がステージにいるショットをすべて見つける」「夜に赤い車が映っているクリップ」「『四半期決算』と誰かが言っている箇所」など。インデックス化された動画を自然言語、画像、または組み合わせたクエリで検索できます。
• ログ作成とタグ付け — 素材映像やデイリー映像のログ作成に使えるメタデータ（人物／対象／場所／動作）を自動生成します。
• セグメント分割 — チャプター、シーンの切れ目、ハイライト、話者の切り替わり、スポーツのプレー、CM の開始・終了位置など。
• 動画からテキストへの変換 — クリップの要約、説明、キャプション、質疑応答、構造化 JSON の抽出（ショットリスト、コンプライアンス上の注意事項など）。
• 埋め込み — カスタムレコメンダー、重複排除、類似性検索、動画を対象とする RAG ストア向けのマルチモーダルベクトル。
• コンプライアンス／ブランドセーフティの確認 — ライブラリ全体からロゴ、画面上のテキスト、話されたフレーズ、またはセンシティブなコンテンツを検索します。

動画の作成、視覚効果の適用、トランスコードには使用しないでください。また、汎用の音声テキスト変換ツールとしても使用しないでください（検索や分析向けの音声 理解 は行いますが、文字起こしだけが必要なら専用の ASR のほうが低コストです）。

2 つのモデルファミリー

[ドキュメント記載 — docs.twelvelabs.io/docs/concepts/models、2026-07-10 に検証済み]

TwelveLabs は単一のモデルではありません。タスクに応じて選択してください。

	Marengo	Pegasus
目的	検索＋埋め込み（検索・取得）	分析＋テキスト生成
出力	順位付けされた動画セグメント、ベクトル	自然言語テキスト／構造化テキスト
現行バージョン	Marengo 3.0（2025 年 11 月 GA）	Pegasus 1.5（2026 年 4 月）、1.2 も引き続き利用可能
呼び出し方法	/search、/embed	/analyze
読み取るモダリティ	映像、音声、画面上のテキスト／OCR、ロゴ、音声、音楽	映像、音声、音声、画面上のテキスト

目安： 答えが 「どの場面／動画か？」 なら Marengo（検索）を使用します。答えが 「教えて／説明して／要約して／抽出して」 なら Pegasus（分析）を使用します。独自のベクトル DB 用の埋め込みには Marengo（埋め込み）を使用します。インデックスではどちらか一方、または両方を有効にできます。各モデルはインデックス作成時に課金されるため、使用するモデルだけを有効にしてください。

Marengo 3.0 の情報 [ドキュメント記載、2026-07-10 に検証済み]

• 動画、画像、音声、テキストを 1 つの表現空間に統合し、512 次元の埋め込みを生成します。
• 高精度な分析が可能です。ブランドロゴ、小さなオブジェクト、画面上のテキスト、ショット技法を検出し、オブジェクトの数を数えられます。
• 動画入力：4 秒から 4 時間、≤ 4 GB、解像度 360×360 から 5184×2160、アスペクト比 1:1 から 1:2.4（縦横どちらの向きでも可）、FFmpeg でデコード可能なあらゆるコンテナ形式。
• 音声／検索は英語に加えて 36 言語に対応します。
• テキストクエリ／テキスト埋め込みの入力：最大 500 トークン（77 から引き上げ）。
• Marengo 2.7 は 2026-03-30 に提供終了しました。2.7 のみで構築されたインデックスは、検索も埋め込みの取得もできなくなりました。古いインデックスを引き継いだ場合は、まずモデルのバージョンを確認してください。

Pegasus 1.5 の事実 [ドキュメントに記載、2026-07-10 に検証済み]

• 複数のモダリティに対応した動画からテキストへの変換です。1.2 からの主な追加機能は、構造化された動画セグメンテーション、最大 4 枚の参照画像を使ったマルチモーダルプロンプト、クリップごとの時間範囲（start_time／end_time）、大幅に拡張されたコンテキストウィンドウです。
• コンテキストウィンドウ：261,120 トークン。入力と出力で共有されます。最大応答：98,304 トークン（2026-05-28 に 65,536 から引き上げ）。デフォルトの応答は 4,096 トークンで、max_tokens で設定します。
• 動画入力：4 秒から 2 時間、≤ 2 GB（Marengo より制限が厳しい点に注意）。同期 /analyze エンドポイントが受け付けるクリップは最大 1 時間です。それより長いコンテンツには、非同期の analyze タスクを使用します。
• 動画の URL を直接指定する場合のみ対応します。YouTube やクラウド共有リンクには対応していません。
• 一般的な分析には Pegasus 1.2 も引き続き利用できます。1.2 はトークン上限が小さく（プロンプト約2,000トークン、応答 ≤4,096）、入力料金も安価です。セグメンテーション、参照画像、または長い構造化出力には 1.5 を、短く単純なプロンプトでコストを抑えたい場合には 1.2 を使用します。

