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
- AI生成代码泛滥：开源仓库正沦为Issues与PR垃圾场 — DanielLockyer · 2026-07-31
- 多分支跑Agent像在玩即时战略游戏 — Dan_Jeffries1 · 2026-07-31
- 开源项目用 YOLO 与 LLM 自动提取银行流水 — tom_doerr · 2026-07-31
- AITOPIA发布SuperAgent：一个指令自动生成并分发多平台内容 — SimplyAnnisa · 2026-07-31
- 实测Ling 3.0 Flash：单提示词调用Blender生成3D城市并渲染 — niacolhealth · 2026-07-31
- AI 编程工具上瘾实录：兄弟，再修最后一个 Bug — NielsRogge · 2026-07-31