video-search-and-summarization

用NVIDIA全家桶，把视频变成可搜索、可问答、自动出报告的智能体。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 418 🐛 待处理 251 👀 关注 20

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1968

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源参考架构，可自行部署，无在线服务，全部功能免费。

项目预览

video-search-and-summarization 项目界面预览图 — 图片来源：项目官网

项目数据

分类搜索知识

开发团队NVIDIA-AI-Blueprints

官网地址https://build.nvidia.com/nvidia/video-search-and-summarization

GitHubhttps://github.com/NVIDIA-AI-Blueprints/video-search-and-summarization

定价模式🏷️完全免费

价格说明开源参考架构，可自行部署，无在线服务，全部功能免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型computer-vision,generative-ai,long-video-understanding,model-context-protocol,multimodal-ai,natural-language-search,nvidia-nim,rag,real-time-video-analytics,retrieval-augmented-generation,skills,video-agent,video-analytics,video-rag,video-search,video-summarization,video-understanding,vision-agent,vision-language-model,vlm

GitHub 星标★ 1968

上线时间2024-10-22 00:00:00

代码更新2026-11-08

仓库体积912.3 MB

本站数据更新2026-11-08

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

这是NVIDIA推出的视频搜索与摘要参考架构（VSS Blueprint），旨在帮助开发者快速构建GPU加速的视频分析智能体。它解决了传统视频分析中检索效率低、无法进行自然语言交互、以及缺乏实时验证告警的问题。核心能力包括：基于视觉语言模型（如NVIDIA Cosmos）和大型语言模型（如NVIDIA Nemotron）的视觉问答、结合RAG（检索增强生成）的视频内容搜索、以及自动生成摘要报告。该架构采用C++实现，并深度整合了NVIDIA NIM微服务，提供端到端的参考实现，覆盖从视频摄入、索引、检索到生成答案的完整流程。它特别适合需要处理海量视频数据、要求低延迟响应和实时告警的场景，例如智慧城市、工业安全监控和媒体内容管理。通过模块化设计和预训练模型，开发者可以基于此蓝图快速定制自己的视频分析应用，降低开发门槛。

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 2026-08-09 · 当前星标 ★ 1968

技术标签

computer-vision generative-ai model-context-protocol multimodal-ai rag

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 45 分钟部署方式：Docker 6 步

环境要求

NVIDIA GPU 硬件环境（自备硬件或裸金属云实例）
Docker 与 Docker Compose 环境（用于 Docker Compose 部署方式）
可访问 NVIDIA 官方文档与 build.nvidia.com 在线服务
若走云端方案，需准备 AWS 账号与 2xRTX PRO 6000 SE 实例配额

安装与启动步骤

1克隆代码仓库

把 VSS Blueprint 仓库下载到本地，后续所有部署脚本都在该目录内。
```
git clone https://github.com/NVIDIA-AI-Blueprints/video-search-and-summarization.git
```
2进入部署脚本目录

README 的部署 notebook 位于 deploy/docker/scripts 目录下，先切换进去。
```
cd video-search-and-summarization/deploy/docker/scripts
```
3阅读官方部署文档

README 未给出完整命令，先按官方文档确认前置条件与硬件要求，再动手部署。
4方式一：Launchable 云端部署

不想自己准备软硬件时，用 Jupyter 打开 deploy_vss_launchable.ipynb，在 Brev 上完成部署。
5方式二：Docker Compose 部

在自己硬件或裸金属云实例上，按官方文档执行 Docker Compose 方式部署 VSS agent。
6对照在线 Demo 验证

打开 build.nvidia.com 上的官方 Demo，对比本地部署效果是否一致。