StreamManipulate

StreamManipulate

高性能 NVIDIA CUDA 视频处理 CLI 工具

StreamManipulate 是一款基于 NVIDIA CUDA 的高性能视频处理命令行工具。采用全硬件加速架构，实现零拷贝视频处理流水线，并集成 Meta VideoSeal 等先进 AI 水印技术。

核心特性

• 全硬件加速 — NVDEC 解码 → CUDA 处理 → NVENC 编码，全链路硬件加速
• 零拷贝处理 — 解码数据留存显存运算，全程无需 CPU 中转拷贝
• 插件化架构 — 自定义插件扩展，按需扩展视频处理逻辑
• 多格式支持 — MP4 / MKV / FLV / TS / MOV 容器，H.264 / HEVC / AV1 全编码兼容
• AI 水印技术 — 集成 Meta VideoSeal 等 SOTA 神经网络水印方案

一、核心优势：七大硬件级核心能力

1. 纯 CUDA 实现

不依赖 FFmpeg、OpenCV 等重型库（作为可选依赖），核心处理管线完全基于 CUDA 自主实现。

2. 全硬件加速

NVIDIA NVDEC 硬件解码 + CUDA 并行处理 + NVENC 硬件编码，全链路 GPU 加速，释放 CPU 资源。

3. 零拷贝处理

解码后的帧数据直接留存 GPU 显存进行运算处理，全程无需通过 CPU 内存中转拷贝，最大化吞吐效率。

4. AI 水印技术

集成 Meta VideoSeal 等 SOTA 神经网络水印方案，兼具超高鲁棒性与不可感知性，覆盖嵌入与检测全流程。

5. 轻量部署

运行时动态加载驱动库，无强制编译时依赖，降低部署复杂度。

6. 插件化架构

开放插件接口，支持自定义扩展，按需组装视频处理管线，灵活适配各类业务场景。

7. 多格式支持

全面兼容 MP4 / MKV / FLV / TS / MOV 等主流容器格式，覆盖 H.264 / HEVC / AV1 全编码标准。

二、适用场景

1. 视频转码与格式转换 — 全硬件加速编解码，高效完成格式互转
2. 视频滤镜与效果处理 — 灰度、亮度、对比度、模糊、锐化等多种处理
3. 直播推流预处理 — 实时滤镜、缩放、水印叠加，满足直播场景需求
4. 视频水印嵌入 / 检测 / 安全分析 — 版权保护、内容溯源、隐写检测一站式覆盖
5. 批量视频处理任务 — CLI 驱动，易于接入自动化流程和批处理管线

三、核心特性：完整插件体系

3.1 视频处理插件（12 个）

• grayscale — 灰度转换，无参数
• brightness — 亮度调整，参数：亮度值（-255 ~ 255）
• contrast — 对比度调整，参数：对比度值（0.0 ~ 4.0）
• color_correction — 颜色校正，参数：R : G : B 偏移值
• resize — 视频缩放，参数：宽度 : 高度
• crop — 区域裁剪，参数：X : Y : 宽 : 高
• rotate — 任意旋转，参数：角度（-360 ~ 360）
• flip — 画面翻转，参数：模式（0 水平 / 1 垂直 / 2 双向）
• blur — 画面模糊，参数：核大小 : 类型（0 高斯 / 1 均值）
• sharpen — 图像锐化，参数：强度 : 方法（0 拉普拉斯 / 1 反锐化）
• edge_enhance — 边缘增强，参数：强度（0 ~ 5）
• denoise — 视频降噪，参数：类型 : 强度（0 双边 / 1 NLM）

3.2 水印技术插件（5 个）

• watermark_embedder — JND-QIM 水印嵌入，纯 CUDA 实现，约 500 fps
• dct_watermark_detector — DCT 水印检测，纯 CUDA 实现，三种检测算法
• frequency_watermark — DCT 频域水印，纯 CUDA 实现，中频系数隐藏嵌入
• rivagan_watermark — RivaGAN 深度学习水印，神经网络实现，超高鲁棒性
• videoseal — VideoSeal 水印，神经网络实现，SOTA 行业最优鲁棒性

