Twelve Labsは、米国サンフランシスコと韓国ソウルを拠点とするAI企業で、ビデオ理解に特化したマルチモーダルAIプラットフォーム

Twelve Labsは、米国サンフランシスコと韓国ソウルを拠点とするAI企業で、ビデオ理解に特化したマルチモーダルAIプラットフォームを提供しています。

会社概要

• 設立: 2021年、Jae Lee（CEO）を中心に設立。

• 本社: 米国カリフォルニア州サンフランシスコ（55 Green Street, San Francisco, CA 94111）。

• 主な事業内容:

  • ビデオデータの視覚・音声・テキスト情報を統合的に分析するAI基盤モデルの開発。

  • 主力モデル「Marengo」（検索・分類向け）と「Pegasus」（テキスト生成向け）を活用し、ビデオコンテンツの検索、分類、要約、インサイト抽出を可能にする。

  • メディア、エンターテインメント、セキュリティ、輸送などの業界向けに、ビデオ理解を強化するAPIおよびSDKを提供。

• 資金調達: 2025年までに総額3,000万米ドルの資金調達を達成し、AIエコシステムにおけるビデオ理解技術の重要性を証明。

• 市場での位置付け: 業界をリードする研究者から、クラウド大手やオープンソースモデルを上回るビデオ理解AIとして評価されており、MSR-VTTデータセットでGoogleのVideoPrism-Gモデルを10%以上上回る性能を記録。

ビジネスの特徴

• 技術力: Twelve Labsのビデオ基盤モデルは、ビデオを単なるフレームの連続ではなく「ボリューム」として処理する革新的なアプローチを採用。視覚、音声、時間的関係を統合的に分析し、人間のような理解を実現。

• 主な機能:

  • Marengo: 高度な「任意対任意」検索や異常検知、セマンティック検索をサポート。広大なビデオライブラリから特定シーンをピンポイントで特定可能。

  • Pegasus: ビデオからテキスト生成を行い、要約、ハイライト、キャプション生成などを実現。

  • 例: ソーシャルメディア向け短編クリップの自動生成、映像内の重要シーンの分類、コンテキストに応じた広告配置。

• 実績: AWSのAmazon Bedrockでモデルを提供し、エンタープライズ向けビデオ資産の活用を支援。Samsung NextのGenerative AI Hackathonなど、業界イベントでの技術デモも積極的に実施。

• オープンソース活動: GitHubで公式SDK（Python）や評価フレームワークを公開し、開発者コミュニティとの連携を強化。

アピールポイント

• 協業の可能性: 日本のメディアやエンターテインメント企業がビデオコンテンツの効率的な管理・活用を目指す際、Twelve LabsのAPIはコンテンツ検索や自動編集のワークフローを革新可能。例: 放送局でのアーカイブ映像の迅速な検索や、広告企業でのターゲット広告最適化。

• 技術連携: 日本のAIやIoT技術とTwelve Labsのビデオ理解技術を組み合わせることで、スマートシティや自動運転（例: ドライバー危険検知、歩行者行動予測）分野での応用が期待される。

• グローバル展開の足がかり: Twelve Labsは米国と韓国を拠点とし、ASEANや欧米市場での展開を強化中。日本の企業がグローバルなビデオAI市場に参入する際の戦略的パートナーとして適している。

• 開発者フレンドリー: 直感的なAPIとPlayground（デモ環境）を提供し、日本企業が迅速にPoC（概念実証）を実施可能。

コメント

Twelve Labsは、ビデオ理解AIの分野で業界をリードする新興企業として、技術力と成長性が評価されています。特に、MarengoとPegasusモデルは、従来のビデオ処理技術を超える「人間らしい」理解力で、メディアやセキュリティ分野での応用が期待されています。ただし、設立から数年の企業であるため、ブランドのグローバル認知度は発展途上であり、日本市場での展開には現地パートナーとの連携が鍵となります。資金調達の成功とAWSとの統合により、信頼性とスケーラビリティは高いと評価されます。