文章摘要
作者使用M1 Max电脑和本地机器学习模型，对669GB的GoPro视频内容进行了索引分类处理。
文章总结
【技术分享】使用M1 Max电脑和本地ML模型索引669GB GoPro骑行视频
核心内容： 1. 项目背景： - 作者拥有2,207个GoPro视频（总量669GB，时长15小时13分钟） - 需要从骑行视频中快速定位精彩片段
- 技术方案：
- 使用M1 Max芯片的本地算力
- 基于开源ML模型构建索引系统
- 支持语义搜索、截图搜索、音频搜索等功能
- 处理流程：视频抽帧→降分辨率→分类→音频转录→生成嵌入向量→存入向量数据库
- 特色功能：
- 搜索结果可直接导入DaVinci Resolve时间线
- 完全本地化处理，保护隐私
- 支持自定义人脸数据训练
- 性能表现：
- 已完成628个视频的索引（668.68GB）
- 利用M1 Max的ARM架构优势（内存带宽达Intel i9的8倍）
- 技术讨论：
- 与DaVinci Resolve 21内置AI功能的对比（后者无云端上传但缺少人脸标记）
- 苹果芯片的Docker容器GPU加速方案
- 模型在特殊内容识别方面的表现
完整技术细节见作者博客：https://iliashaddad.com/blog/i-indexed-669-gb-of-my-gopro-videos-using-my-m1-max-computer
（注：省略了评论区关于成人内容识别等与技术主题关联性较低的讨论）
评论总结
以下是评论内容的总结：
- 技术讨论
- 关于M1 Max性能的讨论："M1 Max CPU是ARM/SoC，可与第11代Intel i9媲美"（M1 Max CPU is an ARM/SoC, comparable to an 11th gen Intel i9）
- 容器技术应用："可以使用Apple GPU与容器配合，通过podman+runkit或vllm-metal实现"（it is possible to use apple gpu with containers）
- 功能建议
- 视频处理建议："抓取帧、降低分辨率、分类、合并元数据并写入SQL"（Grab frames, lower res, classify, combine meta data. Write to sql）
- 视频片段嵌入建议："希望在实际工作流中嵌入视频片段变得可行"（I'd like to see embedding of actual video clips become practical）
- 类似项目比较
- 达芬奇软件对比："DaVinci 21已内置索引功能（AI IntelliSearch）"（DaVinci 21 has indexing built-in）
- 相似项目参考："前几天用相同机器和类似技术做了几乎相同的事情"（Funny this is almost EXACTLY what I did a few days ago）
- 其他评论
- 内容适用性提问："这对色情内容收藏也适用吗？"（Does it work for porn collections too?）
- 发布形式建议："这最适合作为'Show HN:'帖子"（This would fit most best as a "Show HN:" post）
- 作者回应
- 寻求反馈："欢迎提供改进建议或新功能想法"（I would love your feedback and suggestions for new improvements）