VideoRAG

上传视频，直接提问，秒回带时间戳的答案。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 491 🐛 待处理 57 👀 关注 51

GitHub ↗

GitHub 星标 ★ 3515

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费。

项目预览

项目数据

分类搜索知识

开发团队HKUDS

GitHubhttps://github.com/HKUDS/VideoRAG

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型large-language-models,llms,long-video-understanding,multi-modal-llms,rag,retrieval-augmented-generation

GitHub 星标★ 3515

上线时间2025-02-03 00:00:00

代码更新2026-03-18

仓库体积6.6 MB

本站数据更新2026-11-07

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

VideoRAG 是一个基于检索增强生成（RAG）技术的开源项目，专注于让用户直接与视频内容进行对话。它解决了传统视频理解中难以精准定位和引用具体片段的问题，通过将视频的视觉、音频和文本信息进行联合建模，构建可检索的向量索引，并利用大语言模型生成带有时间戳引用的回答。核心能力包括：自动提取视频关键帧、语音转写、多模态语义检索、以及基于检索结果的流式问答。用户上传视频后，系统会分析内容并建立索引，之后可以针对视频细节提问，获得带时间戳的答案，并支持跳转到对应画面。项目采用 Python 实现，提供了简洁的 API 和命令行工具，适合快速集成到现有应用中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3515

技术标签

large-language-models llms rag retrieval-augmented-generation

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 20 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（用于运行 VideoRAG 后端服务）
Electron 前端运行环境（README 提到需启动 Electron 应用）
可访问 GitHub 以获取源码
磁盘空间用于存放视频文件与索引

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 VideoRAG 源码到本地，后续安装步骤都基于该目录进行。
```
git clone https://github.com/HKUDS/VideoRAG
```
2查看桌面端说明

README 指明完整安装与配置步骤位于 Vimo-desktop 目录，进入后按该目录文档操作。
```
cd VideoRAG/Vimo-desktop
```
3搭建后端环境

按 Vimo-desktop 文档搭建 Python 后端环境，并启动 VideoRAG 服务，命令以文档为准。
4启动前端应用

在后端服务就绪后，按文档指引启动 Electron 前端桌面应用。
5开始视频对话

前后端联通后，导入视频建立索引，即可针对视频内容提问并获得带时间戳的回答。