SentrySearch 是一个基于语义搜索的视频内容搜索工具，使用 Gemini Embedding 2 或 Qwen3-VL 模型进行视频片段的搜索和剪辑。
来源：据 README 描述 查看 GitHub 仓库 →SentrySearch 通过将视频内容与自然语言查询进行匹配，填补了视频内容搜索的空白。它利用先进的嵌入技术和本地模型，为用户提供快速、准确的视频搜索体验。此外，其支持特斯拉数据叠加功能，增加了项目的实用性和吸引力。
来源：综合 README 描述和项目特征SentrySearch 可以将视频分割成重叠的片段，并使用 Gemini Embedding 2 或 Qwen3-VL 模型进行嵌入，然后根据文本查询进行匹配，返回最相关的视频片段。
来源：据 README 描述SentrySearch 支持使用本地 Qwen3-VL 模型进行搜索，无需 API 密钥，适合离线或隐私需求。
来源：据 README 描述SentrySearch 支持从特斯拉摄像头文件中提取速度、位置和时间信息，并将其叠加到剪辑的视频片段上。
来源：据 README 描述SentrySearch 采用模块化设计，主要模块包括视频分割器、嵌入器、搜索器、存储器和剪辑器。数据流从视频文件开始，经过分割、嵌入和存储，最终根据查询进行搜索和剪辑。关键的技术决策包括使用 Gemini Embedding 2 和 Qwen3-VL 模型进行嵌入，以及使用 ChromaDB 数据库进行存储。
来源：代码目录结构 + 依赖文件infra: 无特定基础设施要求，可在本地运行 | key_deps: torch, torchvision, transformers, accelerate, qwen-vl-utils, torchcodec, bitsandbytes | language: Python | framework: Click, Python-dotenv, ChromaDB, Google GenAI, Imageio-ffmpeg, Protobuf
来源：依赖文件 + 代码目录结构1. 查找特定事件的视频片段，例如交通事故或犯罪行为。 2. 分析监控视频，识别异常行为或模式。 3. 查找特定时间或地点的视频内容。 4. 使用特斯拉数据叠加功能，分析驾驶行为。
来源：README无 release 记录
来源：GitHub ReleasesSentrySearch 是一个功能强大的视频搜索工具，特别适合需要快速、准确搜索视频内容的应用场景。它适合对视频分析和自然语言处理有需求的团队或个人使用。
来源：综合分析