VideoRAG

上传视频，直接提问，秒回带时间戳的答案。

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。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3382

维护状态低维护

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队HKUDS

所属国家

官网地址

GitHubhttps://github.com/HKUDS/VideoRAG

定价模式free

价格说明开源项目，本地部署，完全免费。

访问状态

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★ 3382

30天Star增速

HF 下载量

上线时间2025-02-03 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

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。

如何确认成功

Electron 桌面窗口成功打开，能导入视频并收到后端返回的问答结果，即表示启动成功。

常见问题

Q：详细的安装步骤在哪里？

A：README 明确指向仓库中的 Vimo-desktop 目录，完整安装与配置说明都在该目录下，请以那里为准。

Q：支持多长的视频？

A：README 称 Vimo 可理解和分析任意长度的视频，从短片到数百小时的长内容均可处理。

Q：后端和前端分别是什么？

A：后端是 Python 实现的 VideoRAG 服务，前端是 Electron 桌面应用程序，两者需分别启动。

Q：有演示或技术资料吗？

A：README 提供了 YouTube 演示视频链接，以及论文 arXiv:2502.01549 可供参考。

Q：遇到问题如何求助？

A：可通过 README 中给出的微信/飞书群入口或 Discord 频道提交反馈与提问。

注意事项

README 未给出具体安装命令、依赖版本与端口，实际部署请严格按 Vimo-desktop 目录内文档执行。
本仓库同时包含 VideoRAG 框架与 Vimo 桌面应用，注意区分两者的用途。
项目论文为 arXiv:2502.01549，需要了解原理时可查阅。

核心亮点

多模态理解：融合视觉、音频和文本，能回答画面和声音相关的问题
时间戳引用：每个答案都附带视频时间点，方便用户快速验证和跳转
检索效率高：基于向量索引，即使长视频也能快速定位关键信息

不足之处

视频处理依赖外部模型，首次运行需下载较大模型文件
对中文视频的语音转写支持可能不如英文完善
文档/社区待观察

适用场景

教育领域：学生针对课程视频提问，快速找到知识点讲解片段
会议纪要：从长会议录像中提取关键决策和讨论内容
内容审核：辅助人工审核视频中的违规内容，定位具体时间点

替代项目

LangChain、LlamaIndex、VideoDB

项目介绍

VideoRAG 是搜索知识领域的开源项目，由 HKUDS 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,382）位列前 30%，在搜索知识分类的 581 个项目里位列前 14%。

近 42 天，它的 GitHub 星标从 3,276 增加到 3,382，净增 106。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。本地部署，完全免费。

它主要面向的使用场景是：教育领域：学生针对课程视频提问，快速找到知识点讲解片段。同类可对比的替代方案包括 LangChain、LlamaIndex、VideoDB。

上一篇：OpenKB

下一篇：rag-web-ui