Savant

用 YAML 搭视频 AI 流水线,少写代码多跑流

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。

开源 freemium 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 854
维护状态 较活跃
是否开源
定价模式 freemium

项目数据

分类计算机视觉
开发团队insight-platform
所属国家
定价模式freemium
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
是否开源
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★ 854
30天Star增速
HF 下载量
上线时间2022-05-07 00:00:00
最近更新2026-09-12 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-13
浏览次数1

使用教程

核心亮点

  • 基于 DeepStream 和 CUDA,单卡可并行处理多路高清视频流,吞吐表现优于纯 Python 推理方案
  • 声明式 YAML 配置加 Python 扩展,兼顾低代码上手和自定义后处理灵活性
  • 内置检测、分割、跟踪、分类等常见任务的模型适配与后处理模块,减少重复造轮子

不足之处

  • 强依赖 NVIDIA GPU 与 DeepStream 运行时,非 N 卡或纯 CPU 环境无法使用
  • 生态与文档相对早期,社区规模和第三方示例数量不及成熟框架

适用场景

  • 园区或工厂多路摄像头实时目标检测与告警
  • 零售场景客流统计与热区分析
  • 边缘设备上部署视频结构化与事件检索

替代项目

DeepStream SDK、Frigate、Viseron

项目介绍

Savant 是一个计算机视觉领域的开源项目,官方简介:Python Computer Vision & Video Analytics Framework With Batteries Included。项目使用 Python 开发,在 GitHub 上获得 854 星标。

上一篇:segment-anything-video

下一篇:darknet

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 3995 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90893 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2035 2026-08-14