英伟达在五月初推出的AI蓝图为视频搜索与总结（VSS）开创了全新纪元。这一创新项目由NVIDIA Metropolis平台引领，专为开发者打造，用以构建和部署AI智能体，以分析海量的实时和存档视频。
该蓝图背后是由视觉语言模型（VLM）驱动的众多视觉AI智能体和生产力助手。结合先进的计算机视觉模型与超智能大语言模型（LLM），这些视频分析AI智能体为企业提供了查看、搜索并总结大量视频内容的能力。无论是处理TB级别的存档视频还是实时分析视频流，这些智能体都能带来前所未有的价值和机遇。
这一工具的一大亮点在于其问答形式的使用体验，它不仅能帮助用户分析球赛情况、装机指南等，还能在视频中找到特定时间段提到的特定词汇。这样的功能让用户能更便捷地找到所需信息，大大提升了使用效率。
值得一提的是，VSS蓝图集成了NVIDIA AI Enterprise软件平台，该平台包括用于VLM和LLM的NVIDIA NIM微服务以及用于RAG的先进AI框架。借助这一蓝图，用户总结视频的速度比实时观看快百倍以上。例如，一个60分钟的视频可以在不到一分钟的时间内以文字形式进行总结。
该工具还能同时处理数百个实时视频流或多组视频片段，大大提高了处理效率。除了强大的视觉理解能力，它还支持音频转录功能。在音频信息至关重要的场景中，如训练视频、主题演讲或团队会议等，将语音转换为文本可以极大地增强理解力。
