nova ai通过nova lite、pro、micro及多模态嵌入模型链路，实现会议录音转纪要、图文混合理解、长视频结构化摘要、实时语音闭环与跨模态检索一体化处理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让一段会议录音自动转成带时间戳的纪要，再根据纪要生成配图PPT，最后导出为带语音解说的短视频——Nova AI现在能用一套模型链路完成全部动作，无需切换工具或手动粘贴。
用Nova Lite处理图文混合输入
打开Amazon Bedrock控制台→选择Nova Lite模型→在输入框中直接粘贴一段含截图链接的Markdown笔记，例如“见图1：产品架构图（https://xxx.png）；问题：模块A响应延迟超200ms”。
Nova Lite会自动下载并理解该图像内容，将视觉信息与文字描述对齐分析。这一步不能跳过图像加载等待，【若图片链接失效或跨域受限，模型将忽略图像部分，仅处理文字】。
点击“Run”后，输出结果会明确标注哪些结论来自图像、哪些来自文本，比如“模块A延迟异常（图1中红色高亮区域）”。
用Nova Pro解析长视频并提取结构化摘要
方法一：上传MP4文件至Bedrock S3桶→在Nova Pro推理接口中填写S3 URI路径→设置参数"chunking_strategy": "scene_change"→提交请求。
方法二：调用Nova Pro异步API，传入视频URL和{"max_segments": 8, "include_audio_transcript": true}→获取job_id→轮询status直到返回completed。
注意：视频必须是H.264编码且分辨率≤4K，否则预处理阶段会失败并返回空嵌入向量。
用Nova Micro+Transcribe+Polly构建实时语音闭环
第一步：用户语音输入经RTC插件送入Amazon Transcribe，生成带标点和说话人分离的文本流。
第二步：文本流实时喂给Nova Micro模型，执行意图识别与指令拆解，例如把“把刚才说的三点方案发邮件给张经理”解析为{action: "send_email", recipients: ["zhang@xxx.com"], content_ref: "summary_0710_1105"}。
第三步：系统调用Amazon Polly合成语音，同时将Nova Micro输出的结构化指令交由后端服务执行，语音与操作同步发生，延迟控制在800ms内。
这一步操作起来很简单，直接把文件拖进去就行。
用Nova多模态嵌入实现跨模态检索
准备三类数据：100份PDF技术文档、200张设备实拍图、50段产线巡检视频片段。
统一调用Nova多模态嵌入API，对全部数据生成8192维嵌入向量，存入Amazon OpenSearch Service集群。
用户输入“电机过热报警但红外图未显示异常”，系统自动将该文本转为嵌入向量，在向量库中搜索最接近的图像与视频片段，返回匹配度Top3结果及对应文档页码。
嵌入向量维度必须严格一致，【混用512维与8192维向量会导致检索完全失效】。
