SCM намира снимки и видео сцени по описание на твоя Mac

Има един досаден момент при работа с видео: знаеш точно какъв кадър търсиш, но нямаш идея в кой от десетките файлове е. Името може да е поредният номер от камерата, а папките да са подредени по дата, не по съдържание.

SCM, съкратено от Screen Memories, предлага друг подход. Това е приложение за macOS, което използва локални модели, за да подрежда резултати от снимки и видео според текстово описание. Вместо да помниш име на файл, описваш какво искаш да видиш.

От описание до конкретен момент

В демонстрацията на разработчика е въведена заявка за човек с оръжие. Приложението показва решетка с кадри от видеа, а при избор отваря сцена. В един от разгледаните кадри се вижда и известие за преход към 2:38. Това е реално публикувана демонстрация на интерфейса, а не наш независим тест на търсачката.

Практическата идея е ясна: добавяш папка, изчакваш индексирането, избираш търсене на сцени и описваш търсения кадър. След това преглеждаш резултатите. Последната стъпка е важна — сходството, което моделът открива, не е гаранция, че е намерил точно това, което имаш предвид.

Не сканира буквално всеки кадър

Описанието „търсене във всеки кадър“ звучи впечатляващо, но техническият процес е по-конкретен. SCM разделя видеото на сегменти и използва представителен кадър от средата на всеки сегмент. Плътността на анализа може да се настройва.

Това означава компромис между детайлност, време за обработка и място на диска. Кратък обект или действие между анализираните кадри може да бъде пропуснато. По-детайлният режим не отменя нуждата човек да провери резултата.

Няколко различни начина на търсене

Освен визуално търсене проектът описва отделни режими за разпознаване на написан текст и за намиране на изговорени думи. Има и допълнителен локален чат върху вече извлечената информация.

Тези режими не са едно и също. Търсенето на реплика зависи от транскрипцията, а търсенето на надпис — от разпознаването на текста. Описаните стандартни Whisper модели за диалог са английски. От наличната демонстрация не можем да заключим, че приложението разбира добре български говор или български визуални заявки.

Локално, но не без подготовка

Кодът е публичен и е с MIT лиценз; описаният локален процес не изисква платен AI API. README предлага Homebrew вариант за Apple Silicon с macOS 12 или по-нова версия. Инсталацията не е тествана от нас; инструкциите включват автоматично премахване на quarantine защитата, което не препоръчваме да приемате без собствена проверка. Необходими са съвместим Mac, място за файловете и изтегляне на модели. Посочените приблизително 435 MB са само за стандартния CLIP модел — разпознаването на говор, допълнителните езици и незадължителният чат имат отделни файлове.

Разработчикът описва обработката като локална, без качване на медията. Това е твърдение за архитектурата на проекта, не наш одит на поверителността. Първоначалните изтегляния използват интернет, а интерфейсът допуска и външен източник за шрифтове. Затова „локални модели“ не бива да се превежда автоматично като „никога няма мрежова връзка“.

За кого има смисъл

Най-ясният случай е човек, който работи с много видео и снимки на Mac: монтажист, създател на съдържание или малък екип с архив от собствени кадри. Началото с малка, несекретна папка позволява да се види дали резултатите и времето за индексиране изобщо пасват на конкретния архив.

SCM е интересен не защото обещава да замени монтажа, а защото атакува една скучна част от него: намирането на материала. Ако търсенето върши работа върху твоите файлове, остава повече време за решението кой кадър наистина заслужава да влезе във видеото.

Изображението към статията е AI-генерирана редакционна илюстрация на търсенето в личен архив, а не екран от SCM. Приложението не е тествано от нас.