allenv0/SCM

解决的问题

它为 macOS 上的个人照片和视频库提供了一个私有、本地优先的搜索引擎。通过利用人工智能理解视觉内容、口语对话和屏幕文本，无需将文件上传到云端，即可解决在海量媒体库中查找特定时刻或信息的问题。

工作原理

该应用程序完全在您的 Mac 上运行，使用本地机器学习模型对媒体进行索引。它使用视觉模型（如 CLIP 或 SigLIP）为图像和视频帧创建嵌入，使用 Whisper 转录口语对话，并使用 Tesseract 进行 OCR。当您进行搜索时，应用程序会针对这些本地索引执行语义匹配。您还可以选择加入本地 LLM（通过 llama.cpp）与您的媒体库进行对话，从而根据您自己的文件提出问题并获得带引用的答案。

适用人群

它专为希望在保持严格数据隐私的同时整理和搜索个人媒体库的 macOS 用户而设计。对于拥有大量视频和照片存档，且需要查找特定场景、台词或可见文本，同时又不依赖第三方云服务的用户来说，它特别有用。

亮点

• 本地优先隐私：无需账户，无需云端，无数据上传；所有推理均在您的机器上运行。
• 深度视频搜索：将视频分割为场景，让您可以跳转到特定事件发生的精确时刻。
• 多模态检索：支持通过视觉含义、口语对话、可见文本 (OCR) 和文件名进行搜索。
• 智能组织：自动检测图像中的截图和电子邮件地址，并具有将自定义搜索查询保存为持久标签的功能。
• 可扩展 AI：可切换的视觉模型和可选的本地 LLM 集成，用于对您的媒体库进行对话式查询。