Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarAWS Machine Learning Blog→ original

Social Department sustituye una semana de visionado de una serie por cuatro consultas de QuickSearch en AWS

Un profesional de marketing no necesita el fotograma de una taza de café, sino el momento de la serie que se hará viral en redes sociales. Hasta ahora, ese momento lo buscaba durante una semana un experto en el programa. Social Department convirtió estas preguntas en cuatro consultas de QuickSearch sobre Amazon Bedrock: escenas, citas, fotogramas para memes y selección según tendencias. El video se etiqueta de antemano, las tendencias se recopilan por separado y ambas fuentes solo se cruzan en el momento de la consulta. Así, una serie antigua puede volver a la conversación actual sin reprocesarla.

Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
Social Department sustituye una semana de visionado de una serie por cuatro consultas de QuickSearch en AWS
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalAWS Machine Learning Blog ↗
Editor jefe
Dato clave #1El video se corta en fragmentos de 10–20 segundos y se recodifica a 480p
Las tendencias se toman de 4 regionesmundo, EE. UU., Reino Unido y Australia
Dato clave #3Cada publicación debe ser aprobada por una persona del lado del cliente antes de salir

A un profesional de marketing de un estudio o de un servicio de streaming rara vez le interesa un objeto concreto del plano. Lo que necesita es un momento que se propague por las redes sociales: una escena, una frase o un fotograma para un meme. La búsqueda semántica convencional en video no sirve aquí, porque solo responde a la pregunta que uno sabe formular.

Si pide «un personaje con una taza de café», obtendrá todas las tazas de mil episodios. Qué momento va a «funcionar» con la audiencia es algo que no se puede escribir en una barra de búsqueda. Antes lo resolvía una persona que conocía bien el programa y pasaba una semana viendo el material.

Social Department, que se define como un sistema operativo de IA para el marketing del entretenimiento, convirtió estas preguntas en cuatro consultas listas para usar llamadas QuickSearch. Funcionan sobre Amazon Bedrock, el servicio con el que las empresas ejecutan modelos dentro de la infraestructura de AWS. El artículo original lo escribieron ingenieros de AWS junto con un representante de Social Department.

TrackIt, socio de AWS, implementó el sistema según la arquitectura del cliente.

Cuatro consultas en lugar de una semana de visionado

Cada consulta de QuickSearch tiene su propia estrategia de búsqueda, sus propios criterios editoriales y su propio modelo de ranking. Shareable Scenes busca escenas completas: conflictos prolongados, clímax, episodios de puesta en escena elaborada. Quotable Quotes selecciona frases breves y citables, y prioriza las que ya circulan por la red.

Memeable Moments elige un fotograma concreto y escribe un pie de foto según lo que ocurre en él. El fotograma lo determina un paso de evaluación específico, no una miniatura al azar. Trend Align toma lo que se comenta en este momento y encuentra en la biblioteca los momentos adecuados.

Una serie que terminó hace años puede volver a la conversación del día. Además, se mantienen la búsqueda de texto habitual y la búsqueda por imagen de muestra.

El principio de la compañía es que la IA propone y las personas deciden. El código contrasta el resultado con la fuente original, y se descarta cualquier cita que no aparezca en la transcripción del episodio. Bedrock Guardrails revisa las consultas de búsqueda para detectar ataques mediante prompts. Cada publicación debe ser aprobada por una persona del equipo del cliente antes de salir. Los datos de los clientes permanecen dentro de los límites de AWS, no se transmiten a los desarrolladores de los modelos y no se usan para entrenarlos.

Cómo se procesa el video

La decisión clave es que la comprensión del video y la recopilación de tendencias se ejecutan de forma independiente, cada una con su propio calendario. La biblioteca cambia solo cuando se añaden episodios nuevos. Las tendencias cambian cada hora. Por eso solo se cruzan en el momento de la consulta. De lo contrario, habría que reprocesar todo el contenido por cada tendencia reciente.

