英偉達(dá)推出視頻搜索和總結(jié)工具AI Blueprint

IT之家 5 月 21 日消息，英偉達(dá)打造了用于視頻搜索與總結(jié)（VSS）的 AI Blueprint，該藍(lán)圖由 NVIDIA Metropolis 平臺(tái)驅(qū)動(dòng)，現(xiàn)已全面推出，可為開發(fā)者提供構(gòu)建和部署 AI 智能體的工具，用于分析大量實(shí)時(shí)和存檔視頻。

由視覺語言模型（VLM）驅(qū)動(dòng)的一系列視覺 AI 智能體和生產(chǎn)力助手即將上線。結(jié)合計(jì)算機(jī)視覺模型與超智能大語言模型（LLM），這些視頻分析 AI 智能體可幫助企業(yè)查看、搜索并總結(jié)海量視頻。通過實(shí)時(shí)分析視頻或處理 TB（terabytes）級(jí)錄制視頻，視頻分析 AI 智能體正在眾多行業(yè)釋放前所未有的價(jià)值和機(jī)遇。

IT之家附示例如下，該工具采用問答形式，可幫助讀者分析球賽、裝機(jī)，甚至能找到視頻中的某個(gè)時(shí)間段提到了某個(gè)特定詞匯。

VSS 藍(lán)圖集成了 NVIDIA AI Enterprise 軟件平臺(tái)，包括用于 VLM、LLM 的 NVIDIA NIM 微服務(wù)，以及用于 RAG 的先進(jìn) AI 框架。通過 VSS 藍(lán)圖，用戶總結(jié)視頻的速度比實(shí)時(shí)觀看快 100 倍。例如，60 分鐘的視頻可在不到 1 分鐘的時(shí)間內(nèi)用文字總結(jié)出來。

它可以同時(shí)處理數(shù)百個(gè)實(shí)時(shí)視頻流或多組視頻片段。除了視覺理解，它還支持音頻轉(zhuǎn)錄。在音頻至關(guān)重要的場(chǎng)景中，將語音轉(zhuǎn)換為文本可增強(qiáng)理解，例如訓(xùn)練視頻、主題演講或團(tuán)隊(duì)會(huì)議等。