yuxino-labs/koma

Self-hosted AI video analysis: summaries, chapters, keyframes, transcripts and SRT / JSON export. AI 视频总结、字幕提取与结构化分析。

解决的问题

Koma 是一款自托管的 AI 视频分析工具，可将原始视频文件转换为结构化数据。它解决了手动总结视频、创建章节和生成可搜索转录的问题，而这些对于课程、访谈和会议来说通常非常耗时。

工作原理

用户上传视频或提供直接的 MP4 链接。系统使用 ASR（自动语音识别）提供商来转录字幕，并使用视觉提供商来分析关键帧和语音上下文。这种组合分析会生成摘要、章节、标签和帧描述。然后，用户可以根据这些 AI 生成的结果跳转到视频中的特定时刻。

适用人群

它专为需要分析视频内容以做笔记、制作电子表格或进行研究的人群设计，例如学生、研究人员以及进行产品分析或会议复盘的专业人士。

亮点

  • 多模态分析：结合语音和关键帧生成摘要和结构化数据。
  • 详细导出：支持将结果导出为 JSON、CSV、Markdown、SRT 和 TXT 格式。
  • 字幕搜索：提供可搜索的字幕，并带有直接链接回视频源。
  • 自托管：提供私有工作空间，支持 GitHub 登录和管理 API 密钥及作业的管理控制。
  • CLI 支持：包含命令行界面，无需 Web 界面即可处理视频。

相关

  • 项目
    vual/lobe-chat-pro

    Lobe Chat Pro 是一个开源、自托管的 AI 聊天平台（lobe‑chat 的分叉），增加了完整的管理控制台、用户/分组管理、多供应商模型定价、支付集成（WeChat、Stripe 等）以及用于图像、音乐和视频生成的多模态“无限画布”面板。可通过 Docker 以三种形式部署：完整后端、仅网关登录、仅网关无登录。

  • 项目
    TetreesEX/TetreesAgent_EX

    Tetrees Agent EX 是一个 Node.js SDK/CLI，允许开发者通过公开 MCP 合约在 Tetrees EX 市场上搜索、报价、运行、扩展和发布 AI 套件。它提供购买者、构建者和销售者的示例脚本，并将所有凭证本地保存。

  • 项目
    JJJJSTIYYYY/Apix

    APIX 是一个全栈、开源的 AI 代理协作平台。它提供一个运行时环境，让一个领导代理可以并行编排多个子代理来处理复杂任务，配备 Docker 沙箱以实现安全代码执行、基于工作区的记忆系统，以及对多个 LLM 提供商（OpenAI、DeepSeek、Ollama 等）的支持。它具有桌面应用（Electron/Vue）和模块化的 Python 后端服务，可选集成 Milvus 向量数据库用于 RAG。当前版本为 2.2.2，但一个重大的 3.0 重构正在进行中。

  • 项目
    huggingface/huggingface-gemma-recipes

    一套用于实现 Gemma 模型家族的多模态推理、微调和 RAG 的最小化配方与笔记本集合。