%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
简介
video-analyzer是一个视频分析工具，它结合了Llama的11B视觉模型和OpenAI的Whisper模型，通过提取关键帧、将它们输入视觉模型以获取细节，并结合每个帧的细节和可用的转录内容来描述视频中发生的事情。这个工具代表了计算机视觉、音频转录和自然语言处理的结合，能够生成视频内容的详细描述。它的主要优点包括完全本地运行无需云服务或API密钥、智能提取视频关键帧、使用OpenAI的Whisper进行高质量音频转录、使用Ollama和Llama3.2 11B视觉模型进行帧分析，以及生成自然语言描述的视频内容。
截图
产品特色
完全本地运行，无需云服务或API密钥
利用openrouter的LLM服务提高速度和规模
从视频中智能提取关键帧
使用OpenAI的Whisper进行高质量音频转录
使用Ollama和Llama3.2 11B视觉模型进行帧分析
生成自然语言描述的视频内容
自动处理音质不佳的音频
详细JSON输出分析结果
通过命令行参数或配置文件高度可配置
使用教程
1. 克隆仓库：git clone https://github.com/byjlw/video-analyzer.git
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 进入项目目录：cd video-analyzer
3. 创建并激活虚拟环境：python3.11 -m venv .venv
4. 激活虚拟环境：source .venv/bin/activate （Windows用户使用.venv\Scripts\activate）
5. 安装包：pip install . （常规安装）或 pip install -e . （开发安装）
6. 安装FFmpeg：根据操作系统使用相应的命令安装FFmpeg
7. 安装Ollama并拉取默认视觉模型：ollama pull llama3.2-vision
8. 启动Ollama服务：ollama serve
9. 使用video-analyzer分析视频：video-analyzer path/to/video.mp4
10. （可选）如果使用OpenRouter，获取API密钥并配置使用
流量来源
| 直接访问 | 51.61% | 外链引荐 | 33.46% | 邮件 | 0.04% |
| 自然搜索 | 12.58% | 社交媒体 | 2.19% | 展示广告 | 0.11% |
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图
同类开源产品
优秘企业智脑
中文精选
优秘企业智脑是一个综合性的 AIGC SaaS 平台，旨在通过融合 AI 技术、知识库和智能体平台，提升企业内外部的工作效率及客户获取能力。
AI信息平台#SaaS
Livideo AI
Livideo是一个提供无限面部交换视频的平台，使用AI技术，无需订阅费用，保护用户隐私。
视频编辑#无限
Tiktok AI Alive
AI Alive是TikTok推出的创新功能，利用智能编辑工具将静态照片转换为生动的视频，为用户提供丰富多彩的创作可能性，强调简单易用，提升视觉叙事体验。
视频编辑#照片
I10x
AI Agent Marketplace是一个集成了各种AI代理的在线市场，用户可以通过该平台轻松获取各种AI服务，包括语音识别、自然语言处理、图像识别等。
AI信息平台#在线市场
当贝 AI
中文精选
当贝AI，一款由当贝公司研发的智能助手，当贝AI整合DeepSeek-R1 671B满血版，DeepSeek V3、豆包、通义等优质大模型。
AI信息平台#写作助手
Twelvelabs
TwelveLabs是一个强大的视频智能平台，通过能够看、听、推理的人工智能，发现深度见解，分析、重组和自动化工作流程。
视频编辑#人工智能
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理
Novastart
NovaStart利用先进的AI技术分析市场趋势，基于您的地理位置、技能和预算，秒速生成定制的创新业务想法。
AI信息平台#创新
Morning Expert
Morning Expert提供AI驱动的个性化财经科技新闻，旨在消除信息噪音，为用户提供有价值的资讯，并保持领先竞争。
AI信息平台#科技
替代品
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理
Bilive
bilive 是一个专为 B 站直播录制而设计的工具，支持自动切片、弹幕渲染与字幕生成，兼容低配置设备，适合广泛用户群体。
视频编辑#B 站
AI 视频图文创作助手
AI 视频图文创作助手是一个开源工具，旨在将视频和音频内容转化为多种格式的文档，帮助用户进行二次阅读和思考。
视频编辑#视频处理
Awesome GPT 4o Images
Awesome GPT-4o Images 是一个展示 OpenAI 最新多模态模型 GPT-4o 生成的图片和提示的集合。
AI信息平台#图像生成
AGI News
优质新品
AGI News 是一个开源项目，利用自主 AI 代理技术收集并发送最新的 AI 新闻。
AI信息平台#新闻
VACE
优质新品
VACE（Video All-in-One Creation and Editing）是由 Tongyi Lab 团队开发的一款多功能视频创作与编辑模型。
视频编辑#视频创作
Videopainter
VideoPainter 是一款基于深度学习的视频修复和编辑工具，采用预训练的扩散变换器模型，结合轻量级背景上下文编码器和 ID 重采样技术，能够实现高质量的视频修复和编辑。
视频编辑#文本引导
Trajectorycrafter
TrajectoryCrafter 是一种先进的相机轨迹重定向工具，利用扩散模型技术，将单目视频中的相机运动重新设计，提升视频的表现力和视觉吸引力。
视频编辑#相机轨迹
Smolvlm2
SmolVLM2 是一种轻量级的视频语言模型，旨在通过分析视频内容生成相关的文本描述或视频亮点。
视频编辑#文本生成
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k