跳到正文

video-analyzer

本地结合视觉与语音模型描述视频内容

访问官网

video-analyzer 是什么

video-analyzer 被介绍为一个视频分析工具,结合 Llama 的 11B 视觉模型和 OpenAI 的 Whisper 模型,用来描述视频中发生的事情。它提取关键帧输入视觉模型获取细节,再结合每帧细节与可用的转录内容生成自然语言描述。

你可以用它做什么

  • 从视频中智能提取关键帧
  • 用 OpenAI 的 Whisper 转录音频
  • 用 Ollama 和 Llama3.2 11B 视觉模型分析帧
  • 生成视频内容的自然语言描述

工作方式

  • 完全本地运行,无需云服务或 API 密钥
  • 每帧细节与可用的转录内容相结合
  • 计算机视觉、音频转录与自然语言处理相结合
  • 功能列表列出利用 openrouter 的 LLM 服务提高速度和规模

上手流程

  • 从 GitHub 克隆仓库
  • 进入项目目录
  • 创建 Python 3.11 虚拟环境
  • 激活虚拟环境

优点与缺点

✓ 我们认可的地方

  • 关键帧细节与转录内容合并为一条描述
  • 本地运行,不需要云服务或 API 密钥

! 需要留意的地方

  • 描述依赖提取的关键帧与可用的转录内容
  • 资料记录的步骤使用 Python 3.11 虚拟环境

常见问题

需要 API 密钥吗?

功能列表写明完全本地运行,无需云服务或 API 密钥,另外还列出利用 openrouter 的 LLM 服务提高速度和规模。

用了哪些模型?

资料列出 OpenAI 的 Whisper 做音频转录,以及 Ollama 与 Llama3.2 11B 视觉模型做帧分析。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法