MaterialSearch 本地素材语义搜索完整上手指南一句话找回你想要的每张照片【免费下载链接】MaterialSearchSemantic search. Search local photos and videos through natural language. AI语义搜索本地素材。以图搜图、查找本地素材、根据文字描述匹配画面、视频帧搜索、根据画面描述搜索视频。项目地址: https://gitcode.com/gh_mirrors/ma/MaterialSearch去年夏天拍的海边日落原图到底塞在哪个文件夹里了如果你也有过这种经历——硬盘里攒了上万张照片、几十条视频翻文件名翻到头晕最后只能一张张点开预览碰运气——那 MaterialSearch 可能就是你要找的东西。它是一个开源工具会扫描你本地的图片和视频之后你就能用自然语言直接搜索画面内容输入海边日落它按画面内容帮你找图而不是靠文件名瞎猜。AI 语义搜索本地素材这件事它做到了开箱即用。它到底在做什么原理拆开看其实很简单听起来很玄核心逻辑却相当直白。MaterialSearch 在扫描阶段会调用预训练的 CLIP 模型默认中文模型为 OFA-Sys/chinese-clip-vit-base-patch16把每张图片、每个视频关键帧以及你输入的搜索文字统统映射到同一个高维语义空间相当于给每个素材盖了一枚语义指纹再连同文件路径一起存进本地数据库。搜索时它只需要把你的文字描述也转成指纹然后在向量空间里做最近邻匹配找指纹最接近的那批素材。视频的帧指纹还带着时间戳所以不仅能告诉你哪个视频里有这个画面还能精确到是第几秒到第几秒。整个过程无需联网素材不出本机这也是它能跑在低配电脑上的底气。两条 10 分钟跑通路径任选其一路径 AWindows 用户直接下载整合包对大多数朋友这是最快的路子。下载带基础模型的整合包MaterialSearchWindows_include_base_model.7z用 7-Zip 解压这点很重要用其他解压工具容易报错然后照着压缩包里的使用说明.txt操作即可。整合包会把基础模型一并打包免去下载模型的麻烦启动时还会自动选择独显或核显做加速基本是零配置。路径 B有 Docker 环境用一条命令启动项目根目录的docker-compose.yml写满了注释改起来很直观。你需要做的只是两件事把宿主的素材目录挂载进容器再让环境变量指向容器内的对应路径。比如environment: - ASSETS_PATH/home,/mnt - SKIP_PATH/tmp volumes: - /srv/MaterialSearch/db:/MaterialSearch/instance/ - /home:/home - /mnt:/mnt改完执行docker-compose up -d服务默认跑在 8085 端口浏览器打开即用。镜像已内置基础模型并支持 GPU如果要用 NVIDIA 显卡加速把 compose 文件里注释掉的deploy段落放开再在 environment 里加上DEVICEcuda即可。五个标签页五把打开素材库的钥匙服务起来后你会看到一个标题为本地素材搜索引擎的页面顶部实时显示扫描状态、图片总数、视频总数和视频帧总数。下方的五个标签页对应五种搜索姿势文字搜图最常用的入口。输入雪山下的小木屋清晨阳光透过树叶回车即有结果。界面还贴心提示用英文逗号分隔多个关键词例如雪山, 森林系统会综合所有词的语义一起匹配。以图搜图上传一张参考图找出风格或内容相似的图片。它的粘贴按钮很实用——截图后直接 CtrlV 就能把剪贴板里的图当作搜索条件不用先存文件。文字搜视频输入人物从左侧走入画面这类带动作的描述系统会定位到所有匹配的视频片段并标注相似度和起止时间还能一键下载对应片段。以图搜视频用一张截图去视频里找同款画面适合从长视频里回溯某段镜头出自哪里。图文相似度匹配给出一句话加一张图计算二者语义契合度并打一个分数属于锦上添花的玩法。