免费又私有SentrySearch 本地部署完整指南无需 API Key 的视频语义搜索【免费下载链接】sentrysearchSemantic search over videos using Gemini Embedding 2 or Qwen3-VL.项目地址: https://gitcode.com/gh_mirrors/se/sentrysearchSentrySearch 是一个开源视频语义搜索工具对着几小时的视频素材输入一句自然语言比如红灯前闯过的红卡车它就能秒级定位并自动裁剪出对应片段。本指南将带你完成 SentrySearch 本地部署——使用本地 Qwen3-VL 模型全程无需 API Key、不花钱、数据不出本机真正实现免费又私有的视频语义搜索。什么是 SentrySearch简单说SentrySearch 是视频版的全文搜索。它把视频切成有重叠的小片段用多模态大模型把每段画面转成向量Embedding存入本地向量数据库 ChromaDB。搜索时你的文字查询会被映射到同一个向量空间通过余弦相似度找到最匹配的片段并自动裁剪保存。整个过程不需要逐帧转写文字、不需要生成字幕视频像素直接与文字在向量层面比较——这正是数小时素材能做到秒级检索的原因。SentrySearch 支持三种后端后端模型是否需要 Key成本Gemini APIGemini Embedding 2需要按量付费约 $2.84/小时素材Qwen Cloudqwen3-vl-embedding需要 DashScope Key按 Token 计费本地LocalQwen3-VL-Embedding完全不需要免费本指南重点讲解第三种本地部署。为什么选择本地部署三大核心优势 完全免费本地模式下所有向量化都在自己电脑上完成不调用任何云 API没有按小时、按 Token 的账单。8B 模型首次运行需下载约 16GB 权重之后终身免费使用。 数据绝对私有行车记录仪、监控录像等敏感素材不会被上传到任何服务器。对隐私敏感的场景车库、公司园区、家庭环境这是刚需。⚡ 检索速度惊人得益于预处理降分辨率、低帧采样、静止画面跳过等优化实现在 chunker.py 和 local_embedder.py 中在 4090 上每段 30 秒素材的向量化仅需个位数秒。如果你追求极致检索质量Gemini 后端仍是首选需要离线、私密、零成本时本地 8B 是稳妥替代2B 则是低配硬件的兜底方案。本地部署前置条件开始前请确认你的硬件满足要求硬件配置推荐安装自动选用模型说明Apple Silicon内存 ≥24GB.[local]qwen8bMPS 上 float16 全精度Apple Silicon16GB 内存.[local]qwen2b2B 约占 6GBApple Silicon8GB 内存.[local]qwen2b较吃紧更建议 GeminiNVIDIA显存 ≥18GB.[local]qwen8bbf16 全精度NVIDIA显存 8–16GB.[local-quantized]qwen8b4bit 量化约 6–8GB⚠️ Intel Mac 和无独显机器会退回 CPU float32速度与内存占用都不可用不建议尝试本地模式。另外需要Python 3.11 或 3.12PyTorch 轮子尚未支持 3.13以及系统级 FFmpegmacOS 用brew install ffmpeg安装Linux/Windows 会自动使用捆绑版本。一键安装步骤本地模式安装依赖 uv包管理工具后依次执行git clone https://gitcode.com/gh_mirrors/se/sentrysearch cd sentrysearch uv tool install .[local] # NVIDIA 显存 8-16GB 请用 .[local-quantized]如果你的默认 Python 是 3.13先安装托管版本再固定安装uv python install 3.12 uv tool install --python 3.12 .[local]本地模式无需执行sentrysearch init配置任何 Key——这正是免费又私有的核心。首次运行索引命令时程序会根据你的硬件自动选择 qwen8b 或 qwen2b选择逻辑见 local_embedder.py 的detect_default_model。最快配置方法建索引与搜索本地部署完成后只需两条命令即可体验视频语义搜索第一步为素材建立向量索引sentrysearch index /path/to/footage --backend local程序会递归扫描目录下所有.mp4和.mov文件按默认 30 秒一段、5 秒重叠切片跳过无变化的静止画面哨兵模式、停车监控这类素材能省下大量时间然后把每段向量存入本地 ChromaDB。第二步用自然语言搜索sentrysearch search car running a red light搜索命令会自动从索引推断后端和模型无需额外参数。返回结果带相似度分数和精确时间戳最佳匹配自动裁剪为独立片段#1 [0.87] front_2024-01-15_14-30.mp4 02:15-02:45 #2 [0.74] left_2024-01-15_14-30.mp4 02:10-02:40 Saved clip: ./match_front_2024-01-15_14-30_02m15s-02m45s.mp4常用进阶参数完整定义见 cli.py--model qwen2b强制使用 2B 小模型内存占用约 6GB--save-top 5保存前 5 个匹配片段--dedupe 0.9去除近乎重复的结果--threshold 0.5调整置信度阈值更酷的玩法以图搜视频与亮点挖掘以图搜视频当文字难以描述时比如找那辆特定颜色的车直接用图片当查询sentrysearch img ~/Downloads/reference.jpg图片与视频片段在同一个向量空间比对按视觉相似度排名——适合用截图反向检索素材。亮点挖掘不知道搜什么sentrysearch highlights -n 3会自动找出索引里最异常的片段离群点帮你快速浏览一批新素材中的可疑事件支持 knn、centroid、LOF 三种评分方式实现见 highlights.py。VLM 重排序加上--rerank参数会用本地 Qwen3-VL Instruct 对候选片段二次打分把真正看得见的匹配排到前面进一步提纯检索结果重排逻辑见 reranker.py。进阶技巧特斯拉专属叠加层如果你用特斯拉行车记录仪SentrySearch 还能把速度、时间、地点烧录到裁剪片段上一键生成带 HUD 的取证视频sentrysearch search car cutting me off --overlay叠加层会显示实时车速MPH、日期时间以及经反向地理编码得到的城市与道路名。要求特斯拉车机固件 2025.44.25 及以上HW3遥测数据从视频内嵌的 SEI 元数据中读取解析实现见 metadata.py。安装时用uv tool install .[tesla]即可启用此功能。常见问题与贴心提示Q首次运行很慢正常——需要下载模型权重8B 约 16GB2B 约 4GB之后启动就快了。Q本地模型和云端索引能混用吗不能。不同后端/模型的向量互不兼容SentrySearch 为每种组合维护独立索引避免混用出错。Q素材里有损坏文件怎么办失败片段会进入死信队列DLQ通过sentrysearch dlq list查看、sentrysearch index --retry-failed重试不会中断整个索引过程实现见 dlq.py。Q如何清理索引sentrysearch stats查看索引信息sentrysearch reset一键清空所有状态文件都保存在~/.sentrysearch/目录下随时可删可重建。总结SentrySearch 让用一句话搜索视频从概念变成了现实。借助本地 Qwen3-VL 模型它同时满足了免费、私有、离线三大诉求一次安装、零 API Key、数据不出本机。无论你是想快速找回行车记录仪里的关键瞬间还是需要从海量监控素材中高效取证这套本地部署方案都值得一试。按本指南的五步操作——装 uv、克隆安装、选对硬件参数、建索引、自然语言搜索——半小时内就能跑通属于自己的免费视频语义搜索服务。【免费下载链接】sentrysearchSemantic search over videos using Gemini Embedding 2 or Qwen3-VL.项目地址: https://gitcode.com/gh_mirrors/se/sentrysearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考