Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Procesamiento multimodal nativo
Con el procesamiento multimodal * nativo*, una base de conocimientos gestionada de Amazon Bedrock envía cada archivo directamente a un modelo de incrustación multimodal. A continuación, el modelo crea incrustaciones a partir del contenido de imagen, audio y vídeo sin procesar.
Sin un modelo de incrustación multimodal nativo, una base de conocimientos funciona de manera diferente. En primer lugar, analiza los archivos. Luego fragmenta el texto que extrae de ellos. Finalmente, incrusta esos fragmentos con un modelo de incrustación de texto.
El procesamiento multimodal nativo omite el análisis y la extracción de texto. Como resultado, conserva detalles visuales y de audio que la extracción de texto perdería.
Para habilitar el procesamiento multimodal nativo, elija un modelo de incrustación multimodal nativo al crear la base de conocimientos. Actualmente, TwelveLabs Marengo Embed 3.0 (`twelvelabs.marengo-embed-3-0-v1:0`) es el único modelo que puede elegir. Para obtener instrucciones sobre cómo configurarlo, consulte[Creación de una base de conocimiento](kb-managed-create.md).
## Cómo funciona el procesamiento multimodal nativo
Al configurar una base de conocimientos con un modelo de incrustación multimodal nativo, se aplica lo siguiente:
+ **Solo se admite la estrategia `MULTI_MODAL_EMBEDDINGS` de análisis. ** No puede combinar un modelo de incrustación multimodal nativo con otras estrategias de análisis.
+ **Los archivos se envían directamente al modelo de incrustación. ** El modelo de incrustación procesa el archivo sin procesar y produce incrustaciones a partir de su contenido nativo.
+ **Text-based no se admiten estrategias de fragmentación. ** Como los archivos no se analizan para convertirlos en texto, las estrategias de fragmentación que se aplican al texto, como la fragmentación predeterminada y la fragmentación de tamaño fijo, no se aplican.
+ **Puedes configurar la segmentación para audio y vídeo. ** En lugar de una estrategia de fragmentación del texto, usted elige cómo la base de conocimientos divide los archivos de audio y vídeo en segmentos. Usa la configuración de segmentación en el campo. `modelConfiguration` Para obtener más información, consulte [Creación de una base de conocimiento](kb-managed-create.md).
+ **Solo se admiten los tipos de archivo compatibles con el modelo. ** Una base de conocimientos configurada con un modelo de incrustación multimodal nativo solo puede incorporar los tipos de archivos que acepta el modelo. Para conocer los tipos de archivo y otras configuraciones TwelveLabs Marengo Embed 3.0 compatibles, consulte. [TwelveLabs Marengo Embedd 3.0](model-parameters-marengo-3.md)
+ **Debe proporcionar un destino de almacenamiento multimodal. ** Proporcione una ubicación de Amazon S3 para que la base de conocimientos procese e incorpore su contenido. Amazon Bedrock Knowledge Bases crea una carpeta de `aws/` prefijos en su bucket. Utilice un depósito diferente del depósito de su fuente de datos. Para conocer los permisos que necesita el rol de servicio, consulte[Permisos para su destino de almacenamiento multimodal](kb-managed-permissions.md#kb-managed-permissions-multimodal-storage).
+ **Solo se admite la [Retrieve](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) API. ** Con la operación, consulta una base de conocimientos que usa un modelo de incrustación multimodal nativo. [Retrieve](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) No se [RetrieveAndGenerate](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) admite la operación.
+ **Las consultas deben ser de texto. ** Puede consultar su contenido multimodal mediante texto. No se admiten las consultas de imágenes.
Para obtener más información sobre los metadatos que devuelve la [Retrieve](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) operación para obtener resultados multimodales y sobre cómo obtener el archivo correspondiente, consulte. [Recupere las respuestas de las bases de conocimiento multimodales nativas](kb-test-get-document-content.md#kb-get-doc-content-native-multimodal)
## Cómo invoca la base de conocimientos el modelo de incrustación
Cuando utiliza un modelo de incrustación multimodal nativo, su base de conocimientos invoca ese modelo de forma sincrónica y asincrónica. Utiliza la invocación sincrónica cuando envías una consulta y la invocación asincrónica cuando ingiere tu contenido. Tu rol de servicio necesita permisos para ambos. Para obtener más información sobre la política que se debe adjuntar, consulte[Permisos para acceder a los modelos de Amazon Bedrock](kb-managed-permissions.md#kb-managed-permissions-access-models).
