> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/roboflow/roboflow-hi/guides/run-a-model-on-a-video.md).

# किसी Video पर Model चलाएँ

एक [Workflow](/roboflow/roboflow-hi/workflows/what-is-workflows.md) यह एक multi-step computer vision application है जिसे आप अपने browser में blocks को जोड़कर बनाते हैं: एक model, एक tracker, visualizations, और logic. आप इसे एक बार बनाते हैं और images, video files, या live RTSP streams पर चलाते हैं।

वीडियो पर, एक Workflow real-time speed के लिए बने pipeline के रूप में चलता है। [Roboflow Inference](https://inference.roboflow.com/) यह frames को decode करता है, model चलाता है, और results को parallel में draw करता है ताकि GPU व्यस्त रहे। live stream पर, यह उन frames को छोड़ देता है जिनके साथ वह गति नहीं रख सकता, ताकि पीछे छूटने के बजाय latest frame पर बना रहे।

यह guide एक Workflow बनाती है जो vehicles का पता लगाती है, हर एक को frames के across track करती है, और जब वे एक line पार करते हैं तो उन्हें count करती है, फिर इसे एक sample video पर चलाती है।

## Workflow बनाएं और चलाएं

{% stepper %}
{% step %}

### Workflow editor खोलें

एक बनाएं [Roboflow account](https://app.roboflow.com) यदि आपके पास नहीं है, तो खोलें [app.roboflow.com/workflows](https://app.roboflow.com/workflows) और editor में एक blank Workflow खोलने के लिए "Create Workflow" पर क्लिक करें।
{% endstep %}

{% step %}

### blocks जोड़ें और connect करें

इन blocks को जोड़ें और उन्हें ऊपर से नीचे connect करें, ताकि हर block का output अगले block को feed करे:

<figure><img src="/files/de2108c1034e3746f10d9034aab424340f05daa6" alt="A Workflow connecting an object detection model, tracker, line counter, and visualization blocks"><figcaption><p>detect, track, और count Workflow</p></figcaption></figure>

* Object Detection Model: एक [RF-DETR](/roboflow/roboflow-hi/deploy/supported-models/rf-detr.md) model को हर frame पर चलाता है और bounding boxes लौटाता है।
* ByteTrack Tracker: हर detection को एक persistent ID देता है ताकि वही object frames के across follow हो सके।
* Line Counter: tracked objects को तब count करता है जब वे उस line को पार करते हैं जिसे आप frame पर position करते हैं।
* Bounding Box Visualization: detection boxes बनाता है।
* Line Counter Visualization: counting line और running tally बनाता है।
* Trace Visualization: हर tracked object द्वारा तय किया गया path बनाता है।

इसे हाथ से बनाने से बचने के लिए, JSON editor खोलें `</>` editor के ऊपर बाईं ओर मौजूद icon से और इसमें paste करें [यह Workflow definition](https://media.roboflow.com/quickstart/workflow.json).

blocks जोड़ने और configure करने के अधिक विस्तृत walkthrough के लिए, देखें [एक Workflow बनाएं](/roboflow/roboflow-hi/workflows/build-a-workflow.md).
{% endstep %}

{% step %}

### एक video upload करें और चलाएं

"Run" पर क्लिक करें (`▶` icon) run panel खोलने के लिए. "Media" के अंतर्गत, "File" tab चुनें और upload करें [यह sample video](https://media.roboflow.com/quickstart/cars.mp4), फिर "Run" पर क्लिक करें।

Workflow video को process करता है और boxes, traces, और live count के साथ annotated video लौटाता है।
{% endstep %}
{% endstepper %}

{% embed url="<https://media.roboflow.com/quickstart/tracking-workflow.mp4>" %}

## Workflow कहाँ चलता है

डिफ़ॉल्ट रूप से, "Run" Workflow को चलाता है [Serverless Hosted API](/roboflow/roboflow-hi/deploy/serverless-hosted-api-v2.md): Roboflow cloud में auto-scaling GPUs पर, बिना किसी hardware provisioning के. आप वही Workflow भी चला सकते हैं [अपने स्वयं के hardware](/roboflow/roboflow-hi/guides/run-a-model-locally.md), एक laptop से लेकर NVIDIA Jetson तक।

* **Serverless**: प्रबंधित करने के लिए कोई hardware नहीं होता और यह automatically scale होता है। हर frame cloud तक एक network round trip बनाता है, जिससे latency बढ़ती है, इसलिए यह low-latency live video की तुलना में getting started, images, और batch jobs के लिए अधिक उपयुक्त है।
* **Local**: Frames मशीन को कभी नहीं छोड़ते, इसलिए कोई network hop नहीं होता और per-frame latency कम होती है, जो live streams के लिए महत्वपूर्ण है। बदले में आपको hardware स्वयं provision और maintain करना होता है।

किसी भी तरह latency कम करने के लिए, GPU पर चलाएँ, एक छोटा model चुनें (जैसे: `rfdetr-nano` या `rfdetr-small`), या input resolution कम करें. एक private, single-tenant cloud endpoint के लिए, देखें [Dedicated Deployments](/roboflow/roboflow-hi/deploy/dedicated-deployments.md).

## एक अलग model का उपयोग करें

Object Detection Model block डिफ़ॉल्ट रूप से एक ready-made RF-DETR चलाता है, लेकिन आप इसे बदल सकते हैं. block पर क्लिक करें और इसका model इस पर सेट करें:

* Roboflow में आपने जो model प्रशिक्षित किया है. इसका model ID कॉपी करें (जो इस format में है `{project}/{version}`) को अपने project से [Roboflow app](https://app.roboflow.com).
* का एक public model [Roboflow Universe](/roboflow/roboflow-hi/universe/what-is-roboflow-universe.md).
* एक अलग ready-made [pretrained model](https://inference.roboflow.com/quickstart/aliases/) को alias द्वारा, जैसे `rfdetr-nano`, `rfdetr-seg-medium`, या `yolo26l-640`.

## एक साथ कई videos process करें

बड़ी संख्या में videos या images पर offline एक Workflow चलाने के लिए, उपयोग करें [Batch Processing](/roboflow/roboflow-hi/deploy/batch-processing.md). यह एक managed service है: अपना data और अपना Workflow चुनें, और Roboflow cloud में बिना code और बिना local compute के batch process करता है।

## अगला कदम कहाँ जाएँ

* live webcam और RTSP streams सहित, अपने स्वयं के hardware पर Workflow चलाएँ. देखें [Model को Local रूप से चलाएँ](/roboflow/roboflow-hi/guides/run-a-model-locally.md).
* logic, filtering, zones, और notifications जोड़ें. देखें [एक Workflow बनाएं](/roboflow/roboflow-hi/workflows/build-a-workflow.md).
* समझें कि हर Workflow run की लागत कहाँ देखें [Serverless pricing page](/roboflow/roboflow-hi/deploy/serverless-hosted-api-v2/pricing.md#workflow-run).