
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
GitHub 星标
★ 854
维护状态
较活跃
是否开源
是
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★ 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
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···
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
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
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