本地ML索引669GB视频实战

这个项目最值得关注的是它的"反云"架构选择——没有调用任何API，连embedding都是本地跑的。目前主流的视频语义检索方案要么依赖Google Photos/Apple的云端AI，要么需要搭建昂贵的GPU服务器，个人开发者很难复刻。

他用Ollama跑本地LLM做自然语言查询、Whisper做语音转录、CLIP做画面语义匹配，这套组合的成本几乎为零，但效果足够覆盖90%的个人视频管理场景。对于处理敏感素材（医疗、法律、个人隐私）或网络受限环境的团队，这个方案可以直接抄作业。

一个可以改进的方向：他没有提到检索延迟和索引构建时间的具体数字，这是本地方案能否规模化的关键瓶颈。如果你要复现，建议先用100GB以内的数据集做POC，验证QPS是否可接受再扩容。