Deploy Qwen models with Amazon Bedrock Custom Model Import
现在，您可以为qwen2，qwen2_vl和qwen2_5_vl架构导入自定义权重，包括QWEN 2、2.5编码器，QWEN 2.5 VL和QWQ 32B之类的型号。在这篇文章中，我们介绍了如何使用Amazon BedRock自定义模型导入的如何部署QWEN 2.5型号，这使他们可以在AWS基础架构中以有效的成本在AWS基础架构中使用最先进的AI功能。
Build generative AI solutions with Amazon Bedrock
在这篇文章中，我们向您展示了如何使用Amazon Bedrock的功能在Amazon Web服务（AWS）上构建生成AI应用程序，并强调了如何在生成AI旅程的每个步骤中使用Amazon Bedrock。本指南对于经验丰富的AI工程师和生成AI空间的新移民都很有价值，可帮助您利用亚马逊基岩的最大潜力。
在这篇文章中，我们展示了NetSertive如何使用Amazon Bedrock和Amazon Nova向MLX推出了一位生成的AI驱动助手，以使他们的下一代平台栩栩如生。
Make videos accessible with automated audio descriptions using Amazon Nova
在这篇文章中，我们演示了如何使用Amazon Nova，Amazon Rekognition和Amazon Polly之类的服务来自动创建视频内容的可访问音频描述。这种方法可以大大减少使视觉障碍受众访问视频所需的时间和成本。
Training Llama 3.3 Swallow: A Japanese sovereign LLM on Amazon SageMaker HyperPod
Tokyo科学院已经成功训练了Llama 3.3 Swallow，这是一种使用Amazon Sagemaker Hyperpod的700亿参数大语模型（LLM），具有增强的日本能力。该模型在日语任务中表现出了卓越的性能，表现优于GPT-4O-Mini和其他领先的模型。该技术报告详细介绍了项目期间开发的培训基础设施，优化和最佳实践。
Accelerating Articul8’s domain-specific model development with Amazon SageMaker HyperPod
了解ARTICUL8如何使用特定于域的模型来重新定义企业生成AI，在现实世界应用中的特定模型都超过了通用LLM。在我们最新的博客文章中，我们深入研究了Amazon Sagemaker Hyperpod如何加速ArtiCul8行业领先的半导体模型的开发 - 在将部署时间削减4倍的同时，提高了2倍的准确性，以提高2倍的准确性。
How VideoAmp uses Amazon Bedrock to power their media analytics interface
在这篇文章中，我们说明了一家媒体测量公司VideoAmp与AWS生成AI创新中心（Genaiic）团队合作，开发了VideoAmp自然语言（NL）分析聊天机器人的原型，以使用Amazon Bedrock在媒体分析中大规模地揭示有意义的见解。
Adobe enhances developer productivity using Amazon Bedrock Knowledge Bases
Adobe使用Amazon Bedrock知识库和Amazon OpenSearch无服务器的Amazon Bedrock知识库和矢量引擎合作。该解决方案极大地改善了他们的开发人员支持系统，从而提高了检索准确性20％。在这篇文章中，我们讨论了该解决方案的细节以及Adobe如何提高其开发人员的生产率。
Amazon Nova Lite enables Bito to offer a free tier option for its AI-powered code reviews
Bito是一家创新的创业公司，为各种软件开发人员创建AI代理。在这篇文章中，我们分享了Bito如何使用Amazon Nova为其AI驱动的代码评论提供免费的层次选项。
Gardenia Technologies是一家数据分析公司，与AWS原型和云工程（PACE）团队合作开发了Report Report Genai，Genai是一种全自动的ESG报告解决方案，该解决方案由Amazon Bedrock上最新的AI模型提供动力。这篇文章深入研究了使用带有检索增强发电（RAG）和文本到SQL功能的工具的代理搜索解决方案背后的技术，以帮助客户将ESG报告时间最多减少75％。我们演示了AWS无服务器技术如何与亚马逊基岩中的代理相结合，用于构建可扩展且高度灵活的基于代理的文档助理应用程序。
Llama 3.3 Nemotron Super 49b V1 AndlAma 3.1 Nemotron Nano 8b V1现在可以在Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart中获得。现在，您可以在此发布中，您可以部署Nvidia的Newewest推理模型来构建，实验，实验性地逐步扩展您的生成ai aws aws aws aws aws。
Automate customer support with Amazon Bedrock, LangGraph, and Mistral models
在这篇文章中，我们演示了如何使用Amazon Bedrock和Langgraph为电子商务零售商建立个性化的客户支持体验。通过整合Mistral大型2和Pixtral大型模型，我们指导您自动化关键客户支持工作流程，例如票务分类，订单详细信息提取，损害评估和产生上下文响应。
Build responsible AI applications with Amazon Bedrock Guardrails
在这篇文章中，我们演示了亚马逊基岩护栏如何有助于阻止有害和不希望的多模式内容。使用医疗保险呼叫中心方案，我们介绍配置和测试各种护栏的过程。
Effective cost optimization strategies for Amazon Bedrock
随着亚马逊基岩的越来越多的采用，优化成本是必须有助于保持与部署和运行生成的AI应用程序相关的费用，并且与组织的预算保持一致。在这篇文章中，您将在使用亚马逊基石时了解战略性成本优化技术。
How E.ON saves £10 million annually with AI diagnostics for smart meters powered by Amazon Textract
E.On的故事强调了亚马逊质特的创造性应用如何结合自定义图像分析和脉搏计数，可以在大规模上解决现实世界中的挑战。通过简短的智能手机视频诊断智能电表错误，E.ON的目标是降低成本，提高客户满意度并提高整体能源服务的可靠性。在这篇文章中，我们深入研究了该解决方案的工作原理及其产生的影响。
Building intelligent AI voice agents with Pipecat and Amazon Bedrock – Part 1
在这一系列帖子中，您将学习如何使用PipeCat构建智能AI语音代理，这是一个用于语音和多模式对话AI代理的开源框架，并在Amazon Bedrock上建立了基础模型。它包括高级参考体系结构，最佳实践和代码样本，以指导您的实施。
Stream multi-channel audio to Amazon Transcribe using the Web Audio API
在这篇文章中，我们探讨了使用浏览器的Web Audio API和Amazon转录流的Web应用程序的实现详细信息，以实现实时双通道转录。通过使用AudioContext，Channelmergernode和AudioWorklet的组合，我们能够无缝处理和编码来自两个麦克风的音频数据，然后再将其发送到Amazon转录进行转录。
How Kepler democratized AI access and enhanced client services with Amazon Q Business
在全球全方位服务的数字营销机构Kepler为Fortune 500品牌提供服务，我们了解创意营销策略与数据驱动的精确度之间的微妙平衡。在这篇文章中，我们分享了实施亚马逊Q业务如何通过使整个组织的AI访问在同时保持严格的安全标准的同时使我们的运营改变了我们的运营，从而使每位员工每周的平均每周节省2.7个小时的手动工作和改进的客户服务交付。
