TwelveLabs Marengo 3.0で商品動画を検索できる資産に|Bedrockで4時間・36言語対応、EC活用5手順

TwelveLabsのMarengo 3.0は、最長4時間の動画を映像・音声・文字起こしで検索できる数値に変えるモデルで、Amazon Bedrockで使えます。商品動画を再利用できる資産に変える5手順とプロンプト3本を解説します。

投稿日: カテゴリー EC×AI活用

Marengo 3.0とは、動画を検索用の数値に変えるAIモデルのことです。

撮りためた商品動画やライブ配信の録画から、「ニットを手で伸ばして見せている場面」を探すのに何分かかっていますか。動画理解AIのTwelveLabsが提供するMarengo Embed 3.0は、最長4時間・最大6GBの動画を、映像・音声・文字起こしの3つの観点から検索用の数値に変えるモデルで、Amazon Bedrockから使えます。対応言語は前の版の12から36に増えました。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)が、Marengo 3.0で商品動画を「探せる資産」に変える5つの手順と、準備に使えるプロンプト3本を解説します。

Marengo 3.0が動画の扱い方をどう変えるか

Marengo 3.0の役割は、動画を「生成する」ことではなく、動画の中身を「探せるようにする」ことです。技術的には、映像や音声の意味を数値の並び(埋め込み、またはベクトルと呼びます)に変換し、意味の近いものほど数値も近くなるようにします。こうしておけば、「白いスニーカーを履いて階段を上る場面」という文章や、手元の商品写真を入力するだけで、近い場面を動画の山から取り出せます。

AWSは2025年10月29日、Marengo Embed 3.0をAmazon Bedrockで提供開始したと発表し、Marengo 3.0を提供する最初のクラウド事業者だとしています。TwelveLabsは同年12月1日のAWS re:Inventで、Marengo 3.0の一般提供を発表しました。BedrockのほかTwelveLabsからの月額サービスとしても使えます。

Bedrockのドキュメントによると、前の版(Marengo Embed 2.7)からの主な変更点は次のとおりです。処理できる動画・音声は最長4時間、ファイルは最大6GBで、従来の2倍の容量になりました。対応言語は12から36へ拡大し、画像と説明文を1回のリクエストで組み合わせて検索できるようになりました。埋め込みの次元数(数値の並びの長さ)は1024から512に減り、保存に必要な容量を抑えやすくなっています。TwelveLabsは保存コストの50%削減とインデックス作成の2倍の高速化もうたっていますが、これは同社の検証にもとづく数字で、方法は公開されていません。

EC事業者にとって意味が大きいのは、映像(visual)、音声(audio)、文字起こし(transcription)の3種類を別々に、または重み付けして合わせた形で取り出せる点です。たとえばライブ配信の録画なら、「スタッフが洗濯の方法を話している場面」は文字起こしで、「生地を光に透かしている場面」は映像で探す、という使い分けができます。動画は初期設定で、場面の切り替わりを検出して区切られます。

一方で、日本のEC事業者が確認すべき点もあります。ドキュメント記載の提供リージョンは、米国東部(バージニア北部)、欧州(アイルランド)、アジアパシフィック(ソウル)で、執筆時点の記載に東京リージョンはありません。顧客の顔や声が映る動画を扱う場合は、国外のリージョンにデータを置くことになる点を、社内の個人情報の取り扱いルールと照らし合わせておく必要があります。36言語の中に日本語がどの程度の精度で含まれるかも、公式の対応言語一覧と実データでの検証で確かめてください。

EC事業者の商品動画はなぜ「眠る資産」になるのか

結論として、商品動画が活用されない最大の理由は、撮影したあとに「どこに何が映っているか」を誰も記録していないことです。楽天市場の商品ページ用に撮った動画、Instagramのリール、ライブコマースの録画、モデル撮影のメイキングなど、1年分を合わせると数十時間になる店舗も珍しくありません。それでも、ファイル名と撮影日しか手がかりがなければ、次の企画で使える素材を探し出すのは現実的ではありません。

5,000社支援の中で何度も再現したパターンとして、アパレルや雑貨の店舗では、新商品の動画を毎回ゼロから撮り直す一方で、過去の撮影素材の中に使える場面が眠っていることがよくあります。素材を探す手間が撮り直す手間を上回ってしまうからです。Marengo 3.0のような動画検索の仕組みは、この「探す手間」を下げることで、撮りためた素材を再利用できる資産に変えます。

