SentrySearch 是什么开源视频语义搜索神器用一句话找回监控里的关键瞬间【免费下载链接】sentrysearchSemantic search over videos using Gemini Embedding 2 or Qwen3-VL.项目地址: https://gitcode.com/gh_mirrors/se/sentrysearchSentrySearch 是一款开源的视频语义搜索工具它让你用一句大白话就能在几十小时的监控录像、行车记录仪或特斯拉哨兵模式素材中精准找回想要的那几秒画面。无论是一辆红色卡车闯了红灯还是有人从右侧强行变道别车你只需要把这句话输入进去SentrySearch 就会自动定位到对应时间点并直接把关键片段裁剪成一段现成的视频文件——从此告别对着进度条一帧帧手动翻找的苦日子。 一句话总结SentrySearch 就是视频界的搜索引擎但它搜的不是标题和文件名而是画面本身的内容。为什么需要视频语义搜索传统找视频的方式太痛苦在 SentrySearch 出现之前从监控和行车记录仪素材里找一段画面基本只有三条路条条都折磨人手动拖进度条几小时的录像全靠肉眼一帧帧看眼睛先崩溃。按文件名和时间盲猜front_2024-01-15_14-30.mp4这种命名鬼才知道里面拍到了什么。素材越积越多硬盘里的视频堆成山想找的东西偏偏在最没可能的那一卷里。而视频语义搜索要解决的核心问题就是让机器读懂视频画面替你翻遍所有素材。一句话看懂原理视频语义搜索是如何工作的SentrySearch 的原理其实不复杂整个过程可以拆成四步就像给视频建了一本内容目录✂️ 切片把长视频切成一段段 30 秒的带重叠小片段默认 30 秒一段、重叠 5 秒保证跨片段的事件不会漏掉。 向量化用 AI 模型Gemini Embedding 2 或 Qwen3-VL把每一段视频的画面翻译成一串数字向量存进本地的 ChromaDB 向量数据库。注意这个过程不做语音转写、也不生成字幕是直接对原始画面像素做语义理解。 匹配你输入一句话查询时这句话也会被转成同一个向量空间里的数字和所有视频片段的向量做相似度比对。 裁剪相似度最高的那一段会被自动从原视频里裁剪出来保存成一个独立的小视频片段。所以当你搜索red truck running a stop sign红色卡车闯停止线时返回的不是一串文件名而是带时间戳的匹配结果和已经剪好的视频片段。这也是视频语义搜索真正能用的关键所在。核心功能盘点SentrySearch 的 5 大杀手锏1️⃣ 自然语言搜索想搜什么就说什么这是最核心的功能。建好索引后直接输入自然语言查询即可sentrysearch search red truck running a stop sign终端会返回按相似度排序的结果列表并自动保存最佳匹配的裁剪片段。如果相似度分数低于默认阈值0.41它还会贴心地先询问你结果不太确定还要看吗避免误裁。另外还支持--save-top 5一次保存前 5 个片段、--dedupe过滤掉几乎重复的画面、--rerank用视觉大模型对候选结果二次重排进一步把最像的排到最前面。2️⃣ 以图搜视频拿一张照片找画面描述不清的场景直接上图SentrySearch 支持用一张参考图片作为查询条件sentrysearch img ~/Downloads/car.jpg比如你有一辆可疑车辆的截图或者另一段视频里的一帧参考画面就可以搜出索引库里所有看起来像它的视频片段。支持 JPG、PNG、WEBP、GIF、HEIC 等常见格式。3️⃣ 亮点挖掘不知道搜什么让 AI 帮你找异常刚拷回一大批素材却不知道里面有什么sentrysearch highlights会自动找出索引里最与众不同的片段——也就是和所有其他画面差异最大的那些比如闯入画面的行人、突然出现的车辆、异常的动作然后自动裁剪导出。非常适合快速扫一遍新导入的监控或行车记录仪素材相当于给你配了个 24 小时不间断的值班员。4️⃣ 特斯拉专属福利HUD 数据叠加层如果你用的是特斯拉行车记录仪SentrySearch 还能把内嵌的遥测数据速度、GPS 位置、时间直接烧录到裁剪出的视频上渲染成类似特斯拉行车记录仪自带播放器的 HUD 界面上图中可以看到左上角是城市与道路名、右侧大号数字是实时车速10 MPH、下方是日期时间2026-03-12 10:49 AM。搜索时只需加一个--overlay参数sentrysearch search car cutting me off --overlay这段叠加数据来自特斯拉固件 2025.44.25 之后内嵌的 SEI 元数据对需要留存证据、整理事故资料的场景非常实用。