英偉達(dá)近期推出了一項(xiàng)名為AI Blueprint的創(chuàng)新解決方案，專門用于視頻搜索與總結(jié)（VSS），該方案由強(qiáng)大的NVIDIA Metropolis平臺(tái)提供支持。這一全新推出的工具包旨在為開發(fā)者提供一套完整的解決方案，使他們能夠輕松構(gòu)建并部署AI智能體，這些智能體具備分析海量實(shí)時(shí)及存檔視頻的能力。

英偉達(dá)即將上線一系列由視覺語言模型（VLM）驅(qū)動(dòng)的視覺AI智能體和生產(chǎn)力助手。這些智能體結(jié)合了先進(jìn)的計(jì)算機(jī)視覺模型與超智能大語言模型（LLM），能夠幫助企業(yè)高效地瀏覽、搜索并總結(jié)龐大的視頻數(shù)據(jù)庫。無論是實(shí)時(shí)分析視頻內(nèi)容，還是處理數(shù)以TB計(jì)的歷史視頻資料，這些AI智能體都在多個(gè)行業(yè)中展現(xiàn)出前所未有的價(jià)值與應(yīng)用潛力。

通過采用問答形式，這一工具能夠?yàn)橛脩籼峁┴S富的視頻分析功能。例如，用戶可以詢問關(guān)于球賽的關(guān)鍵時(shí)刻、電腦組裝教程的詳細(xì)步驟，甚至搜索視頻中提及某個(gè)特定詞匯的具體時(shí)間段。這種直觀且高效的信息檢索方式，極大地提升了視頻內(nèi)容的利用率。

VSS藍(lán)圖深度集成了NVIDIA AI Enterprise軟件平臺(tái)，其中包括專為VLM和LLM設(shè)計(jì)的NVIDIA NIM微服務(wù)，以及用于實(shí)現(xiàn)快速響應(yīng)生成（RAG）的尖端AI框架。利用這一藍(lán)圖，用戶能夠以驚人的速度總結(jié)視頻內(nèi)容，其速度比實(shí)時(shí)觀看快上100倍。舉例來說，一個(gè)60分鐘的視頻，僅需不到一分鐘的時(shí)間，就能以文字形式提煉出核心信息。

該解決方案不僅支持對(duì)數(shù)百個(gè)實(shí)時(shí)視頻流進(jìn)行并行處理，還能處理多個(gè)視頻片段的組合分析。除了強(qiáng)大的視覺理解能力外，它還具備音頻轉(zhuǎn)錄功能，這對(duì)于依賴語音內(nèi)容的場(chǎng)景尤為重要。例如，在培訓(xùn)視頻、主題演講或團(tuán)隊(duì)會(huì)議中，將語音轉(zhuǎn)換為文本可以顯著提升信息的理解效率。