使い道は大きく3つあります。1つ目は、商品ページやSNS用の短いクリップの切り出しです。「素材の伸縮性が分かる場面」「サイズ感が分かる場面」を文章で探し、商品ページの動画や広告素材に回します。2つ目は、ライブ配信の録画から、よく聞かれる質問に答えている場面を探し、商品ページのよくある質問の補足に使うことです。3つ目は、商品写真を入力して、その商品が映っている過去の動画をまとめて探すことです。画像と文章を組み合わせた検索にも対応しているので、「この写真の商品を屋外で着ている場面」のような探し方もできます。

なお、Marengo 3.0は検索と分類のための仕組みで、動画を新しく作るものではありません。動画を生成するAIについては、うるチカラのFLUX 3 Videoで商品動画を内製する費用試算やSeedance 2.5の音声付き商品動画の解説で扱っています。生成AIで作った動画も、検索できる形で保管しておけば、あとから再利用しやすくなります。

商品動画を検索できる資産に変える5手順とプロンプト3本

ここからは、Amazon Bedrock上でMarengo 3.0を使い、商品動画を検索できるようにする5つの手順を説明します。準備のためのプロンプトはChatGPT、Claude、Geminiのどれでも使えるように書いてあり、中括弧の部分を自店の情報に置き換えます。Bedrock上での実装は、社内のエンジニアか開発会社と進める前提です。

手順1は、動画資産の棚卸しと権利の確認です。検索の仕組みを作る前に、どの動画をどの用途に使ってよいかを整理します。モデルの肖像の利用範囲、購入者から提供されたレビュー動画の利用許諾、BGMの権利など、再利用の可否は動画ごとに違います。権利が不明な動画を検索対象に入れると、あとで使えない素材ばかりが見つかることになります。

プロンプト1:商品動画の棚卸しと再利用ルールの整理

あなたはEC店舗のクリエイティブ管理担当です。
当店が保有する動画素材を棚卸しし、検索システムに登録する前の再利用ルールを整理してください。

動画素材の一覧:
{ファイル名/撮影日/内容のメモ/出演者(社員・モデル・購入者など)/BGMの有無/撮影の目的}

出力してほしい項目:
1. 動画ごとの再利用区分(自由に再利用可/条件付きで可/再利用不可/要確認)
2. 条件付きの場合の条件(例:モデル契約の期間内、SNSのみ可、広告利用は不可)
3. 検索システムに登録してよい動画と、登録を見送る動画
4. 権利の確認が必要な動画と、確認先(モデル事務所、購入者、音源の提供元など)
5. 今後の撮影で、再利用しやすくするために撮影時に記録すべき項目

条件:判断できないものは「要確認」とし、推測で再利用可にしないこと。

手順2は、動画をAmazon S3に集め、リージョンを決めることです。Marengo 3.0は、S3に置いた動画を読み込んで処理します。前述のとおり、ドキュメント記載の提供リージョンは米国東部、欧州、ソウルの3つなので、日本から使う場合は地理的に近いソウルが候補になります。リージョンを決める際は、データの保管場所に関する社内ルールと、処理結果を保存する場所も合わせて決めておきます。

手順3は、動画の埋め込みを非同期で作ることです。動画と音声は、StartAsyncInvokeという非同期の呼び出しで処理し、結果は指定したS3の場所に書き出されます。動画の区切り方は、場面の切り替わりで区切るdynamic(最短の長さは1〜5秒で指定、初期値4秒)と、一定の長さで区切るfixed(1〜10秒で指定、初期値6秒)から選べます。商品の細かい動きを探したいなら短めに、話の流れを探したいなら長めに区切るのが目安です。embeddingScopeで区切りごとの埋め込み(clip)と動画全体の埋め込み(asset)のどちらか、または両方を取り出せます。

手順4は、検索の入口を作ることです。検索に使う文章や画像の埋め込みは、InvokeModelという即時の呼び出しで作ります。文章は500トークンまで、画像は1枚5MBまでです。作った埋め込みを、手順3で保存した動画側の埋め込みと比べ、近いものから順に候補を返します。AWSのブログでは、Amazon Bedrock Knowledge Bases(社内データを検索できるようにする仕組み)の埋め込みモデルとしてもMarengo 3.0が使えると案内されています。検索の精度は、担当者が実際に入力する言葉で決まるので、検索の言い回しを先に集めておくのが近道です。

プロンプト2:商品動画検索で使う検索文の候補集を作る

あなたはEC店舗の動画編集担当です。
商品動画の検索システムで使う検索文の候補を作ってください。

店舗の商品ジャンル:{例:レディースアパレル/ニット・カーディガン中心}
よく作る動画の用途:{例:商品ページの動画、Instagramリール、広告}
探したい場面の例:{例:素材の伸縮性が分かる場面、着丈が分かる場面}