5️⃣ 本地离线搜索不花一分钱、不泄露隐私担心数据隐私或不想付费SentrySearch 还提供完全本地运行的后端——使用 Qwen3-VL 模型不需要任何 API Key视频和查询全程不出你的电脑。系统会根据硬件自动选择合适的模型NVIDIA 显卡和内存 24GB 以上的 Mac 用 8B 模型小内存设备用 2B 模型还支持 4-bit 量化把模型占用从约 18GB 压到 6–8GB。本地模型还通过降分辨率预处理、静止画面跳过等优化把单段处理时间控制在几秒级。3 分钟快速上手SentrySearch 安装与使用教程上手门槛很低前提是电脑上有 Python 3.11 或 3.12 以及 uv 包管理器。整个流程就四步第一步克隆仓库并安装git clone https://gitcode.com/gh_mirrors/se/sentrysearch cd sentrysearch uv tool install .第二步初始化配置 Gemini API Keysentrysearch init输入 API Key 后会自动校验。如果你不想用云端 API可以跳过这步直接使用本地后端。第三步为视频素材建立索引sentrysearch index /path/to/footage支持.mp4和.mov格式会自动递归扫描整个目录不限于特斯拉素材。第四步开始搜索sentrysearch search red truck running a stop sign就这样一条命令完成搜索 自动裁剪输出片段默认保存在~/sentrysearch_clips/目录下。常用命令的入口与核心逻辑分别在sentrysearch/cli.py命令行、sentrysearch/chunker.py视频切片、sentrysearch/store.py向量存储、sentrysearch/search.py检索匹配和sentrysearch/trimmer.py片段裁剪中实现感兴趣的同学可以直接阅读源码了解细节。成本预算索引 1 小时视频要花多少钱费用主要发生在云端嵌入 API 调用上本地后端则完全免费后端方案成本特点Gemini API默认约 2.84 美元 / 小时素材检索质量最高需 API KeyQwen 云端阿里 DashScope按 token 计费开通常含免费额度国内访问更友好本地 Qwen3-VL免费完全离线、隐私安全Gemini 的费用还有一个省钱小技巧内置的静止画面跳过功能会自动识别长时间无变化的片段比如停在车库里几个小时的车并跳过嵌入这样哨兵模式录制的素材能省下大量 API 调用。搜索查询本身只做文本嵌入费用几乎可以忽略不计。不止于搜索SentrySearch 的完整视频处理生态SentrySearch 并不孤单它只是整个视频处理流水线的第一环SentrySearch本工具从素材中定位事件并裁剪出片段。SentryMerge把多个摄像头拍到的同一事件自动拼成一条跟随主体的跨镜视频帧级精准衔接。SentryBlur对视频中的人脸、车牌等敏感信息自动打码方便分享和公开。三个工具配合使用一条命令搞定检索下一条命令完成拼接或脱敏非常适合把行车记录仪素材整理成可对外分享的成片。谁适合使用 SentrySearch特斯拉车主几十小时的哨兵模式视频再也不用手动翻还能给关键片段加上速度和时间水印。行车记录仪 / 监控爱好者任何.mp4、.mov素材都能索引不限品牌。注重隐私的用户本地后端让视频检索全程离线素材不出设备。️DIY 折腾党开源项目、命令行工具配合 SentryMerge 和 SentryBlur 可以搭建一整套个人视频检索流水线。最后提醒一句视频语义搜索的精度受切片边界影响跨片段的极短事件偶尔会匹配不到另外 Gemini Embedding 2 目前仍处于预览阶段API 行为和定价可能调整。但对于用一句话找回监控里的关键瞬间这个需求来说SentrySearch 已经是目前最省力、最优雅的开源答案了。【免费下载链接】sentrysearchSemantic search over videos using Gemini Embedding 2 or Qwen3-VL.项目地址: https://gitcode.com/gh_mirrors/se/sentrysearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考