NVIDIA JetPack 7.2.1 引入代理式视频技能,Jetson 首次支持 PyNvVideoCodec
NVIDIA 技术博客介绍,JetPack 7.2.1 为 Jetson 平台带来统一的 jetson-videosdk 代理式视频技能层,并首次在 Jetson 上支持 Python 硬件加速编解码库 PyNvVideoCodec 2.2,还支持在 T5000 上模拟 Jetson T3000 性能,帮助开发者快速构建和验证 AI 视频管线。
NVIDIA 技术博客发文介绍 JetPack 7.2.1 的更新。视频是 Jetson 应用的核心数据路径,覆盖机器人、智能视频分析、工业自动化、医疗和媒体处理等场景,但选择合适的编解码接口、像素格式、内存路径和缓冲策略并验证整条管线满足延迟与吞吐目标,一直是工程上的难点。
此次更新首次在 Jetson 上支持 PyNvVideoCodec 2.2,这是 NVIDIA 面向 GPU 硬件加速视频编解码的 Python 库。它以 GPU 常驻设备内存的形式产生和消费视频帧,通过 DLPack 协议和 CUDA 设备缓冲暴露,便于与 AI 管线集成,并提供多模式帧采样和 ThreadedDecoder 等特性,后者通过后台线程预解码帧,将解码延迟与推理延迟解耦。
在 SDK 之上,JetPack 7.2.1 引入了统一的 jetson-videosdk 代理式视频技能层。开发者可以用自然语言提出诸如'这台 Jetson 能跑多少路低延迟 H.264 1080p30 流'的问题,技能会检查目标设备、选择支持的编解码路径、生成经过测试的配置、执行并返回带警告和证据的测量结果,实现从意图到可复现管线的闭环。
此外,新版本还支持在 Jetson Thor AGX 开发者套件上用 T5000 模拟 Jetson T3000 的性能,便于在正式硬件之外快速开发高性能低功耗的 AI 视频管线。NVIDIA 表示基础技能层将在后续版本中继续扩展,覆盖更广泛的端到端开发流程。
为什么值得关注
这标志着 NVIDIA 把代理式工作流下沉到边缘视频开发,让 Jetson 开发者用自然语言即可完成编解码管线的配置与验证,显著降低边缘 AI 视频开发门槛。