出力してほしい項目:
1. 映像で探す検索文を10個(人物の動き、商品の見せ方、背景など、映っているものを具体的に)
2. 文字起こしで探す検索文を5個(スタッフが説明している内容)
3. 画像と組み合わせて探すときの説明文の例を3個
4. 検索結果がずれやすい言い回しと、その言い換え

条件:
- 1つの検索文に入れる要素は2〜3個までにする
- 「おしゃれ」「かわいい」のような主観的な言葉だけの検索文は作らない

手順5は、見つけたクリップを再利用し、効果を測ることです。検索で見つかった場面を、商品ページの動画、SNSの投稿、広告素材に回します。このとき、手順1の再利用区分を必ず確認し、条件付きの素材は条件に合う媒体だけで使います。楽天市場の商品ページで動画を使う場合も、ページ内に楽天市場外へ誘導する要素を入れないなど、モールの規約を守る必要があります。

プロンプト3:検索で見つけたクリップの用途別編集指示書

あなたはEC店舗の動画ディレクターです。
動画検索で見つかった次のクリップについて、用途別の編集指示書を作ってください。

クリップの情報:
{動画のファイル名/開始秒〜終了秒/映っている内容/再利用区分と条件}

使いたい用途:{例:楽天市場の商品ページ動画、Instagramリール、Amazonの商品ページ}

出力してほしい項目:
1. 用途ごとの切り出し範囲と長さの目安
2. 入れるテロップの案(商品の事実だけを書く。最上級表現や効能の断定は使わない)
3. 用途ごとの注意点(モールの規約、再利用条件、外部への誘導の有無など)
4. 再利用不可や要確認の条件に当たる場合は、その用途での使用を止める理由

条件:再利用区分が「要確認」のクリップは、編集指示を出さずに確認事項だけを書くこと。

失敗例と回避策

動画検索の導入でつまずくのは、技術よりも運用の設計です。

1つ目の失敗は、権利の整理をせずに全部の動画を登録することです。検索で良い場面が見つかっても、モデル契約の期間が切れていたり、購入者の動画の利用許諾がSNS限定だったりして使えない、ということが起きます。回避策は、プロンプト1の再利用区分を動画ごとのメタデータとして一緒に保存し、検索結果に区分を表示することです。

2つ目の失敗は、前の版の埋め込みを使い続けることです。ドキュメントは、Marengo Embed 2.7が廃止予定であること、2.7で作った埋め込みは3.0と互換性がなく、すべて3.0で作り直す必要があることを明記しています。リクエストの形式も、入力の種類ごとに入れ子にする構造に変わり、embeddingOptionの値もvisual・audio・transcriptionに変わりました。古い版で作った仕組みがある場合は、作り直しの費用と期間を見込んでおきます。

3つ目の失敗は、検索文が抽象的すぎて的外れな結果が返ることです。「良い感じの場面」のような主観的な言葉では、何を探しているのかがモデルに伝わりません。店舗運営の現場感覚では、映っている物・動作・場所の3つを具体的に書くと、候補の質が安定します。プロンプト2で検索文の候補集を作り、よく使う言い回しをチームで共有するのが回避策です。

KPI設計と費用・工数の目安

KPIは、素材を探す時間と、再利用できたクリップの数の2つで見るのが分かりやすいでしょう。導入前に、過去の素材から特定の場面を探すのにかかっている時間を何件か計っておき、導入後と比べます。あわせて、月ごとに検索から再利用されたクリップの本数と、そのクリップを使った商品ページや広告の成果(再生数、クリック率、転換率)を記録します。

検索の精度そのものも、簡単な方法で測れます。担当者がよく探す場面を20件ほど選び、それぞれの「正解の動画と時刻」を先に記録しておきます。そのうえで検索文を入力し、上位5件の候補の中に正解が入っていた割合を数えます。区切り方(dynamicかfixedか、何秒にするか)や、映像・音声・文字起こしのどれを使うかを変えながらこの割合を比べると、自店の動画に合った設定が見えてきます。数字で比べておけば、設定を変えたときに良くなったのか悪くなったのかを、担当者の印象ではなく結果で判断できます。

費用は、Amazon Bedrockでの処理料金、S3の保存料金、検索に使うベクトルデータベースの料金の合計で決まります。Marengo 3.0の料金は、Amazon Bedrockの公式料金ページで最新の値を確認してください(2026年11月時点の金額は要確認)。埋め込みの次元数が512に減ったことで、同じ本数の動画でも、ベクトルを保存する容量は前の版の半分で済みます。

