MovieChat

把整部电影装进模型，问啥答啥，长视频理解不再难。

MovieChat 是一个面向长视频理解的开源模型，由 CVPR 2024 论文提出。它解决了现有视频理解模型难以处理超长视频（如电影）的问题，核心创新在于将视频的密集视觉 token 转化为稀疏记忆，从而在有限的计算资源下实现对长视频的全局语义理解和局部细节问答。模型采用自回归方式，能够对用户提出的关于视频内容的问题进行回答，支持多轮对话，并提供了完整的推理代码和演示。其核心能力包括长视频的时序理解、事件定位和内容摘要，特别适合电影、纪录片等长格式视频的分析。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 707

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wenhaochai

所属国家

官网地址https://rese1f.github.io/MovieChat

GitHubhttps://github.com/wenhaochai/MovieChat

定价模式free

价格说明开源项目，基于BSD-3-Clause许可证，可自由使用和部署，无付费版本。

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Python

技术栈/模型computer-vision,dataset,large-language-models,llama,long-video-understanding,multimodal-large-language-models

GitHub 星标★ 707

30天Star增速

HF 下载量

上线时间2023-06-26 00:00:00

最近更新2026-09-12 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2

使用教程

核心亮点

提出稀疏记忆机制，有效处理超长视频，降低计算开销
基于 CVPR 2024 论文，方法有学术背书，创新性强
提供完整推理代码和演示，便于复现和二次开发

不足之处

项目尚处早期，文档和社区支持待观察
模型依赖大规模预训练，部署门槛较高

适用场景

电影内容智能问答与摘要生成
长视频监控事件检索与定位
影视创作辅助分析（如剧本拆解）

替代项目

Video-LLaMA、LLaMA-VID、LongVideoBench

项目介绍

MovieChat 是计算机视觉领域的开源项目，由 wenhaochai 开发，2023 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 707。

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 2026-09-12。基于BSD-3-Clause许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：电影内容智能问答与摘要生成。同类可对比的替代方案包括 Video-LLaMA、LLaMA-VID、LongVideoBench。

上一篇：VoxPoser

下一篇：FrozenBiLM