実際の API

[ドキュメントに記載 — ベース URL は https://api.twelvelabs.io、バージョン v1.3、2026-07-10 に検証済み]

すべての処理の起点となるのは インデックスです。インデックスは、処理に使用するモデルを設定した動画のコレクションです。

基本的なオブジェクトの流れ

Index  ──►  Asset / video upload  ──►  Indexing task (async)  ──►  ready video
                                                                      │
                     ┌────────────────────────────────────────────────┤
                     ▼                        ▼                        ▼
             /search (Marengo)        /analyze (Pegasus)        /embed (Marengo)

1. インデックスを作成する

有効にするモデルと、それぞれが分析するモダリティを設定します。Marengo を有効にすると動画を検索できるようになり、Pegasus を有効にすると動画を分析できるようになります。両方が必要な場合に限り、両方を有効にしてください。

2. 動画をアップロードしてインデックス化する（非同期）

2026-07-10 時点で、どちらも利用できる 2 つの方法があります。

• 従来の単一呼び出し — index_id と、video_url（公開 URL、最大 4 GB）または video_file（ローカルファイル、最大 2 GB。それより大きい場合は Multipart Upload API を使い、最大 10 GB）を指定して POST /v1.3/tasks を呼び出します。任意の項目として、enable_video_stream（デフォルトは true。HLS プロキシを保存します）と user_metadata（文字列／整数／浮動小数点数／ブール値のタグを含む JSON。後で検索を絞り込めるよう、アップロード時に設定します）があります。タスクの _id と video_id が返されます。
• 新しいアセットベースの方法 — POST /assets でメディアを登録し、続けて POST /indexes/{index-id}/indexed-assets でインデックス化します。この方法では、「ファイルが存在すること」と「そのファイルをこのインデックスに登録すること」が分離されるため、同じアセットを複数のインデックスで使う場合により適しています。[ドキュメントに記載。ドキュメントでは単一呼び出しの /tasks ルートは旧方式とされています — 2026-07-10 に検証済み。SDK のバージョンでどちらがデフォルトになるか確認してください。]

インデックス化は非同期です。タスクのステータスをポーリングし、ready になるまで待ちます（validating、pending、indexing、failed などの状態も確認されています）。SDK には task.wait_for_done() が用意されているため、ポーリングループを自分で実装する必要はありません。処理には実際の時間がかかります。動画 1 本あたり数分、長い映像ではさらに時間がかかることを想定してください。アップロードした直後の動画がすぐに検索可能になるとは考えないでください。

3. 検索（Marengo）— POST /v1.3/search

• クエリの種類： テキスト（自然言語、≤500 トークン）、画像（視覚的に類似した場面を検索。最大約10枚）、または精度を高めるためのテキストと画像の組み合わせです。
• search_options： 照合するモダリティを指定します。visual、audio、またはその両方です。operator: "or"（デフォルト。より広く候補を取得）または "and"（両方への一致が必要となり、精度が高まる）と組み合わせます。
• transcription_options： lexical、semantic、または両方を指定します。話された言葉との照合を完全一致で行うか、意味に基づいて行うかを制御します。
• 検索範囲： 1 リクエストにつき 1 つのインデックスです。複数のインデックスを横断する検索には対応していないため、まとめて検索するアーカイブを基準にインデックスを設計してください。
• 結果： video_id、start／end（秒）、関連度を示す score／confidence、および rank（1 が最良）を含む、順位付けされたセグメントです。編集者に提示する価値があるかどうかは、信頼度の段階と独自のしきい値を使って判断してください。信頼度の低い結果は候補であり、確定的な回答ではありません。

4. 分析（Pegasus）— POST /v1.3/analyze

2026-02-15 に /gist と /summarize が削除されて以降、唯一の生成エンドポイントです。/analyze は、プロンプトで指定したあらゆるテキスト（要約、チャプター一覧、アクションアイテム、ショットログ、コンプライアンスメモなど）を生成し、response_format（JSON スキーマ）を使用して構造化 JSONを返すこともできます。