工数の目安は、手順1の棚卸しに数日、手順2〜4の仕組みづくりに開発会社や社内エンジニアで数週間です。すでにAWS上で業務システムを動かしている事業者なら、GPT-6 AstraをAmazon Bedrockで社内基盤に載せる手順で紹介したような権限管理やリージョンの考え方をそのまま流用できます。最初は1つの商品カテゴリ、直近半年分の動画に絞って試し、効果を確かめてから広げるのが安全です。

今後の展望と独自考察

動画が増え続ける時代に、EC事業者の差になるのは「撮る量」より「使い回せる量」です。Marengo 3.0のような動画の埋め込みモデルは、撮影済みの素材を検索できる状態にすることで、1本の撮影から何本ものクリップを生み出す土台になります。36言語への対応は、越境ECで多言語のレビュー動画や海外のインフルエンサー動画を扱う事業者にとっても意味があります。

今後の論点は2つあります。1つは、日本の事業者が使いやすいリージョンでの提供です。ドキュメントの記載では東京リージョンが含まれていないため、データの保管場所に厳しい企業にとっては導入の壁になります。もう1つは、買い物客側のAIとの関係です。AIの買い物アシスタントが商品動画の中身まで読み取るようになれば、動画の中で何をどう見せているかが、検索での見つかりやすさに影響する可能性があります。その意味でも、自社の動画に何が映っているかを把握しておくことの価値は上がっていくと判断します。

最後に、検索の仕組みはあくまで道具です。どの場面がお客様の購入判断に役立つのかを決めるのは、商品とお客様を知っている店舗の担当者です。仕組みを入れる前に、「この商品のこの点を伝える場面が欲しい」という問いを持っておくことが、動画資産を生かす前提になります。

よくある質問

Marengo 3.0は動画を作るAIですか

いいえ、動画を作るAIではありません。Marengo 3.0とは、動画・音声・画像・文章を、意味の近さで比べられる数値に変える埋め込みモデルのことです。動画の中から特定の場面を探したり、似た動画をまとめたりするのに使います。

日本語で検索できますか

はい、多言語に対応しており、対応言語は前の版の12から36に増えています。ただし、日本語での検索精度は、公式の対応言語一覧と、自社の動画を使った小規模な検証で確かめてください。検索文は具体的な物・動作・場所を入れると結果が安定しやすくなります。

どのくらいの長さの動画まで扱えますか

1本あたり最長4時間、最大6GBまでの動画と音声を扱えます。S3に置いたファイルを非同期の呼び出しで処理します。リクエストに動画を直接埋め込む場合は、Bedrockの呼び出し上限である25MBを超えないようにする必要があります。

東京リージョンで使えますか

ドキュメントの記載では、提供リージョンは米国東部(バージニア北部)、欧州(アイルランド)、アジアパシフィック(ソウル)の3つで、東京リージョンは含まれていません。提供リージョンは追加される可能性があるので、導入時にBedrockの対応モデル一覧で最新の状況を確認してください。

前の版のMarengo 2.7で作ったデータはそのまま使えますか

いいえ、そのままでは使えません。ドキュメントによると、Marengo Embed 2.7で作った埋め込みは3.0と互換性がなく、すべて3.0で作り直す必要があります。リクエストの形式やembeddingOptionの値も変わっているため、プログラムの修正も必要です。

小規模な店舗でも導入する意味はありますか

はい、動画の本数が多い店舗なら意味があります。ただし、仕組みづくりにはAWSの知識が必要なので、まずは1つの商品カテゴリの直近半年分に絞り、素材を探す時間がどれだけ減るかを確かめるのが現実的です。動画が少ない店舗では、ファイル名と内容メモの整理から始めるほうが費用対効果は高くなります。

まとめ

TwelveLabsのMarengo 3.0は、最長4時間の動画を映像・音声・文字起こしの3つの観点で検索できる数値に変えるモデルで、Amazon Bedrockから使えます。EC事業者にとっては、撮りためた商品動画やライブ配信の録画を、探して使い回せる資産に変える道具になります。導入では、権利の整理、リージョンの選択、前の版からの作り直しの3点に注意が必要です。最初の一歩は、プロンプト1で手元の動画を棚卸しし、再利用してよい素材がどれだけあるかを数えることです。

参考文献


著者:齋藤竹紘(株式会社オルセル 編集長/5,000社以上のEC支援実績/書籍3冊)


※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