VideoRAG 是搜索知识领域的开源项目，由 starsuzi 开发，2025 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 86。
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 2026-09-04。本地部署，完全免费。
它主要面向的使用场景是：视频课程内容问答与知识点提取。同类可对比的替代方案包括 VideoDB、Twelve Labs、LangChain（视频检索模块）。
VideoRAG
把视频变成可检索的知识库，直接问答还能给依据
VideoRAG 是一个面向视频语料的检索增强生成（RAG）框架，旨在解决传统 RAG 系统无法有效处理视频内容的问题。它利用多模态大模型（如 GPT-4V）将视频帧和音频转录为统一的文本描述，并构建基于图结构的索引，支持跨视频的非连续时序知识检索。核心能力包括：视频内容理解、时序关系建模、基于图遍历的证据收集，以及生成答案时的引用溯源。项目提供简洁的 Python API，用户可快速接入自定义视频集合并进行问答。当前处于早期阶段，代码结构清晰，适合研究者探索视频问答与知识检索的结合。
开源
free
开源模型
GitHub 星标
★ 86
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队starsuzi
所属国家
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
主要语言Python
技术栈/模型large-language-models,llms,multimodal,rag,videorag
GitHub 星标★ 86
30天Star增速
HF 下载量
上线时间2025-03-04 00:00:00
最近更新2026-09-04 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
核心亮点
- 首创将视频帧+音频转为图结构索引，支持跨片段推理
- 生成答案时自动引用视频时间戳，可追溯性强
- API 设计简洁，基于 LangChain 生态，上手快
不足之处
- 依赖外部多模态模型（如 GPT-4V），推理成本高
- 文档/社区待观察
适用场景
- 视频课程内容问答与知识点提取
- 新闻/纪录片事实核查与证据定位
- 企业培训视频库智能检索
替代项目
VideoDB、Twelve Labs、LangChain（视频检索模块）
项目介绍
下一篇：AutoKG
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···