主なパラメーター ［文書化済み、2026-07-10 に確認］：

パラメーター	備考
video / video_id	ソース：アセット ID、直接 URL、または base64。事前にインデックス化された動画には video_id を使用（Pegasus 1.2 のパス）
prompt	指示
prompt_v2	参照画像を含む構造化プロンプト（Pegasus 1.5）
temperature	0～1、デフォルトは 0.2 — 事実に基づくログ作成やコンプライアンス用途では低く保ちます
max_tokens	512～98,304（1.5）；2～4,096（1.2）
stream	NDJSON ストリーミング、デフォルトは true（stream_start → text_generation → stream_end）
response_format	決定性の高い構造化出力用の JSON スキーマ
start_time/end_time	クリップのみを分析（1.5）

1 時間以下のクリップは同期処理されます。より長い動画やバッチ処理には、非同期の分析タスクを使用してください（バッチでは 1 回の呼び出しで最大 1,000 件のリクエストをサポートします）。

5. 埋め込み（Marengo）— Embed API v2

［文書化済み、2026-07-10 に確認］ エンドポイントは 2 種類あります。テキスト、画像、音声、および 10 分未満の動画に対応する同期エンドポイントと、最大 4 時間の音声／動画に対応する非同期エンドポイントです。非同期の流れ：embed.v_2.tasks.create → retrieve をポーリング（processing → ready）→ data からベクトルを読み取ります。メディアごとの料金が適用されます（下記参照）。ベクトルは独自の DB（Qdrant、Elastic、pgvector など）に保存してください。TwelveLabs が提供するのは埋め込みであり、インデックスは利用者が管理します。

本番環境で Pegasus にプロンプトを与える

分析品質は、ほとんどがプロンプトの問題です。以下のヒューリスティックは本番運用での実践知であり、ベンダーによる保証ではありません。

［ヒューリスティック］

• 見つけるものだけでなく、無視するものも伝えます。 「フィールド上のアクションを説明してください。観客席のショット、リプレイ、グラフィックのオーバーレイは無視してください」は、「動画を説明してください」より効果的です。
• タイムスタンプを明示的に求め、照合します。 Pegasus は時刻を報告できますが、タイムスタンプの精度は既知の弱点です。フレーム単位で正確なカットには、Pegasus が文章に記した時刻を信用するのではなく、実際のセグメント境界を返す Marengo の search を使ってください。分析で得たタイムコードは、search または映像と照合するまでは概算として扱います。
• 後続処理に使うものはすべて、構造化を必須にします。 出力をスプレッドシート、ビン、または編集判断リストで使用する場合は、明示的な JSON スキーマと固定の列挙値を指定した response_format を使います。自由形式の文章は人間向け、JSON はパイプライン向けです。
• 事実には低い temperature を使います。 ログ作成、コンプライアンス、メタデータには 0.1～0.3 を使い、クリエイティブな文章（マーケティング文、ティーザー文など）の場合のみ高くします。
• 精度が重要な場合は、1 回の呼び出しにつき質問を 1 つにします。 複数の質問を含む長いプロンプトでは注意が分散します。「チャプターを列挙してください」と「ブランドロゴがあれば指摘してください」を別々に呼び出すほうが信頼性が高く、それぞれを個別に確認できます。
• 主張を根拠に結び付けます。 各記述を裏付ける「動画内の情報」を引用するよう Pegasus に求めます（「画面上のテキストを引用してください」「聞こえた音を挙げてください」など）。そうすれば、レビュー担当者が幻覚をすばやく検証できます。

例 — 映像素材のログを構造化 JSON にする場合 (形式は一例であり、必須ではありません)

目的：30 分のインタビュー映像のリールを自動でログ化し、アシスタントエディターがビンに登録できるようにします。 モデル：Pegasus 1.5、temperature: 0.2、response_format = 以下のスキーマ。

プロンプト：

Log this interview footage for an editor. For each distinct segment, report:
the speaker (or "unknown"), the topic in <=8 words, whether the shot is a
close-up/medium/wide, and any on-screen lower-third text you can read verbatim.
Ignore color bars, slates, and dead air. If you cannot read text, use null —
do not guess names.

