v-modal/vmodal_sdk_android

Video Search SDK for Android Kotlin. Integrate in any video app

解決する課題

このSDKにより、Android開発者はアプリケーションに動画と画像のマルチモーダル意味検索を統合できます。単純なタグやメタデータに依存するのではなく、意味に基づいて動画ライブラリを検索可能にする（例：「駐車場に入る赤い車」を検索する）という問題を解決します。

動作原理

このSDKは、署名付きアップロードストリーム、リクエストモデル、レスポンス解析を含む複雑なバックエンド通信を処理する、UIなしのKotlinクライアントを提供します。安全なファイル処理のためにAndroidのStorage Access Frameworkと統合し、アップロードや検索クエリなどの非同期操作にはKotlinのcoroutinesとFlowを使用します。

対象ユーザー

Kotlin、Jetpack Compose、または従来のViewsを使用し、動画中心のアプリケーションに視覚的メモリと意味検索機能を追加したいAndroid開発者向けです。

ハイライト

マルチモーダル検索: 画像の意味やイメージに基づいて、動画内の特定の瞬間を検索できます。
ネイティブAndroid統合: Kotlin 1.9+およびJava 17向けに構築されており、CoroutineWorkerおよびライフサイクル認識型の状態収集をサポートしています。
UIなしクライアント: SDKはロジックとデータゲートウェイを処理し、画面、テーマ、デザインシステムの所有権はアプリ開発者に委ねられます。
ストリーミングアップロード: システムの写真ピッカーからのcontent:// URIのストリーミングをサポートし、進捗追跡とキャンセル機能を備えています。

関連

プロジェクト
v-modal/vmodal_sdk_flutter
VModal for Flutter は、Flutter で構築された Android/iOS アプリにマルチモーダル動画検索とアップロードを追加するモバイル向け SDK です。セマンティック、音声、テキスト、画像ベースの検索、進捗とキャンセルを備えたストリーミングアップロード、柔軟な認証（ランタイム API キーまたは短命なバックエンドトークン）のための型付き Dart API を提供します。SDK はすべてのネットワーキングとセッション管理を処理し、UI 設計は開発者に委ねます。
プロジェクト
v-modal/vmodal_sdk_smartglass
Rustベースのメディアコアを使用して、スマートグラスからクラウドインジェストサービスへの信頼性の高い低遅延ライブ動画ストリーミングを可能にするAndroid SDK。
プロジェクト
GetStream/gemini-android
GoogleのGemini AIをStream Chat SDKと統合し、Android上でAI搭載のチャットアプリケーションを構築する方法を示すデモンストレーションプロジェクトです。
プロジェクト
livekit/python-sdks
LiveKitのPython SDKは、2つのパッケージ（リアルタイムメディア参加用の`livekit`とサーバーサイドのトークンおよびルーム管理用の`livekit-api`）を提供します。PythonアプリがLiveKitのビデオ/オーディオルームに参加し、メディアを公開/消費し、参加者間でRPCを実行し、LiveKitの音声AIエージェント（STT、LLM、TTS）と統合できるようにします。pipでインストールし、JWTトークンを生成し、ルームに接続し、マイク/スピーカー処理に`MediaDevices`ヘルパーを使用します。SDKは非同期で、Python 3.9+で動作し、MITライセンスです。
プロジェクト
BeaconBay/ck
ckは、Rustで作られたCLI/TUIツールで、ソースコードのローカル埋め込みを構築し、意味（意味ベース検索）で検索できるようにします。従来の正規表現検索と併用でき、インクリメンタルインデックス、複数の埋め込みモデル、AIエージェント統合（MCPサーバー経由）、自動化用にJSON/JSONL形式の出力をサポートします。