AI-videóelemzés · Friss hír · 2026. október 7.
Nem emlékszel egy videó fájlnevére, csak arra, mi látható benne? Vagy szeretnéd részletesebben megérteni egy reklám felépítését? A TwelveLabs ilyen feladatokra épít videós AI-eszközöket. Október 6-án bemutatta a Pegasus 1.6 modellt; a Jockey asszisztensen keresztül pedig a videókeresés és -elemzés ChatGPT-hez is kapcsolható.

A videós mesterséges intelligenciáról legtöbbször a generálás jut eszünkbe: néhány mondatból látványos jelenet készül. A kreatív munkában azonban gyakran egy másik feladat viszi el az időt: megtalálni a megfelelő felvételt, átnézni a referenciákat, és megérteni, hogyan épül fel egy történet.
Az AI-videóelemzés ezen a ponton lehet hasznos. Egy nagyobb videógyűjtemény értékét nemcsak a benne lévő anyagok adják, hanem az is, hogy a megfelelő részletet elő lehet-e venni egy új ötlethez. A TwelveLabs fejlesztései ezt a munkát célozzák.
Mi változott a Pegasus 1.6-ban?
A TwelveLabs 2026. október 6-i bejelentése három fő újdonságot emel ki. A Pegasus 1.6 támogatja az első személyű nézőpontból rögzített videók értelmezését, a szolgáltató szerint következetesebben ismeri fel a szereplőket és tárgyakat, valamint közvetlenül elemez állóképeket is.
| Újdonság | Mit jelent? | Hol lehet érdekes? |
|---|---|---|
| Első személyű felvételek értelmezése | A nézőpont a cselekvő személy vagy eszköz kamerájából származik. | Testkamerás, viselhető kamerás és robotikai felvételeknél. |
| Jobb szereplő- és tárgyfelismerés | Pontosabb azonosítást ígér a jelenetben látható embereknél, karaktereknél és tárgyaknál. | Anyagok rendszerezésénél és konkrét szereplőkhöz kapcsolódó elemzésnél. |
| Állóképek közvetlen elemzése | A képek ugyanazon modell és API segítségével feldolgozhatók, mint a videók. | Termékfotókat és videókat egyaránt használó munkafolyamatoknál. |
A modell dokumentációja további részleteket is felsorol: egy kérésben egy–húsz kép elemezhető, és a videó szakaszain belüli eseményekhez időpontok is kinyerhetők. A Pegasus videók és képek alapján szöveges választ készít, például leírást vagy strukturált információt.
Kreatív szempontból ebből az a lehetőség következik, hogy egy elemzési folyamat többféle referenciaanyagot foghat össze. Egy termékfotó, egy jelenet képkockája és egy videó különböző információt hordoz; a közös feldolgozás megkönnyítheti ezek összevetését. Hogy ez egy adott feladatban mennyire pontos, azt az adott anyagon kell ellenőrizni.
Mi a különbség a Pegasus és a Jockey között?
A Pegasus egy elemző modell. A Jockey egy videó- és képgyűjteményekkel dolgozó asszisztens, amely több lépésből álló feladatokat is szervezhet. A TwelveLabs ügynökdokumentációja szerint a Jockey megtervezi a szükséges lépéseket, végrehajtja őket, majd az anyagokra hivatkozó választ ad.
A különbség a használatban érezhető: az egyes technikai műveletek külön összeállítása helyett a felhasználó megfogalmazhatja, mit szeretne megtudni a gyűjteményéről. A Jockey kereshet, összefoglalhat és több anyagot összekapcsoló választ készíthet. A válaszok szöveget, forráshivatkozásokat és időpontokat tartalmaznak.
A videó megértése és elkészítése külön munkafázis. A Jockey elemzése és a megtalált részletek segíthetik a tervezést. A kész filmhez a jelenetek előállítását, a vágást, a hangot és a végső összeállítást is meg kell oldani.
A modellfrissítés és a Jockey csatlakoztatása sem ugyanaz. A Pegasus átállási útmutatója szerint a közvetlen API-kérésekben külön kell megadni az 1.6-os modellt; modellnév nélkül továbbra is az 1.5 az alapértelmezett. Egy működő Jockey-kapcsolatból ezért önmagában nem lehet megállapítani az adott elemzés mögötti verziót.
Amikor a látványra emlékszel, a fájlnévre viszont nem
Egy videós archívumban könnyen elveszik az a felvétel, amelyikre egy új munkához szükség lenne. A fájlnév lehet technikai azonosító, a mappa egy korábbi projekt neve, miközben a keresett részletre csak képként emlékszel: napfény egy erdőben, gőzölgő kávé vagy egy belépő szereplő.
A tartalom alapján történő kereséshez elég lehet ezt a jelenetet megfogalmazni. A találatokból vissza lehet térni az eredeti felvételhez, és ellenőrizni, hogy valóban megfelelő-e. Ez különösen érdekes lehet vágóképek, hangulati anyagok és korábbi forgatások rendszerezésénél.
Egy lehetséges kérés például: „Keresd meg azokat a részleteket, amelyekben valaki belép egy szobába, és add meg az időpontokat.” A találatot ezután tovább lehet szűkíteni: milyen környezetben történjen a belépés, melyik anyag legyen a forrás, és milyen hosszú részletre van szükség?
Ez nem jelent automatikus hozzáférést az internet összes videójához. A keresés alapja az a gyűjtemény, amelyhez a feldolgozandó anyagokat hozzáadták. Egy jól összeállított referencia- vagy sajátanyag-gyűjtemény ezért továbbra is értékes kiindulópont.
