仅花 10 美元：用 VLM 让 370 小时档案视频变可搜索
vanstriendaniel · x · 2026-07-31
作者分享了使用视觉语言模型（VLM）处理大规模视频档案的实践。他将 1864 部公共领域的旧电影切成约 60 秒的片段，并使用开源的 2B 参数视频模型进行视觉理解与索引。
整个项目处理了 370 小时的视频，构建索引的 GPU 成本仅约 10 美元。最终实现了基于屏幕实际发生画面的精准搜索，例如输入“敲击电脑键盘”，即可直接定位到相关视频帧。
所属事件:开发者用AI让370小时老电影变可搜索(3 条相关)→
「编程与Agent」频道最新
- 相连的步骤≠工作流：Agent 跨应用交接无人把关 — usehive · 2026-10-16
- 用 Opus/Astra/Argon 生成 Blender 动画：怎么描述依然决定成败 — chongdashu · 2026-10-16
- 32GB 内存+8GB 3070 跑 PolyStrata+ Cline，约 90 tok/s — rpwoerk · 2026-10-16
- 模型能力还是基础设施？Agent 评测的分层归因难题 — jrxna · 2026-10-16
- 让 Claude 读完书和高手代码再写 claude.md,「已比我写得好」 — blaizedsouza · 2026-10-16
- Claude Code 插件 /label：一步自动命名并着色会话 — hermanschutte · 2026-10-16