3.3 安全分析插件（3 个）

• steganalysis — 隐写分析，纯 CUDA 实现，SPAM / LBP / Noise 多算法
• video_fingerprint — 视频感知指纹，纯 CUDA 实现，pHash 哈希比对
• ca_flr_sanitizer — 隐写消毒剂，纯 CUDA 实现，全链路重编码清除水印

3.4 水印技术综合对比

• JND-QIM：嵌入功能 | 纯 CUDA | ~500 fps | 鲁棒性 ⭐⭐⭐⭐ | 不可感知性 ⭐⭐⭐⭐⭐ | 容量 (W/8)×(H/8) 位 | 无额外依赖
• Frequency：嵌入功能 | 纯 CUDA | ~400 fps | 鲁棒性 ⭐⭐⭐ | 不可感知性 ⭐⭐⭐⭐ | 容量中频系数 | 无额外依赖
• RivaGAN：嵌入功能 | 神经网络 | ~80 fps | 鲁棒性 ⭐⭐⭐⭐⭐ | 不可感知性 ⭐⭐⭐⭐ | 容量可自定义 | 依赖 PyTorch
• VideoSeal：嵌入 + 检测 | 神经网络 | 100–150 fps | 鲁棒性 ⭐⭐⭐⭐⭐ | 不可感知性 ⭐⭐⭐⭐⭐ | 容量 256 / 1024 位 | 依赖 PyTorch / LibTorch
• DCT 检测器：检测功能 | 纯 CUDA | ~320 fps | 无额外依赖

四、编码与容器格式：全规格兼容

4.1 编码标准支持

• H.264 — 输入 ✅ | 输出 ✅ | 要求 GPU 架构：Maxwell+
• HEVC (H.265) — 输入 ✅ | 输出 ✅ | 要求 GPU 架构：Maxwell+
• AV1 — 输入 ✅ | 输出 ✅ | 要求 GPU 架构：Ada Lovelace+

4.2 容器封装格式

• MP4 — 输入 ✅ | 输出 ✅ | 依赖：FFmpeg（可选）
• MKV — 输入 ✅ | 输出 ✅ | 依赖：FFmpeg（可选）
• FLV — 输入 ✅ | 输出 ✅ | 依赖：FFmpeg（可选）
• TS — 输入 ✅ | 输出 ✅ | 依赖：FFmpeg（可选）
• MOV — 输入 ✅ | 输出 ✅ | 依赖：FFmpeg（可选）

4.3 输入裸流 / 容器格式清单

• 裸流 H.264 / AVC — 后缀 .h264, .264 | 无依赖
• 裸流 HEVC / H.265 — 后缀 .hevc, .h265 | 无依赖
• 裸流 AV1 — 后缀 .av1 | 无依赖
• 容器 MPEG-4 — 后缀 .mp4, .m4v | 依赖 FFmpeg
• 容器 Matroska — 后缀 .mkv | 依赖 FFmpeg
• 容器 Flash Video — 后缀 .flv | 依赖 FFmpeg
• 容器 MPEG-TS — 后缀 .ts, .mts | 依赖 FFmpeg
• 容器 QuickTime — 后缀 .mov | 依赖 FFmpeg

4.4 输出格式与适用场景

• 裸流 H.264 / AVC（.h264, .264）— 通用兼容、直播推流
• 裸流 HEVC / H.265（.hevc, .h265）— 本地存储、高压缩需求
• 裸流 AV1（.av1）— 开源流媒体、高效率分发
• 容器 MPEG-4（.mp4）— 通用播放、互联网分享
• 容器 Matroska（.mkv）— 高质量素材归档存储
• 容器 Flash Video（.flv）— 传统直播、短视频平台
• 容器 MPEG-TS（.ts）— HLS 流媒体、实时直播

五、系统要求

硬件配置

• NVIDIA GPU：最低 Maxwell 架构（GTX 900 系列），推荐 RTX 30 / 40 全系列
• 显卡显存：最低 2 GB，推荐 8 GB 及以上
• CPU：最低双核处理器，推荐四核及以上多核 CPU
• 系统内存：最低 4 GB，推荐 8 GB 及以上