Segíthet megérteni egy sikeres short dramaturgiáját?
Egy reklám megtekintése után gyakran csak annyi marad meg, hogy „jó volt a ritmusa” vagy „erős volt az eleje”. Az elemzés abban segíthet, hogy ezekből konkrét kérdések legyenek: mi történik az első másodpercekben, mikor jelenik meg a termék, hogyan váltakoznak a jelenetek, és mi készíti elő a zárást?
Az így kapott megfigyelésekből már könnyebb dramaturgiai döntéseket hozni. Egy visszatérő szereplő összefoghat több helyszínt. Egy váratlan kép felkeltheti a kíváncsiságot. A termék bemutatásának időpontja pedig befolyásolhatja, milyen gyorsan válik érthetővé az ajánlat. Ezek lehetséges alkotói értelmezések, amelyeket az eredeti filmen kell megvizsgálni.
Az elemzésből önmagában nem derül ki, mitől lett üzletileg sikeres egy videó. Ehhez nézői és kampányadatok, költés, valamint az elvárt eredmények is kellenének. A nagy elérés és a hatékony értékesítés különböző mérce. A videó felépítéséből jó hipotézisek születhetnek, de a hatásukat egy saját kampányban kell mérni.
A referencia akkor igazán hasznos, ha a belőle tanult szerkezet egy új történethez igazodik. Egy márka szereplői, ajánlata és hangja határozza meg, hogy a látott megoldásból mi érdemes továbbgondolásra.
Hogyan kapcsolódik a ChatGPT-hez, és ingyen kipróbálható?
A TwelveLabs szeptember 29-i útmutatója szerint a Jockey ChatGPT-hez és Claude-hoz is csatlakoztatható. Ehhez egy TwelveLabs-fiók és a Jockey-kapcsolat engedélyezése szükséges. A szolgáltató ingyenes indulást kínál, bankkártya nélkül.
A videókat ezután fel kell tölteni vagy támogatott linkről hozzáadni, és megvárni a feldolgozásukat. Az útmutató szerint nyilvános YouTube-videó importálható; TikTok-, Instagram- és Google Drive-megosztási linkeknél a fájlfeltöltési megoldást kell használni.
Az ingyenes indulás a kipróbálás lehetőségét jelenti. Rendszeres vagy nagyobb volumenű munkánál az aktuális fiókkereteket és díjakat külön érdemes ellenőrizni; a csatlakoztatás önmagában nem ígér korlátlan feldolgozást.
A magyar nyelvű munkához egy további szempont is tartozik: a Pegasus 1.6 dokumentációja az angolt teljesen támogatott nyelvként sorolja fel, a magyar pedig nem szerepel a támogatási listában. Egy magyarul kapott használható válasz ezért nem azonos a teljes, hivatalos magyar támogatással.
Hol lehet a legnagyobb értéke a kreatív munkában?
Az AI-videóelemzés elsősorban az előkészítésben nyithat új lehetőségeket. Egy archívumból kiemelheti a további átnézésre érdemes részleteket, egy referenciafilmhez rendszerezett megfigyeléseket adhat, és könnyebben összehasonlíthatóvá tehet több anyagot.
Az alkotói munka következő része annak eldöntése, hogy az eredményből mi szolgálja a történetet. Egy érdekes találat még nem biztos, hogy jó vágókép. Egy látványos nyitás nem feltétlenül illik az adott márkához. Az elemzés akkor ér valamit, ha konkrét döntésekhez vezet.
A fontos jeleneteket, feliratokat és időpontokat ezért érdemes visszanézni az eredeti felvételen. A megfigyelés és a magyarázat elkülönítése szintén hasznos: más kérdés, hogy mi látható a videóban, és más, hogy milyen hatást feltételezünk róla.
Van egy képed vagy ötleted, amiből videót készítenél?
A CreativeSpot szolgáltatásai között AI-videósorozat, magyarázó animáció és reklámadaptáció is szerepel. Egy jól megtervezett történethez a vizuális ötlet, a dramaturgia és a végleges kivitelezés együtt adja az alapot.
Kapcsolódó CreativeSpot-cikkek
- Miért nem elég egy jó prompt egy profi AI-reklámvideóhoz?
- Egy termékfotóból reklámvideó: hogyan készül AI-val?
Források
- TwelveLabs: What’s New: Pegasus 1.6 – 2026. október 6.
- Pegasus 1.6: modellképességek és nyelvi támogatás.
- TwelveLabs: a modellek és a Jockey működésének különbségei.
- Jockey csatlakoztatása ChatGPT-hez és Claude-hoz – 2026. szeptember 29.
- Pegasus 1.5 → 1.6 átállási útmutató.
A borító AI-val készült CreativeSpot-illusztráció; nem a Jockey kezelőfelületének képernyőképe.
A CreativeSpotnál is elkezdtük használni
A Jockeyt bekötöttük a ChatGPT-be, és már használjuk videós előkészítésre. Saját klipek keresésével és referenciareklámok elemzésével is kipróbáltuk; ezekből egy új, lajháros CreativeSpot-videó terve is megszületett.
A részletes saját tapasztalatokat külön cikkben mutatjuk majd be, a videó elkészítése után. Ott lesz helye annak, mi működött, hol kellett javítani, és milyen film készült a tervből. A mostani próbából nem állapítottuk meg a háttérben használt Pegasus-verziót, ezért az eredményeit nem tulajdonítjuk automatikusan az 1.6-os frissítésnek.