response_format スキーマ（抜粋）：

{ "type": "object", "properties": { "segments": { "type": "array", "items": {
  "type": "object",
  "properties": {
    "start": {"type":"number"}, "end": {"type":"number"},
    "speaker": {"type":["string","null"]},
    "topic": {"type":"string"},
    "shot_size": {"type":"string","enum":["close-up","medium","wide"]},
    "lower_third": {"type":["string","null"]}
  }, "required": ["start","end","topic","shot_size"] } } } }

理由：列挙値によって shot_size を明確に保ち、推測した名前の代わりに null を使うことで、人物の幻覚を抑えられます。「逐語的に／推測しない」という指示が、自信に満ちた捏造に対する主な防御策です。 想定される失敗モード：ローワーサードに表示された名前の捏造（null ルールで軽減）、タイムスタンプが 1～3 秒ずれる（カット前に search と照合）、連続した 1 つのショットが細分化されすぎる。 応用：ブランドセーフティチェックも兼ねるには "brand_logos": {"type":"array"} を追加します。あるいは response_format を外し、プロデューサー向けの散文による概要を求めます。

例 — 編集用の高精度なクリップ検索 (説明用の例)

目的：特定の製品が登場する瞬間をすべて抽出し、ダイジェスト映像に使用します。 モデル：Marengo 3.0 の検索（analyze ではありません。実際のセグメント境界が必要です）。

リクエストの形式：

POST /v1.3/search
index_id: <reel_index>
query_text: "close-up of the blue running shoe, product clearly visible"
search_options: ["visual"]
operator: "and"          # tighten precision; drop to "or" if recall is low
threshold / page_limit applied client-side on the returned score

映像のみ＋and を使う理由：対象は視覚的なオブジェクトであり、音声は関係なく、ハイライト映像では境界が曖昧なフレームをすべて拾うことより、精度が重要だからです。 期待される結果：タイムラインにそのまま追加できる、使用可能な start／end を含むランク付け済みのセグメントです（Premiere プラグインが内部で行っているのは、まさにこれです）。 失敗パターン：モデルが似た見た目の靴を照合してしまいます（実際の製品の画像クエリを追加して区別してください。特定の SKU には、テキストと画像を組み合わせると精度が大幅に向上します）。ごく短い登場シーンは低くランク付けされます（しきい値を下げて、手動で確認してください）。

メディア制作における統合パターン

[2026-07-10 に文書化・検証済み]

• Adobe Premiere Pro プラグイン — Project／Ingest／Search／Segment／Settings タブを備えたパネルです。Ingest はファイルをプロキシとしてアップロードし、インデックスを作成します。Search はサムネイルのグリッドを返し、ソースモニターでプレビューするか、イン点とアウト点が設定済みの状態でタイムラインに追加できます。Segment はチャプター／ハイライトを自動生成し、クリップとして追加できます。Premiere Pro CC 2024–2025 が必要です。検索できるのはプラグイン経由で取り込んだ映像のみです。共有プロジェクトでは自動スキャンを無効にしてください。API を使いたくない編集者にとって、これが最も手軽な方法です。
• Avid Media Composer との統合も、Avid を導入している制作現場で同じ取り込み→検索→編集のワークフローに対応するものとして存在します [2026 年の公式／コミュニティ報告]。
• MCP サーバー — インデックス作成、セマンティック検索、分析、埋め込みを MCP ツールとして公開するため、エージェント（Claude Desktop、Cursor、Windsurf、カスタムエージェント、または TwelveLabs Claude Code プラグイン）が「動画を検索する」「動画を分析する」を第一級のアクションとして実行できます。自分で REST を呼び出すのではなく、エージェント自身がオーケストレーションを担う場合に使用してください。
• Amazon Bedrock — Marengo と Pegasus は Bedrock で利用できます。AWS／IAM に標準化し、マネージドアクセスを利用したい制作現場に役立ちます。
• MASV、Mux、Elastic、Qdrant、n8n — 転送（撮影セットから編集者への引き渡し）、ストリーミング／コンプライアンス、コアモデルを支えるベクトルストア／自動化の連携に使用します。

機能の制限と注意点

[特に記載がない限り、文書化済み]

