TwelveLabs 发布 Pegasus 1.5 与 Rodeo：用自然语言检索与组装视频

过去剪辑师最怕的事，大概就是在一堆动辄几小时的素材里找某个特定的镜头。哪怕到了大模型时代，大部分多模态工具也只能给你一句笼统的视频概述，根本精确不到秒。

在 NAB Show 2026 上，专注于视频理解的 TwelveLabs 拿出了自己的解决方案，一口气发布了 Pegasus 1.5 模型、首个创作者应用 Rodeo，还把能力直接接进了影视工业常用的 Autodesk Flow Capture。

找镜头不用重做索引，单次 API 搞定

这次更新的核心是基础模型 Pegasus 1.5。它主打的能力叫基于时间的元数据提取。

以往做视频检索，团队往往要先切片、打标、建索引，流程非常繁琐。Pegasus 1.5 允许用户直接定义自己需要的结构化数据格式，比如某个品牌何时露出、某个关键动作发生在什么时候。

只要调一次 API，模型就会自己识别时间边界，直接输出带时间戳的结构化结果，既不需要提前手动标注，也不用反复重建索引。

官方公布的数据显示，在早期综合切片质量基准测试中，Pegasus 1.5 比 Gemini 2.5 Pro 高出 30%。目前这家公司已经将该模型落地在一家大型广播电视网的生产环境里。

从纯模型到底层工具与应用

除了底层模型，TwelveLabs 还做了一款面向应用层的新产品 Rodeo。

这是 TwelveLabs 第一次做应用级工具，定位是视频创作者的 AI 助手。创作者不需要做任何技术对接，直接用自然语言吩咐里面的 AI Agent，Agent 就会帮着找素材、提剪辑建议，甚至直接把镜头顺次拼好。

与此同时，他们还拉来了 Autodesk 合作。

好莱坞和独立制片团队常用的样片与审阅软件 Autodesk Flow Capture，正式接入了 TwelveLabs 的智能搜索与智能操作。剪辑和制作团队可以直接在已有工作流里搜画面，素材一上传就会自动打标和分流。

为什么重要

我们认为，TwelveLabs 这次动作最聪明的地方，是没有停留在「又刷了一个视频基准分」的纸面竞争上，而是直接把视频理解切进了真实工业生产的管线。

对视频创作者和剪辑师来说，如果 Rodeo 后续开放度够高，把粗剪阶段的翻素材、搭骨架交给 Agent，确实能省下大把枯燥的体力活。而对于影视工业团队，直接嵌在 Autodesk Flow Capture 里，意味着团队不需要换工作软件就能用上，门槛大幅降低。

从行业竞争来看，通用大模型厂商如 Google 也在猛推长视频理解，但通用模型往往侧重回答问题，很难精确输出符合剪辑软件要求的结构化时间轴。TwelveLabs 紧咬垂直领域的切片与元数据能力，在细分基准上压过通用大模型，是在给自己筑起护城河。

不过，目前的隐患在于，结构化提取和 Agent 建议在面对极其复杂的影视叙事语境时，究竟能做到多准。一旦时间戳稍有漂移，或者对情绪焦点的理解偏差，剪辑师还是得回退到人工筛查。要真正成为影视工业的基础设施，它的端到端可靠性还得经受更多大型项目的考验。