给照片和视频素材做了个完全离线的 AI 搜索:一句话跳到视频里的那一秒, v0.4.1 加了全局快捷键

Joker2Man 2026-10-13 17:05 1

Vixel 演示:一句话搜到视频里的那一刻


半年前开始做的本地媒体搜索工具 Vixel 更新到 v0.4.1 了,继续完全离线、免费开源( MIT )。


它做的事:把你现有的文件夹(照片、视频、音频、SVG/PSD/PDF/AI 设计文件)原地只读索引,
然后用一句话去找——「海边的日落」「火箭发射」「等一列车」。视频按 32 秒切段,画面和声音
一起编码,搜到直接跳到命中的那一段;截图、票据、视频画面里出现过的字也能搜( PaddleOCR v5 +
结巴分词,中文很稳)。


0.4.1 的主要变化:



  • 全局快速搜索:任何应用里按 ⇧⌘Space ( Windows:Alt+Shift+Space )呼出一个 Spotlight 式面板,
    ↩ 打开直接跳到命中片段,Space 快速查看,⌘C 把文件本身拷进剪贴板(不是路径文字),
    结果还能直接拖进剪辑软件的时间轴。

  • 笔记本更省电:接电池 / 低电量模式 / 机器过热时,大批量的回填索引自动等待(新文件照常即时索引),
    状态栏会写清楚在等什么。

  • 爬虫更懂分寸:永远不读密钥 / 凭证类文件;跳过 node_modules 、应用包、照片图库包;
    识别并跳过机器生成的数据集目录( frame_000042 那种,相机命名 IMG_1234 不受影响);
    iCloud / OneDrive 的云端占位文件不会被触发下载。

  • 搜索质量:整词命中(文件名 / 图中文字 / 标签)优先;同一视频几段都像时选更早的那段;
    "火车的视频"这类带媒体类型词的查询不再被稀释。公开评测集上 demo 库 top-1 1.00 、
    素材库 0.94 (评测脚本在仓库 evals/,npm run eval 可复现)。

  • 修了 Windows 退出残留进程、Ctrl+C 拷贝文件在资源管理器里粘不出来、快速搜索抢输入法按键三个麻烦事。


隐私这块还是老规矩:模型( EmbeddingGemma 2 ,经 LiteRT-LM 跑 GPU )全部打包在安装包里,
装好断网就能用;没有账号、没有遥测,渲染进程的网络请求在代码里被整体拦截。
不想信口说,可以断网用,或者看源码里的 enforceOfflinePolicy。


安装包约 600 MB (模型内置的代价),macOS ( Apple Silicon )和 Windows ( x64 )。
暂时没买签名证书:macOS 第一次打开要在 系统设置 → 隐私与安全性 里点「仍要打开」,
Windows 在 SmartScreen 里点「更多信息 → 仍要运行」。介意的话可以从源码自己编译。



  • GitHub: https://github.com/RGB-loop/Vixel

  • 下载: https://github.com/RGB-loop/Vixel/releases/tag/v0.4.1


演示 GIF 是公有领域素材库录的( Immich test-assets + 公有领域影像),没有私人照片。
欢迎试用、欢迎挑刺,搜不准的例子对我最有价值。

最新回复 (3)
  • yuanshuai1995 10-13 17:14
    1楼
    如果在服务器上可以部署就好了,手机/电脑网页端访问感觉更爽
  • myderr 10-13 17:22
    2楼
    等一个服务器版本的,装到群晖上
  • yuanshuai1995 10-13 22:46
    3楼
    @myderr #2 我跟你想法一样的
* 帖子来源V2EX
返回