懂AI

Qmedia入门指南 - 面向内容创作者的AI多模态搜索引擎

RayRay
QMedia多模态搜索引擎内容创作者AI内容搜索本地部署Github开源项目

Qmedia简介

Qmedia是一个开源的多模态AI内容搜索引擎,专为内容创作者设计。它提供了丰富的信息提取方法,可以处理文本、图像和短视频内容。Qmedia整合了非结构化的文本、图像和短视频信息,构建了一个多模态的RAG(检索增强生成)内容问答系统。

Qmedia示例图

🌟 主要特性

  1. 内容卡片展示

    • 以卡片形式展示图像/文本和视频内容
    • Web服务使用TypeScript、Next.js、TailwindCSS和Shadcn/UI技术栈实现
    • RAG搜索/问答服务和图像/文本/视频模型服务使用Python框架和LlamaIndex应用实现

  2. 多模态内容RAG

    • 搜索图像/文本和短视频素材
    • 基于用户查询从图像/文本和短视频内容中提取有用信息,生成高质量答案
    • 通过内容卡片展示内容来源和图像/文本/短视频信息的分解

  3. 纯本地多模态模型

    • 支持本地部署各类模型,包括:
      • 语言模型:llama3:8b-instruct、llama3:70b-instruct等
      • 特征嵌入模型:CLIP Encoder(图像)、BGE Encoder(文本)
      • 图像模型:Qanything(OCR)、llava-llama3(视觉理解)
      • 视频模型:Faster Whisper(转录)等

🛠️ 安装指南

Qmedia由三个主要部分组成:

  1. mm_server: 多模态模型服务
  2. mmrag_server: 内容搜索和问答服务
  3. qmedia_web: Web服务

详细的安装说明请参考各个组件的README文件:

📚 使用指南

组合使用

同时启动mm_server、qmedia_web和mmrag_server可实现完整的Web页面内容展示、内容RAG搜索和问答、模型服务功能。

启动步骤:

  1. 启动mm_server服务
cd mm_server
source activate qllm
python main.py
  1. 启动mmrag_server服务
cd mmrag_server
source activate qmedia
python main.py
  1. 启动qmedia_web服务
cd qmedia_web
pnpm dev

自定义数据

您可以通过替换assets目录下的内容来使用自己的数据:

  • assets/medias: 存放图像/视频文件
  • assets/mm_pseudo_data.json: 存放内容卡片数据

替换后重新运行服务,模型将自动提取信息并存储到数据库中。

Qmedia查询示例

🔮 未来计划

  • 图像/文本短视频内容分析和爆款内容拆解
  • 相似图像/文本/视频搜索
  • 卡片图像/文本内容生成
  • 短视频内容编辑

Qmedia是一个强大而灵活的内容搜索和分析工具,欢迎内容创作者和开发者加入社区,共同探讨AI内容创作的新思路!

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多