英伟达打造了用于视频搜索与总结（VSS）的 AI Blueprint，该蓝图由 NVIDIA Metropolis 平台驱动，现已全面推出，可为开发者提供构建和部署 AI 智能体的工具，用于分析大量实时和存档视频。
由视觉语言模型（VLM）驱动的一系列视觉 AI 智能体和生产力助手即将上线。结合计算机视觉模型与超智能大语言模型（LLM），这些视频分析 AI 智能体可帮助企业查看、搜索并总结海量视频。通过实时分析视频或处理 TB（terabytes）级录制视频，视频分析 AI 智能体正在众多行业释放前所未有的价值和机遇。
AI在线附示例如下，该工具采用问答形式，可帮助读者分析球赛、装机，甚至能找到视频中的某个时间段提到了某个特定词汇。
VSS 蓝图集成了 NVIDIA AI Enterprise 软件平台，包括用于 VLM、LLM 的 NVIDIA NIM 微服务，以及用于 RAG 的先进 AI 框架。通过 VSS 蓝图，用户总结视频的速度比实时观看快 100 倍。例如，60 分钟的视频可在不到 1 分钟的时间内用文字总结出来。
它可以同时处理数百个实时视频流或多组视频片段。除了视觉理解，它还支持音频转录。在音频至关重要的场景中，将语音转换为文本可增强理解，例如训练视频、主题演讲或团队会议等。
