Ask-Anything

上传视频，就能和 AI 对话提问，看懂视频内容

Ask-Anything 是一个基于大语言模型的多模态视频理解对话助手，核心解决“让 AI 看懂视频并自然对话”的问题。它支持多种主流语言模型（如 miniGPT4、StableLM、MOSS 等），并提供了视频描述、时序问答、事件定位等能力。项目包含简单易用的 Gradio 演示界面，用户可直接上传视频进行交互式问答；同时提供训练和评估代码，方便研究者复现和扩展。Ask-Anything 在 CVPR2024 上获得 Highlight，其 VideoChatGPT 方案在视频理解领域有一定影响力。项目代码结构清晰，支持自定义模型接入，适合学术研究和产品原型开发。

开源 unknown 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3354

维护状态维护中

是否开源是

定价模式 unknown

项目数据

分类对话助手

开发团队OpenGVLab

所属国家

官网地址https://vchat.opengvlab.com

GitHubhttps://github.com/OpenGVLab/Ask-Anything

定价模式unknown

价格说明官网为在线视频对话Demo，但未明确展示定价信息，需进一步确认。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型big-model,captioning-videos,chat,chatgpt,foundation-models,gradio,langchain,large-language-models,large-model,stablelm,video,video-question-answering,video-understanding

GitHub 星标★ 3354

30天Star增速

HF 下载量

上线时间2023-04-19 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

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2

使用教程

难度：入门约 10 分钟部署方式：云服务 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

可访问 huggingface.co 的网络环境（用于在线 Demo）
Git，用于克隆 GitHub 仓库
Python 环境（项目开发语言为 Python，具体版本以仓库 README 为准）
本地部署还需按仓库 README 的 Getting Started 章节自行准备依赖

安装与启动步骤

1在线体验 Demo

README 提供 HuggingFace Spaces 在线入口：VideoChat-7B-8Bit 与 InternVideo2-Chat-8B-HD，浏览器打开即可对话。
2克隆项目仓库

从 GitHub 拉取 Ask-Anything 源码到本地，便于查看官方安装说明与训练评估代码。
```
git clone https://github.com/OpenGVLab/Ask-Anything.git
```
3进入项目目录

切换到克隆下来的仓库根目录，后续命令都在此目录下执行。
```
cd Ask-Anything
```
4查看安装说明

仓库 README 的 “ Getting Started” 章节给出本地安装与运行方式，请以仓库内最新文档为准。
5参考中文文档

README 提供中文 README_cn.md 与中文交流群，安装或使用遇到问题时可先查阅。

如何确认成功

HuggingFace Spaces 页面能正常打开、上传视频并完成问答，即视为可用。

常见问题

Q：需要自己下载模型权重吗？

A：README 节选中未给出本地权重下载与部署步骤，建议先用 HuggingFace Spaces 在线 Demo，再到仓库 README 的 Getting Started 章节确认。

Q：本地怎么安装依赖和启动？

A：本次 README 节选没有给出安装命令，无法照抄；请以仓库最新 README（含中文版 README_cn.md）中的 Getting Started 说明为准。

Q：遇到问题去哪里求助？

A：README 中提供了 Discord 交流链接，并注明有中文 README 及中文交流群，可加入其中提问。

注意事项

本次 README 节选未包含具体安装命令，本地部署步骤请务必以仓库最新 README 为准，不要套用其他项目的命令。
项目在 CVPR2024 获 Highlight，模型与代码更新较频繁，建议拉取最新代码后再操作。
在线 Demo 运行在第三方平台上，上传视频前请注意隐私与数据合规。

核心亮点

支持多种主流大语言模型（miniGPT4、StableLM、MOSS），灵活切换
提供完整训练和评估代码，便于学术复现和二次开发
内置 Gradio 交互界面，开箱即用，降低使用门槛

不足之处

视频处理依赖较大计算资源，推理速度可能较慢
文档/社区待观察

适用场景

视频内容智能问答与检索
视频摘要和描述生成
多模态大模型教学与研究实验

替代项目

Video-ChatGPT、Video-LLaMA、LLaVA

项目介绍

Ask-Anything 是视频领域的开源项目，由 OpenGVLab 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,354）位列前 30%，在视频分类的 473 个项目里位列前 9%。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。官网为在线视频对话Demo，但未明确展示定价信息，需进一步确认。从国内网络环境看，当前已无法正常访问。

它主要面向的使用场景是：视频内容智能问答与检索。同类可对比的替代方案包括 Video-ChatGPT、Video-LLaMA、LLaVA。

上一篇：StoryToolkitAI

下一篇：MoneyPrinterTurboEasy