懂AI
ai-video-search-engine

ai-video-search-engine

智能视频内容检索与分析系统

AI Video Search Engine项目是一种创新型视频搜索引擎，采用先进AI技术实现视频内容的深度索引和智能检索。该系统能够精确定位视频中的特定信息，提供上下文相关的搜索结果，并具备视频摘要生成和智能对话功能。项目整合了Supabase、Hasura和JigsawStack等技术，为视频内容检索提供高效、精准的解决方案，适用于教育、研究和信息获取等领域。

AI视频搜索引擎视频内容索引视频转录向量搜索JigsawStackGithub开源项目
GitHubHugging Face论文

AI视频搜索引擎（AVSE）

由最新AI工具驱动的视频搜索引擎

为什么？

随着TikTok和YouTube等短视频内容的兴起，比以往任何时候都有更多的知识存在于视频中。对任何人来说，在数百万个视频中找到特定答案都是一项艰巨的任务。因此，问题是：既然有Google可以索引网站上的文本，使人们更容易根据问题的上下文找到答案，为什么没有一个Google可以索引视频内容，让用户更容易在其中找到答案呢？

所以我建立了这个项目，以展示利用现有的技术和基础设施完全可以实现这一点。

技术栈

  • Supbase（PostgreSQL、PG_Vector、Auth）
  • Hasura（GraphQL层、权限）
  • Fly（Hasura托管）
  • JigsawStack（摘要AI、聊天AI）
  • Vercel（NextJS托管、无服务器函数）

工作原理？

视频存储

搜索

  • 根据问题在数据库中进行向量余弦搜索，返回相关结果
  • 结果中的每个视频将执行第二次搜索，以找到与问题相关的视频片段
  • 这些片段将映射回带时间戳的转录，以播放视频的相关片段

摘要和聊天

  • 视频转录将发送到JigsawStack API，生成要点和文本形式的摘要
  • 聊天会话将由JigsawStack API创建和管理，根据问题将视频的相关片段发送到聊天会话

自行托管需注意的事项

  • 如果你计划索引数千到数百万个视频，你需要付费的Supabase和Fly.io账户
  • admin/config/fly.toml包含将Hasura部署到fly所需的配置
  • admin/migration是可用于通过Hasura CLI重新创建架构的迁移转储
  • hasura init migration --endpoint <hasuraurl.fly.app> --admin-secret <admin_secret>用于更新admin中的迁移文件夹
  • admin/indexChannelVideos.ts是在本地通过YouTube频道索引大量视频的脚本
  • .env.example包含运行项目所需的密钥

常见问题

YouTube不是已经做到这一点了吗？

  • 不完全是，YouTube并不搜索视频的转录音频，而是依赖上传者编写的内容，如标题、描述、标签。所有音频内容都未被索引。

这个技术栈如何处理数百万个视频？

  • 它可以处理数百万个视频，但在当前设置下可能无法处理数十亿/万亿个。这需要更多的副本、实例，尤其是更多的资金。

下一步计划？

编辑推荐精选

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。

Trae

Trae

字节跳动发布的AI编程神器IDE

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
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。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多