SNOWFLAKE NEW FEATURE
AI_MULTI_EMBED support for large video files in semantic video search (General availability)
2026-08-10機能アップデートGeneral availability
概要
Snowflake Cortex の AI_MULTI_EMBED 関数が、最大 6 GB の大容量動画ファイルに対応し、一般提供 (GA) になりました。埋め込みモデルには TwelveLabs の twelvelabs-marengo-embed-3-0 を使用します。この機能は動画の映像・音声・書き起こしの各シグナルをまとめて 1 つのマルチモーダル埋め込みに変換するため、動画をキーワードではなく意味で検索できるようになります。動画ファイルを Snowflake の外部に持ち出すことなく、プラットフォーム内でインデックス化から検索までを完結できる点が要点です。
ユースケース
- ブランドセーフティの評価と、文脈に合った広告枠の配置判断
- 大量の動画ライブラリを横断した、シーン検索・ビジュアルコンセプト検索
- セリフや書き起こしと紐づいた「あの場面」の頭出し
- 動画内に登場するブランドや商品の特定
- レコメンドやコンテンツモデレーションのための、スケーラブルな動画インデックス作成
使い方
AI_MULTI_EMBED にモデル名として twelvelabs-marengo-embed-3-0 を指定し、ステージ上の動画ファイルを渡して埋め込みベクトルを生成します。生成したベクトルをテーブルに保持し、検索クエリ側の埋め込みとのベクトル距離で類似シーンを引き当てる、という流れになります。
具体的な関数シグネチャや引数の指定方法はリリースノート本文には記載がないため、AI_MULTI_EMBED 関数のリファレンスと「Cortex AI Functions: Multimodal」のドキュメントを参照してください。
埋め込み結果は Snowflake 内の他のデータと結合できるため、視聴者データと突き合わせて下流の ML モデルの入力にしたり、エージェントがマルチモーダルな文脈を踏まえて推論する材料にしたりできます。
手順
- 検索対象の動画ファイルを Snowflake のステージに配置する
- AI_MULTI_EMBED をモデル
twelvelabs-marengo-embed-3-0 で呼び出し、動画の埋め込みベクトルを生成する - 生成した埋め込みを、動画やシーンのメタデータとあわせてテーブルに格納する
- 検索クエリ（テキストや画像）側の埋め込みを同様に生成する
- ベクトル距離関数で類似度を計算し、該当するシーンや動画を取得する
注意すること
- 対応する動画ファイル形式はリリースノートに明記されていません。取り込み前に AI_MULTI_EMBED のリファレンスで対応形式を確認してください。
- 6 GB はあくまで 1 ファイルあたりの上限です。ライブラリ全体を処理する場合は、埋め込み生成にかかる処理時間とクレジット消費を事前に見積もっておくことを推奨します。
- 埋め込みは映像・音声・書き起こしを総合したものです。音声のない動画や、書き起こしが困難な音声を含む動画では、検索精度が期待どおりにならない可能性があります。
- TwelveLabs のモデルを利用するため、モデルのバージョンが更新された場合、既存の埋め込みと新規の埋め込みで互換性がなくなる可能性があります。再生成の運用を想定しておくと安全です。
制約事項
- 1 ファイルあたりの最大サイズは 6 GB です。これを超える動画は分割するなどの前処理が必要になります。
- 利用できる埋め込みモデルは
twelvelabs-marengo-embed-3-0 です。
- 利用可能なリージョンやエディションの要件は、リリースノート本文には記載がありません。Cortex AI Functions のリージョン可用性の一覧で確認してください。
- 対応する入力ファイル形式の具体的な一覧は、リリースノートに記載なし。