Savant

用 YAML 搭视频 AI 流水线，少写代码多跑流

开源 🏷️基础免费，高级付费 ✅ 目前可打开计算机视觉 🍴 复刻 86 🐛 待处理 26 👀 关注 11

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 867

维护状态维护中

是否开源开源

定价模式 🏷️基础免费，高级付费支持限时试用 · 开源框架免费，企业版及云服务需付费，定价信息待确认

项目预览

项目数据

分类计算机视觉

开发团队insight-platform

官网地址https://savant-ai.io

GitHubhttps://github.com/insight-platform/Savant

定价模式🏷️基础免费，高级付费

价格说明开源框架免费，企业版及云服务需付费，定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型computer-vision,cuda,deep-learning,deepstream,edge-computing,inference-engine,instance-segmentation,machine-learning,nvidia,nvidia-deepstream-sdk,object-detection,opencv,peoplenet,tensorrt,video,yolo,yolov5-face,yolov8,yolov8-face

GitHub 星标★ 867

上线时间2022-05-07 00:00:00

代码更新2026-09-23

仓库体积47.1 MB

本站数据更新2026-11-03

维护状态维护中

收录时间2026-09-13

浏览次数3

项目介绍

Savant 是一个基于 Python 的计算机视觉与视频分析框架，构建在 NVIDIA DeepStream 和 CUDA 之上，目标是让开发者用声明式 YAML 配置和少量 Python 代码就能搭建高性能视频推理流水线。它解决的核心问题是：传统视频分析需要手写大量 GStreamer 管道、CUDA 内存管理和模型前后处理代码，门槛高且易出错。Savant 把这些封装成可复用的模块，内置目标检测、实例分割、分类、跟踪等常见任务的推理与后处理能力，支持多路视频流并行处理、动态批处理和边缘设备部署。开发者只需定义输入源、模型和输出 sink，即可完成从解码、推理到编码输出的完整链路，并可通过 Python 函数扩展自定义逻辑。它适合需要快速落地视频分析应用、又希望保留工程可控性的团队。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-13 · 当前星标 ★ 867

技术标签

computer-vision cuda deep-learning edge-computing inference-engine

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 40 分钟部署方式：Docker 部署 4 步

环境要求

Docker + NVIDIA 驱动
NVIDIA GPU

安装与启动步骤

1克隆

视觉分析流水线，示例都基于容器跑。

git clone https://github.com/insight-platform/Savant.git
cd Savant

2查环境兼容

先跑自检脚本，确认驱动与镜像匹配。
```
../../utils/check-environment-compatible
```
3起 x86 示例

有独显用 x86 编排，Jetson 用 l4t 那份。
```
docker compose -f docker-compose.x86.yml up
```
4看可视化

示例自带 web 界面，能看检测框与推理耗时。
```
# 浏览器打开 compose 里映射的端口
```