video-search-and-summarization

NVIDIA AI Blueprint 视频搜索与摘要（VSS）是一组用于构建视觉代理和 AI 视频分析应用的参考架构。README 说它把加速的视觉微服务、视觉语言模型和大语言模型结合在一起，这个仓库驱动着 NVIDIA 面向自然语言视频代理（搜索、摘要、视觉问答）的在线体验。它分为实时视频智能（特征、嵌入和流理解，结果发布到消息代理）、下游分析（把元数据变成轨迹、事件和已验证的告警）以及代理与离线处理（搜索、问答、摘要和片段检索，包括通过 MCP）。

它列出五种参考代理工作流：对短片段的问答和报告生成；告警验证（目标检测与跟踪，再用 VLM 复核以减少误报）；对连续视频流的实时告警；基于嵌入的视频档案搜索（标注为 alpha）；以及通过分块和聚合密集字幕做长视频摘要。提到的模型有通过 NVIDIA NIM 提供的 Cosmos3 Nano Reasoner 和 Nemotron-Nano-9B-v2。给出的典型用途包括智能空间监控、仓库自动化和 SOP 验证。

README 说这个蓝图需要技术能力，并有硬件要求和前置条件章节，规划部署前要先看。快速开始使用 `deploy` 目录下的 Docker Compose。仓库里包含 Python 代理服务和 Next.js 界面等组件。GitHub 没有识别出 SPDX 许可，请阅读 README 和仓库里的许可部分。最近一次推送是 2026-10-12。本评测依据 README 和仓库数据，我们没有实际运行过它。