每条结果下方都带着相似度百分比和文件路径点击路径可以复制想继续深挖直接点结果上的以图搜图或以图搜视频按钮就能以这张图为条件再搜一轮。首次扫描前把这几个配置抄进 .env项目所有配置都集中在config.py但建议别直接改它而是在根目录建一个.env文件覆盖比如ASSETS_PATHC:/Users/Administrator/Pictures,C:/Users/Administrator/Videos SKIP_PATHC:/Users/Administrator/AppDataASSETS_PATH填想扫描的素材目录多个路径用英文逗号隔开SKIP_PATH填要跳过的目录比如系统缓存和临时文件夹避免扫出一堆无关文件。如果发现某种图片或视频格式没被扫进来往IMAGE_EXTENSIONS和VIDEO_EXTENSIONS里补后缀小图被忽略则是默认的最小宽高限制所致调低IMAGE_MIN_WIDTH和IMAGE_MIN_HEIGHT再试。需要代理时加上http_proxy、https_proxy两个变量就行。结果不够准四个上手就会用的小技巧关键词用英文逗号分隔一次描述多个要点比一句话长描述命中率更高。调阈值滑杆高级搜索里的搜索阈值控制最低相似度结果太杂就调高结果太少就调低过滤阈值则用于剔除相似度在某个区间的内容做反向筛选。善用路径过滤和时间范围限定在某个子目录、或只看某段时间修改过的素材能大幅缩小范围尤其适合素材跨多个磁盘的仓库。搜视频时结果数量别贪多视频文件大一次加载太多可能让浏览器卡顿建议把 Top 结果限制在 12 个以内。另外界面右下角有复制全部路径按钮把当前结果的文件路径一次性复制走方便导入剪辑软件或整理归档。低配机器也扛得住性能有真实数据作者公布过一组实测数据测试环境是 J3455 这种低功耗四核 CPU 加 8GB 内存一秒钟大约能完成 31000 次图片语义匹配或 25000 次视频帧匹配。这意味着即使是上万张图片的素材库搜索响应也在毫秒级。硬件门槛方面要求 amd64 架构 CPU、内存最低 2GB、推荐 4GB 以上。首次扫描大型素材库会花一些时间但页面会显示扫描进度、待处理文件数和预估剩余时间期间你完全可以先去干别的扫完随时回来搜。新手最容易踩的 5 个坑整合包解压报错多半是没用 7-Zip换它解压基本能解决。点击放大看不了某些大图tiff 等格式浏览器本身不支持小图因为生成了缩略图所以正常大图走原文件就会受限这是浏览器的锅不是系统坏了。部分视频网页里放不出来比如 svq3 编码的视频浏览器不支持和搜索功能无关。扫描速度异常慢大概率是把ASSETS_PATH指到了 SMB/NFS 这类远程目录素材建议放本地 SSD。Docker 容器行为怪异别给容器设置内存上限实测容易触发莫名其妙的问题。从今天开始给素材库一次翻新MaterialSearch 的可贵之处在于它把过去需要专业团队才能做的事——用自然语言搜索本地图片和视频——压缩成了一个普通用户十分钟就能跑起来的工具。它的前端代码在static/目录基于 Vue.js 构建并内置中英文界面核心逻辑则独立封装成 Python 包方便开发者二次集成。无论你是在整理家庭相册还是为剪辑项目反复捞素材它都能把那句我记得有个画面但记不清文件名变成一次回车的事。想自己动手折腾前端的话执行git clone https://gitcode.com/gh_mirrors/ma/MaterialSearch拿到源码即可开玩。现在就去下载一个整合包给你的硬盘来一次真正的整理吧。【免费下载链接】MaterialSearchSemantic search. Search local photos and videos through natural language. AI语义搜索本地素材。以图搜图、查找本地素材、根据文字描述匹配画面、视频帧搜索、根据画面描述搜索视频。