• 形式／サイズの上限はモデルごとに異なります — Marengo は最大 4 時間／4 GB、Pegasus は最大 2 時間／2 GB、同期 analyze は最大 1 時間です。アップロードは URL が ≤ 4 GB、ローカルファイルが単一呼び出しで ≤ 2 GB、マルチパートで ≤ 10 GB です。タスクに適用される、より厳しい方の上限を確認してください。
• 重要な処理はすべて非同期です — インデックス作成や時間のかかる analyze／embed は即時の呼び出しではなく、ジョブとして実行されます。ポーリング／wait_for_done を組み込み、ユーザーに「処理中」の状態を表示してください。
• 検索ごとにインデックスは 1 つです。 同時に検索する対象を基準に、インデックスの境界を計画してください。
• ピクセル出力には対応していません。 トリミング、トランスコード、レンダリングはできません。TwelveLabs が提供するのは「どこ」と「何」であり、カットは NLE または ffmpeg で行います。
• 無料プランの制約 (2026-07-10 に検証済み)：無料のインデックス作成時間は 600 分、インデックスのアクセス期間は 90 日間、1 インデックスあたり 100 本の動画、同時タスクは 5 件です。継続的な本番利用には適していません。
• 非推奨化には注意が必要です — /gist と /summarize は削除済み（2026-02-15）、Marengo 2.7 はサポート終了（2026-03-30）、クラウド間統合は非推奨（2025-10-31）です。古いチュートリアルでは、すでに使えないエンドポイントが参照されている場合があります。

料金とクォータの計算

[ドキュメントで確認済み — Developer（従量課金）プラン、twelvelabs.io/pricing、2026-07-10 に確認。料金を提示する前に再確認してください。実際の見積もりには公式の料金計算ツールを使用してください。]

操作	料金
動画のインデックス作成（1 回限り）	$0.042 / 分
ストレージ／インフラ（月額）	$0.0015 / 分
検索 API	$4 / 1,000 クエリ
分析 — 入力動画（Pegasus 1.5）	$0.0292 / 分（1.2：$0.021/分）
分析 — 出力テキスト	$0.0075 / 1,000 トークン
埋め込み — 動画	$0.042 / 分
埋め込み — 音声	$0.0083 / 分
埋め込み — 画像	$0.10 / 1,000 リクエスト
埋め込み — テキスト	$0.07 / 1,000 リクエスト

計算例 (参考値、2026-07-10 の料金)：100 時間分の映像を 1 回インデックス化すると、6,000 分 × $0.042 ≈ $252（初回のみ）に加え、ストレージ料金が約 $9/月かかります。その後、検索 1,000 回で約 $4 です。20 分のクリップを要約する場合：20 × $0.0292（入力）+ 出力トークン約 2k × $0.0075/1k ≈ $0.60/クリップです。ロギングパイプラインでは通常、コストを左右するのは出力トークンではなく、分析の入力分数です。必要なクリップだけを分析し、純粋な検索には（クエリ単価の）検索を優先してください。

レート制限は複数の次元（動画／音声／画像／テキストの予算は別々）で設定され、月間利用額に応じて段階的に引き上げられます。支払い方法を追加すると Tier 1 から始まり、利用額に応じて自動的にアップグレードされます。ダウングレード時には 1 か月の猶予期間があります。ティアごとの正確な RPM は、安定した数値として公開されていません。仮定をコードに固定するのではなく、429 ヘッダーを読み取り、バックオフしてください。[仕組みはドキュメントで確認済み。正確な数値は固定されていません — 2026-07-10 に確認。]

出力品質のレビュー

モデルの出力は、レビューせずに公開しないでください。主な失敗パターンは 2 種類あります。

1. 生成出力（Pegasus）のハルシネーション [経験則] 要約やログには、自信に満ちたもっともらしい誤情報が含まれることがあります。たとえば、架空の名前、誤って引用された発言、実際には起きていない出来事などです。対策：温度を低くする。「推測せず、null を使用する」という指示を与える。画面上の逐語的なテキストや説明された音など、根拠となる情報を求めて、レビュー担当者が抜き取り確認できるようにする。プロンプトは単一の目的に絞る。法務、コンプライアンス、公開に関わるものはすべて、人間が映像と照合して確認してください。Pegasus は記録の正式な情報源ではなく、素早く行う一次ロギングとして扱ってください。