La carga de un video en el almacenamiento Amazon S3 activa una cadena de AWS Step Functions con unas dos decenas de funciones Lambda. MediaConvert recodifica el video a 480p. Rekognition lo divide en intervalos de 10–20 segundos. El modelo TwelveLabs Marengo 3.0 genera embeddings a partir de la imagen, el sonido y el habla, es decir, «huellas» numéricas de los fragmentos para la búsqueda por significado. TwelveLabs Pegasus 1.2 describe cada escena: emociones, temas, tipo de diálogo y lugar en la trama. Antes, una función independiente recorta el fragmento con un margen de unos segundos en los extremos para no perder las transiciones. Los modelos Claude elaboran un mapa de personajes. Todo se indexa en Amazon OpenSearch Serverless.

Cada tarea se reintenta con una pausa creciente si falla, y la descripción de escenas cuenta con un reintento adicional para los casos de límite de velocidad. Los pasos opcionales de enriquecimiento no hacen fallar toda la ejecución si dan error. Hay también una salvedad geográfica. Marengo no está disponible en todas las regiones de AWS, así que el video se guarda temporalmente en un bucket de la región US East (N. Virginia). El resto de la infraestructura permanece en la región «de origen».

Tendencias: dos canales y un filtro

Las tendencias se recopilan a través de dos canales. El diario se activa según un calendario de Amazon EventBridge: una consulta por región al día, por la mañana en hora local. El canal «térmico» Heat Seeker detecta temas tempranos que están cobrando fuerza. Solo solicita datos cuando lo pide un usuario y reutiliza lo ya almacenado si es lo bastante reciente. Es una cuestión de costes. El calendario paga por cada región en cada ejecución, mientras que la consulta bajo demanda no cuesta nada en un día tranquilo.

Los feeds son cuatro: mundo, EE. UU., Reino Unido y Australia. No se trata de un filtro sobre una lista común. Cada región se recopila por separado, por lo que las tendencias de un mismo día son realmente distintas en cada una. Las tendencias en bruto no se muestran al cliente. Claude Haiku encaja cada tendencia en el esquema propio de categorías de Social Department, y después actúa un filtro editorial. El texto original se interrumpe en este punto, así que no reproducimos aquí los detalles de la selección.

Qué significa en la práctica

Para quienes construyen búsqueda de video o sistemas de recomendación, la lección está en la separación. Conviene procesar por separado el contenido de la biblioteca y la señal externa que cambia con rapidez, y unirlos al hacer la consulta. Así, actualizar las tendencias no exige reindexar. Las preguntas subjetivas como «qué se convertirá en meme» conviene traducirlas a criterios editoriales explícitos y verificar el resultado con código y con una persona. La publicación no incluye métricas de calidad, como la proporción de hallazgos acertados. Es una descripción de arquitectura, no un benchmark, y no se puede comparar la precisión del sistema con la de otros.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Cuatro consultas en lugar de una semana de visionado?

Cada consulta de QuickSearch tiene su propia estrategia de búsqueda, sus propios criterios editoriales y su propio modelo de ranking. Shareable Scenes busca escenas completas: conflictos prolongados, clímax, episodios de puesta en escena elaborada. Quotable Quotes selecciona frases breves y citables, y prioriza las que ya circulan por la red. Memeable Moments elige un fotograma concreto y escribe un pie de foto según lo que ocurre en él.

Cómo se procesa el video?

La decisión clave es que la comprensión del video y la recopilación de tendencias se ejecutan de forma independiente, cada una con su propio calendario. La biblioteca cambia solo cuando se añaden episodios nuevos. Las tendencias cambian cada hora. Por eso solo se cruzan en el momento de la consulta. De lo contrario, habría que reprocesar todo el contenido por cada tendencia reciente.

¿Qué se sabe sobre Tendencias: dos canales y un filtro?

Las tendencias se recopilan a través de dos canales. El diario se activa según un calendario de Amazon EventBridge: una consulta por región al día, por la mañana en hora local. El canal «térmico» Heat Seeker detecta temas tempranos que están cobrando fuerza. Solo solicita datos cuando lo pide un usuario y reutiliza lo ya almacenado si es lo bastante reciente. Es una cuestión de costes. El calendario paga por cada región en cada ejecución, mientras que la consulta bajo demanda no cuesta nada en un día tranquilo.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…