VideoHighlighter

本地离线分析视频，自动找高光、识物体、生成字幕

VideoHighlighter 是一个基于 Ollama 的本地 AI 视频分析工具，目标是让视频理解完全离线、免费运行。它通过视觉搜索、自动高光提取、场景/动作/物体检测、音频分析和字幕生成，把原本需要云端付费服务（如 Twelve Labs、Runway、Descript）才能完成的任务搬到本地。用户只需把视频丢给它，就能自动找出精彩片段、识别画面中的物体与动作、生成字幕，并支持按内容检索。项目用 Python 编写，依赖 CUDA 或 Mac 环境，结合 LLaVA 等视觉模型和动作识别数据集，适合对隐私敏感、不想上传视频到云端的创作者、剪辑师或研究者。整体定位是“本地版视频理解流水线”，把多个 AI 能力串成一条可离线执行的链路。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 127

维护状态活跃

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队Aseiel

所属国家

官网地址

GitHubhttps://github.com/Aseiel/VideoHighlighter

定价模式free

价格说明开源免费，本地离线运行

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型action-recognition-dataset,cuda,highlight-generation,llava,local-ai,mac,object-detection-pipelines,offline-ai,ollama,openvino,scene-detection,self-hosted,semantic-search,subtitle-generation,video-analysis,video-search,video-understanding,whisper,windows,yolo

GitHub 星标★ 127

30天Star增速

HF 下载量

上线时间2025-09-19 00:00:00

最近更新2026-09-19 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-20

浏览次数0

使用教程

核心亮点

完全本地离线运行，视频不上传云端，隐私安全
集成视觉搜索、高光提取、物体/动作检测、音频分析和字幕生成多条能力
基于 Ollama 和 LLaVA，可自由替换本地模型，不绑定付费 API

不足之处

项目处于早期，星标仅 127，生态和文档完善度有限
依赖本地 GPU/CUDA 或 Mac 环境，对硬件有门槛，处理长视频速度受限于本地算力

适用场景

个人创作者离线剪辑，自动提取旅行或游戏视频的高光片段
隐私敏感场景下对监控或会议录像做本地物体/动作检索
为本地视频批量生成字幕并做内容标签，方便归档和搜索

替代项目

video-llava、Auto-Editor、Whisper

项目介绍

VideoHighlighter 是一个视频生成领域的开源项目，官方简介：Open-source local AI video analyzer powered by Ollama. Visual search, automatic highlights, scene/action/object detection, audio analysis, and subtitle generation. Free, offline alternative to Twelve Labs, Runway, and Descript.。项目使用 Python 开发，在 GitHub 上获得 127 星标。

上一篇：DepthFlow

下一篇：LynnReal-Omni