项目地址: https://gitcode.com/gh_mirrors/ma/MaterialSearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MaterialSearch 本地素材语义搜索完整上手指南一句话找回你想要的每张照片【免费下载链接】MaterialSearchSemantic search. Search local photos and videos through natural language. AI语义搜索本地素材。以图搜图、查找本地素材、根据文字描述匹配画面、视频帧搜索、根据画面描述搜索视频。项目地址: https://gitcode.com/gh_mirrors/ma/MaterialSearch去年夏天拍的海边日落原图到底塞在哪个文件夹里了如果你也有过这种经历——硬盘里攒了上万张照片、几十条视频翻文件名翻到头晕最后只能一张张点开预览碰运气——那 MaterialSearch 可能就是你要找的东西。它是一个开源工具会扫描你本地的图片和视频之后你就能用自然语言直接搜索画面内容输入海边日落它按画面内容帮你找图而不是靠文件名瞎猜。AI 语义搜索本地素材这件事它做到了开箱即用。它到底在做什么原理拆开看其实很简单听起来很玄核心逻辑却相当直白。MaterialSearch 在扫描阶段会调用预训练的 CLIP 模型默认中文模型为 OFA-Sys/chinese-clip-vit-base-patch16把每张图片、每个视频关键帧以及你输入的搜索文字统统映射到同一个高维语义空间相当于给每个素材盖了一枚语义指纹再连同文件路径一起存进本地数据库。搜索时它只需要把你的文字描述也转成指纹然后在向量空间里做最近邻匹配找指纹最接近的那批素材。视频的帧指纹还带着时间戳所以不仅能告诉你哪个视频里有这个画面还能精确到是第几秒到第几秒。整个过程无需联网素材不出本机这也是它能跑在低配电脑上的底气。两条 10 分钟跑通路径任选其一路径 AWindows 用户直接下载整合包对大多数朋友这是最快的路子。下载带基础模型的整合包MaterialSearchWindows_include_base_model.7z用 7-Zip 解压这点很重要用其他解压工具容易报错然后照着压缩包里的使用说明.txt操作即可。整合包会把基础模型一并打包免去下载模型的麻烦启动时还会自动选择独显或核显做加速基本是零配置。路径 B有 Docker 环境用一条命令启动项目根目录的docker-compose.yml写满了注释改起来很直观。你需要做的只是两件事把宿主的素材目录挂载进容器再让环境变量指向容器内的对应路径。比如environment: - ASSETS_PATH/home,/mnt - SKIP_PATH/tmp volumes: - /srv/MaterialSearch/db:/MaterialSearch/instance/ - /home:/home - /mnt:/mnt改完执行docker-compose up -d服务默认跑在 8085 端口浏览器打开即用。镜像已内置基础模型并支持 GPU如果要用 NVIDIA 显卡加速把 compose 文件里注释掉的deploy段落放开再在 environment 里加上DEVICEcuda即可。五个标签页五把打开素材库的钥匙服务起来后你会看到一个标题为本地素材搜索引擎的页面顶部实时显示扫描状态、图片总数、视频总数和视频帧总数。下方的五个标签页对应五种搜索姿势文字搜图最常用的入口。输入雪山下的小木屋清晨阳光透过树叶回车即有结果。界面还贴心提示用英文逗号分隔多个关键词例如雪山, 森林系统会综合所有词的语义一起匹配。以图搜图上传一张参考图找出风格或内容相似的图片。它的粘贴按钮很实用——截图后直接 CtrlV 就能把剪贴板里的图当作搜索条件不用先存文件。文字搜视频输入人物从左侧走入画面这类带动作的描述系统会定位到所有匹配的视频片段并标注相似度和起止时间还能一键下载对应片段。以图搜视频用一张截图去视频里找同款画面适合从长视频里回溯某段镜头出自哪里。图文相似度匹配给出一句话加一张图计算二者语义契合度并打一个分数属于锦上添花的玩法。