一口气索引7500个Sora视频，构建多模态AI资产检索库

nptacek · x · 2026-08-11

安全研究员 Thomas Ptacek 分享了他处理生成式 AI 资产的工程实践。面对难以手动筛选的海量生成内容，他将个人的整个 Sora 2 语料库（约 7500 个视频）一次性导入系统，并进行了深度多模态索引。

索引维度不仅涵盖 Prompt 和语音转写文本，还包括基于画面帧、背景噪音和音效的相似度聚类。该系统使他能够通过自然语言，精准检索和复用所有生成过的角色与视觉风格。