TwelveLabs 推出影片副駕 Rodeo：用一句話幫剪輯師扒出關鍵鏡頭

做過影片剪輯的人大概都經歷過這種折磨：硬盤裡堆著幾十甚至幾百個小時的素材，為了找一個兩秒鐘的回眸或者一句特定語氣的話，得把進度條來回拉上大半天。

專門做影片理解模型的 TwelveLabs，這次打算直接幫剪輯師把這個體力活省掉。他們正式推出了第一款面向終端創作者的應用層產品 Rodeo，定位是一個由 AI 驅動的創意副駕。

就像給剪輯臺配了個把素材全看過的助理

說白了，Rodeo 讓你不用再給素材一個個打標籤、建分類資料夾。你直接用平時說話的口吻告訴它你需要什麼畫面，它就會翻遍整個素材庫，把最合適的片段挑出來甚至拼好。

官方強調它和普通關鍵詞搜幀不太一樣。它不光能識別畫面裡有沒有一輛紅色的車，還能理解當下的情境和情緒，也就是不僅知道畫面裡有什麼，還懂這個片段在整個故事裡為什麼重要。

對於紀錄片導演、製片人或者商業剪輯師來說，這相當於身邊坐了一個把你所有素材從頭到尾仔細看了一遍的助手。按照 TwelveLabs 的說法，創作者幾分鐘內就能把粗剪素材搭出故事骨架。

以往這類 AI 智慧體部署起來往往需要繁瑣的 IT 環境配置。這次 TwelveLabs 藉助 MCP 等成熟生態，把 Rodeo 做成了開箱即用的產品，創作者不需要任何技術對接就能直接上手。

背後撐腰的兩款專用底座模型

TwelveLabs 之前一直是做模型和基礎設施起家的，這次做應用端，底氣主要來自自家的兩款模型。

一個是 Marengo 3.0。官方把它形容為把影片當成動態系統來讀的模型，能同時壓縮並分析音訊、文本、動作、畫面以及整體節奏，讓影片像文字一樣可以被精準檢索。

另一個是長影片理解模型 Pegasus 1.5。它支援最長達一小時的影片輸入，結合視覺和聲音資訊來生成對影片的深度文字描述，而且在保持低延遲的同時控制住了成本。

這兩套模型組合在一起，一個負責全域性理解與跨模態對齊，一個負責長篇幅的深度提煉，才撐起了 Rodeo 即時查詢與剪輯素材的能力。

為什麼重要

對於剪輯師和內容創作者來說，Rodeo 的價值非常直接：它砍掉的是剪輯流程中最枯燥、最耗時的翻素材階段。如果你手裡常年壓著數以百計的採訪錄影或活動記錄，這種自然語言檢索完全值得第一時間試試，它能把翻看素材的精力省下來做真正有創意的敘事判斷。

從行業角度看，這是專用影片模型廠商的一次重要轉身。以前像 TwelveLabs 這類公司大多躲在 API 背後賣算力和模型呼叫，客戶主要是大企業或開發者；現在直接下場做工作流軟體，看起來會直接切入 Adobe Premiere 或剪映這類剪輯生態的腹地，倒逼傳統非編軟體加快原生智慧體的整合速度。

我們認為 TwelveLabs 這一步走得很聰明。單純賣影片理解 API，很多沒有工程團隊的創作者根本用不上，而做成創作者拿手即用的副駕，才真正把自己的模型壁壘轉化成了產品體驗。不過隱患也在於，專業剪輯對裁切點、節奏感和敘事微調的要求極高，AI 挑出的片段究竟是真懂上下文還是碰巧蒙對，還要看它在複雜長故事裡的實際成片率究竟有多高。