每条结果下方都带着相似度百分比和文件路径点击路径可以复制想继续深挖直接点结果上的以图搜图或以图搜视频按钮就能以这张图为条件再搜一轮。首次扫描前把这几个配置抄进 .env项目所有配置都集中在config.py但建议别直接改它而是在根目录建一个.env文件覆盖比如ASSETS_PATHC:/Users/Administrator/Pictures,C:/Users/Administrator/Videos SKIP_PATHC:/Users/Administrator/AppDataASSETS_PATH填想扫描的素材目录多个路径用英文逗号隔开SKIP_PATH填要跳过的目录比如系统缓存和临时文件夹避免扫出一堆无关文件。如果发现某种图片或视频格式没被扫进来往IMAGE_EXTENSIONS和VIDEO_EXTENSIONS里补后缀小图被忽略则是默认的最小宽高限制所致调低IMAGE_MIN_WIDTH和IMAGE_MIN_HEIGHT再试。需要代理时加上http_proxy、https_proxy两个变量就行。结果不够准四个上手就会用的小技巧关键词用英文逗号分隔一次描述多个要点比一句话长描述命中率更高。调阈值滑杆高级搜索里的搜索阈值控制最低相似度结果太杂就调高结果太少就调低过滤阈值则用于剔除相似度在某个区间的内容做反向筛选。善用路径过滤和时间范围限定在某个子目录、或只看某段时间修改过的素材能大幅缩小范围尤其适合素材跨多个磁盘的仓库。搜视频时结果数量别贪多视频文件大一次加载太多可能让浏览器卡顿建议把 Top 结果限制在 12 个以内。另外界面右下角有复制全部路径按钮把当前结果的文件路径一次性复制走方便导入剪辑软件或整理归档。低配机器也扛得住性能有真实数据作者公布过一组实测数据测试环境是 J3455 这种低功耗四核 CPU 加 8GB 内存一秒钟大约能完成 31000 次图片语义匹配或 25000 次视频帧匹配。这意味着即使是上万张图片的素材库搜索响应也在毫秒级。硬件门槛方面要求 amd64 架构 CPU、内存最低 2GB、推荐 4GB 以上。首次扫描大型素材库会花一些时间但页面会显示扫描进度、待处理文件数和预估剩余时间期间你完全可以先去干别的扫完随时回来搜。新手最容易踩的 5 个坑整合包解压报错多半是没用 7-Zip换它解压基本能解决。点击放大看不了某些大图tiff 等格式浏览器本身不支持小图因为生成了缩略图所以正常大图走原文件就会受限这是浏览器的锅不是系统坏了。部分视频网页里放不出来比如 svq3 编码的视频浏览器不支持和搜索功能无关。扫描速度异常慢大概率是把ASSETS_PATH指到了 SMB/NFS 这类远程目录素材建议放本地 SSD。Docker 容器行为怪异别给容器设置内存上限实测容易触发莫名其妙的问题。从今天开始给素材库一次翻新MaterialSearch 的可贵之处在于它把过去需要专业团队才能做的事——用自然语言搜索本地图片和视频——压缩成了一个普通用户十分钟就能跑起来的工具。它的前端代码在static/目录基于 Vue.js 构建并内置中英文界面核心逻辑则独立封装成 Python 包方便开发者二次集成。无论你是在整理家庭相册还是为剪辑项目反复捞素材它都能把那句我记得有个画面但记不清文件名变成一次回车的事。想自己动手折腾前端的话执行git clone https://gitcode.com/gh_mirrors/ma/MaterialSearch拿到源码即可开玩。现在就去下载一个整合包给你的硬盘来一次真正的整理吧。【免费下载链接】MaterialSearchSemantic search. Search local photos and videos through natural language. AI语义搜索本地素材。以图搜图、查找本地素材、根据文字描述匹配画面、视频帧搜索、根据画面描述搜索视频。项目地址: https://gitcode.com/gh_mirrors/ma/MaterialSearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