2. タイムスタンプの精度 [経験則 + ドキュメントに記載された制限] Pegasus が文章内に記述する時刻は概算で、数秒ずれることがあります。制作者向けのチャプター一覧には問題ありませんが、フレーム単位で正確な編集には使えません。境界を正確にする必要がある場合は、Marengo 検索の結果（start／end）から取得してください。これはモデルが実際に検出したセグメントです。そのうえで、タイムライン上で確認してください。検索の信頼度は実際に有用な指標です。しきい値を設定し、しきい値未満のヒットは結果ではなく、レビューする手がかりとして扱ってください。

そのほかに、網羅性（セグメントを見落としていないか。長い動画と小さい max_tokens の組み合わせでは、通知なく出力が切り詰められるため、finish_reason を確認する）、言語の対応状況（36 以上の言語に対応していますが、英語以外の音声の照合はサンプルで確認する）、ブランド／コンプライアンス検索の誤検知（見た目が似ていることは、実際のロゴ／製品であることを意味しません。画像クエリで確認する）もレビューしてください。

プライバシー、同意、権利

[文書化済み — twelvelabs.io/privacy-policy — および本番環境での義務、2026-07-10 に確認]

実在する人物の映像をインデックス化すると、生体情報に関連する処理（顔、声、個人を特定できる人物）が発生します。TwelveLabs のポリシーでは、サービスを通じて処理する個人データについて、合法的な根拠と適切な同意を得る責任は顧客にあるとされています。TwelveLabs は処理者として機能し、EEA／UK の個人に関するデータ主体の権利（アクセス、訂正、削除、ポータビリティ）をサポートします。

特定可能な人物が映った映像をインデックス化する前に、エージェントは次のことを行う必要があります。

• ユーザーが映像の権利／許諾を有し、顔や声を処理する合法的な根拠があることを確認してください。生体情報に関する法律（例：Illinois BIPA、GDPR の特別カテゴリデータ）では、明示的な同意が必要となり、実際に罰則が科される可能性があります。ここは推測で進めてはならない領域です。義務について注意喚起せずに、ユーザーの指示だけで第三者の映像やスクレイピングした人物の映像をインデックス化しないでください。
• 保持期間を最小限にすることを優先してください。Free プランではすでにインデックスの有効期限が 90 日に設定されています。本番環境では、ジョブの終了時にインデックス／アセットを削除してください。2026-04-26 時点では、参照されているアセットの削除リクエストはデフォルトで拒否されるため、依存関係を踏まえて削除を計画してください。
• 文書化された法的根拠と対象者の同意がない状態で、継続的な個人識別データベース（「すべての映像から、この名前の人物をいつまでも探す」など）を構築しないでください。これは、法的リスクが高まる顔認識の用途であり、通常のログ記録ではありません。
• 生成されたメタデータ（人物が誰か、何を言ったかを断定する可能性があります）にも、映像と同じ審査およびアクセス制御を適用してください。

ユーザーが、権利を持っていない可能性のある実在の人物が映った映像のインデックス化や検索を依頼した場合は、そのまま進めず、同意／権利について確認してください。

主な情報源

[すべて 2026-07-10 に確認]

• モデルの概要と概念 — https://docs.twelvelabs.io/docs/concepts/models、/models/marengo、/models/pegasus
• リリースノート（バージョン、提供終了、トークン制限） — https://docs.twelvelabs.io/docs/get-started/release-notes
• API の概要、検索ガイド、分析および埋め込みのリファレンス — https://docs.twelvelabs.io/api-reference/introduction、/docs/guides/search、/api-reference/analyze-videos/analyze、/api-reference/create-embeddings-v2
• アップロード／タスク — https://docs.twelvelabs.io/api-reference/upload-content/tasks/create
• 料金とレート制限 — https://www.twelvelabs.io/pricing、https://docs.twelvelabs.io/docs/get-started/rate-limits
• Adobe Premiere プラグインとパートナー統合 — https://docs.twelvelabs.io/docs/resources/partner-integrations/adobe-premiere-pro-plugin
• MCP サーバー — https://docs.twelvelabs.io/docs/advanced/model-context-protocol、https://www.twelvelabs.io/blog/twelve-labs-mcp-server
• Marengo 3.0 の発表 — https://press.aboutamazon.com/aws/2025/12/twelvelabs-launches-its-most-powerful-video-understanding-model-marengo-3-0-on-twelvelabs-and-amazon-bedrock
• プライバシーポリシー — https://www.twelvelabs.io/privacy-policy
• Python SDK — https://github.com/twelvelabs-io/twelvelabs-python