Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarCohere Blog→ original

Cohere ensinou o Compass a encontrar o minuto certo em um vídeo: top-10 de resultados fica 4,4 pontos mais preciso

Gravações de reuniões costumam ficar esquecidas: para descobrir quando decidiram adiar o lançamento, é preciso rodar uma hora de vídeo. A Cohere ensinou o Compass a entender a fala e a tela e a devolver o minuto certo, com timestamp. Em 11 conjuntos de dados, ele superou sete modelos concorrentes: os clipes relevantes ficam no top-10 de resultados 4,4 pontos mais acima (métrica nDCG@10). Para RAG e agentes, o vídeo agora é pesquisado como documento.

Processado por IA de Cohere Blog; editado por Hamidun News
Cohere ensinou o Compass a encontrar o minuto certo em um vídeo: top-10 de resultados fica 4,4 pontos mais preciso
Fonte: Cohere Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalCohere Blog ↗
Editor-chefe
Dado-chave #1Os limites do clipe são calculados no momento da consulta, e não cortados previamente
As permissões de acesso são respeitadaso funcionário vê apenas o que lhe é permitido
Dado-chave #3A Cohere está recrutando parceiros de design; preços e prazos não foram divulgados

Imagine: é preciso descobrir quando a equipe combinou adiar o lançamento para o terceiro trimestre. O documento aparece em segundos, mas a gravação da reunião exige rodar uma hora de vídeo. Por isso, quase ninguém revisita arquivos de reuniões, palestras e webinars.

A Cohere ataca esse problema no Compass, sua plataforma de busca corporativa: a nova função Video Intelligence não devolve a gravação inteira, mas o minuto exato em que a resposta foi dita, com timestamp, transcrição da fala e descrição da imagem. O título "top-10 de resultados fica 4,4 pontos mais preciso" significa o seguinte. A Cohere mediu a métrica nDCG@10, que indica quão alto, entre os dez primeiros resultados, aparecem os momentos realmente relevantes.

Em média, o Compass ficou 4,4 pontos acima do mais forte entre as sete alternativas.

O que o Compass faz

A ideia central é buscar momentos, não arquivos. Em vez de uma gravação de uma hora, o sistema devolve um trecho curto que responde à pergunta.

A transcrição sozinha não basta para isso. O apresentador pode dizer que os indicadores estão crescendo, enquanto o gráfico no slide cai. Um quadro com um jogador deixando o campo não indica que ele foi expulso: isso só se percebe pela sequência de eventos. O Compass leva em conta as palavras, a imagem e a forma como os acontecimentos se desenrolam no tempo.

Há ainda um detalhe técnico. Muitos sistemas cortam o vídeo previamente em pedaços de duração fixa. Assim, um clipe pode começar dois minutos antes do trecho desejado ou terminar antes da resposta, e a pessoa ainda precisa avançar o vídeo manualmente. No Compass, o início e o fim do trecho são calculados no momento da consulta, de acordo com a pergunta específica.

Vídeo ao lado dos documentos

O vídeo não fica em um repositório separado. Uma única consulta retorna tanto o trecho da gravação quanto as páginas, slides e tabelas relevantes de documentos relacionados. Tudo vem de um índice único que respeita as permissões de acesso: o funcionário vê apenas o que está autorizado a ver.

Para desenvolvedores, há dois pontos práticos:

  • o vídeo pode ser conectado a um pipeline RAG existente e a cenários com agentes, sem a necessidade de construir um sistema separado;
  • o agente pode ser conectado pelo servidor MCP do Compass e raciocinar sobre o que aparece na tela, como slides, gráficos e demonstrações, e não apenas sobre o que foi dito.

Cada resultado leva à gravação original, o que permite verificar a resposta. Para advogados e equipes de compliance, isso é essencial: não se trata de confiar em um resumo, mas de abrir o minuto em que algo foi dito. A Cohere também cita outros cenários: assistentes para gravações de reuniões, apresentações, chamadas de resultados financeiros e briefings de analistas; busca de respostas em bibliotecas de treinamento; e localização de jogadores, lances e marcas em acervos esportivos e de mídia.

O que mostraram os testes

A Cohere comparou o Compass com sete modelos de embeddings para vídeo em 11 conjuntos de dados e 11.133 consultas. O conjunto incluiu seis benchmarks abertos, três conjuntos corporativos (reuniões, palestras e treinamento de segurança do trabalho) e dois conjuntos com transmissões de futebol. O líder entre os concorrentes muda de uma área para outra, mas o Compass aparece na frente em todas:

  • benchmarks abertos: vantagem de 2,4 pontos sobre o Amazon Nova Multimodal Embeddings;
  • esporte: vantagem de 5,1 pontos sobre o Gemini Embedding 2;
  • conhecimento corporativo: vantagem de 2,0 pontos sobre o Qwen3-VL-Embedding-8B.

Limitações

Os números são da própria Cohere, parte dos conjuntos é interna e ainda não há verificação independente. Uma vantagem de 2 a 5 pontos é perceptível, mas não é um abismo. Com os seus dados, o resultado pode ser diferente, sobretudo se as gravações forem ruidosas e a tela trouxer pouca informação.

O produto ainda não está disponível publicamente: a empresa está recrutando parceiros de design. Eles poderão testar o Compass com as próprias gravações e consultas, implantá-lo na nuvem gerenciada da Cohere ou em ambiente próprio e influenciar o roadmap. Preços e prazos para o lançamento geral não foram divulgados.

Conclusão prática: se a sua empresa tem centenas de horas de gravações que ninguém revisita, o mais útil agora é reunir de 50 a 100 perguntas reais sobre elas. Com esse conjunto, é possível comparar de forma honesta o Compass com qualquer alternativa, em vez de confiar apenas em apresentações.

História

Perguntas frequentes sobre a notícia

O que o Compass faz?

A ideia central é buscar momentos, não arquivos. Em vez de uma gravação de uma hora, o sistema devolve um trecho curto que responde à pergunta. A transcrição sozinha não basta para isso. O apresentador pode dizer que os indicadores estão crescendo, enquanto o gráfico no slide cai. Um quadro com um jogador deixando o campo não indica que ele foi expulso: isso só se percebe pela sequência de eventos. O Compass leva em conta as palavras, a imagem e a forma como os acontecimentos se desenrolam no tempo.

O que se sabe sobre Vídeo ao lado dos documentos?

O vídeo não fica em um repositório separado. Uma única consulta retorna tanto o trecho da gravação quanto as páginas, slides e tabelas relevantes de documentos relacionados. Tudo vem de um índice único que respeita as permissões de acesso: o funcionário vê apenas o que está autorizado a ver.

O que mostraram os testes?

A Cohere comparou o Compass com sete modelos de embeddings para vídeo em 11 conjuntos de dados e 11.133 consultas. O conjunto incluiu seis benchmarks abertos, três conjuntos corporativos (reuniões, palestras e treinamento de segurança do trabalho) e dois conjuntos com transmissões de futebol.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…