**nota**
En algunos Regiones de AWS, el TwelveLabs Marengo Embed 3.0 modelo admite la invocación sincrónica solo a través de un perfil de [ inferencia. ](inference-profiles-support.md) La invocación asincrónica sigue utilizando el modelo bajo demanda. En estas regiones, especifique un perfil de inferencia al crear la base de conocimientos. A continuación, la base de conocimientos utiliza tanto el perfil de inferencia como el modelo bajo demanda para procesar el contenido. Su rol de servicio necesita permisos para ambos.
Para comprobar si TwelveLabs Marengo Embed 3.0 es compatible con lo Región de AWS que utilizas, consulta[TwelveLabs Marengo Embedd 3.0](model-parameters-marengo-3.md).
## Administración de datos transitorios con las políticas de ciclo de vida de Amazon S3
Si bien Amazon Bedrock Knowledge Bases procesa su contenido, almacena los datos transitorios en su destino de almacenamiento multimodal. Intenta eliminar esos datos cuando finaliza el procesamiento. Para garantizar que los datos caduquen, le recomendamos que aplique una política de ciclo de vida a la ruta de datos transitoria.
------
#### [ Console ]
**Para crear una regla de ciclo de vida mediante la consola**
1. Abra la [consola de Amazon S3](https://console.aws.amazon.com/s3).
1. Navegue hasta el destino de almacenamiento multimodal que configuró para su base de conocimientos.
1. Seleccione la ** pestaña ** Administración y, a continuación, elija ** Crear regla ** de ciclo de vida.
1. Para el nombre ** de la regla de ciclo de vida**, introduzca**Transient Data Deletion**.
1. En Tipo de ** filtro**, elija ** Limitar el alcance de esta regla mediante uno o más filtros**.
1. En ** Prefijo**, introduce la ruta de datos transitoria de tu base de conocimientos y fuente de datos.
Sustituya los valores de los marcadores de posición del siguiente prefijo por sus identificadores reales:
```
aws/bedrock/knowledge_bases/{{knowledge-base-id}}/{{data-source-id}}/transient_data
```
**No elimines el contenido multimodal**
No apliques políticas de ciclo de vida a todo el bucket ni al `aws/` prefijo, ya que esto eliminará el contenido multimodal y podría provocar errores de procesamiento. Utilice únicamente la ruta de datos transitoria que se muestra en el ejemplo de prefijo anterior.
1. En Acciones de las reglas ** del ciclo de vida**, seleccione ** Expirar las versiones actuales de los objetos. **
1. **En Días después de la creación del objeto**, introduzca**1**.
1. Seleccione **Creación de regla**.
------
#### [ AWS CLI ]
**Para crear una regla de ciclo de vida mediante el AWS CLI**
1. Crea un archivo JSON `lifecycle-policy.json` con el siguiente contenido y reemplaza los valores de los marcadores de posición por tus identificadores reales:
+ {{knowledge-base-id}}— El identificador de su base de conocimientos
+ {{data-source-id}}— El identificador de su fuente de datos
```
{
"Rules": [
{
"ID": "TransientDataDeletion",
"Status": "Enabled",
"Filter": {
"Prefix": "aws/bedrock/knowledge_bases/{{knowledge-base-id}}/{{data-source-id}}/transient_data"
},
"Expiration": {
"Days": 1
}
}
]
}
```
1. Aplica la política de ciclo de vida a tu bucket. {{amzn-s3-demo-bucket}}Sustitúyalo por el nombre de su depósito de almacenamiento multimodal:
```
aws s3api put-bucket-lifecycle-configuration \
--bucket {{amzn-s3-demo-bucket}} \
--lifecycle-configuration file://lifecycle-policy.json
```
1. Verifique que se haya aplicado la política de ciclo de vida:
```
aws s3api get-bucket-lifecycle-configuration \
--bucket {{amzn-s3-demo-bucket}}
```
------
Para obtener más información sobre las políticas del ciclo de vida de Amazon S3, consulte [ Administración del ciclo de vida de los objetos ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/object-lifecycle-mgmt.html) en la Guía del usuario de * Amazon S3*.