منصوبے کے بارے میں

SentrySearch سیمنٹک ویڈیو تلاش کے لیے ایک کمانڈ لائن ٹول ہے۔ یہ ویڈیو فائلوں کو اوورلیپنگ حصوں میں تقسیم کرکے پروسیس کرتا ہے (ڈیفالٹ 30 سیکنڈ جس میں 5 سیکنڈ کا اوورلیپ ہوتا ہے)، ہر حصے کے لیے Google کے Gemini Embedding API، Alibaba DashScope کے Qwen3-VL-Embedding (qwen-cloud)، یا مقامی Qwen3-VL ماڈل کا استعمال کرتے ہوئے ایمبیڈنگز تیار کرتا ہے، اور ویکٹرز کو مقامی ChromaDB ڈیٹا بیس میں محفوظ کرتا ہے۔ صارفین پھر قدرتی زبان کے سوالات یا حوالہ تصاویر کے ساتھ تلاش کرسکتے ہیں تاکہ مماثل ویڈیو حصے حاصل کیے جاسکیں، جو خود بخود اصل فائلوں سے تراشے جاتے ہیں اور کلپس کے طور پر محفوظ ہوتے ہیں۔ کلیدی خصوصیات میں شامل ہیں: - ویڈیو پر متن اور تصویر پر مبنی سیمنٹک تلاش - متعدد ایمبیڈنگ بیک اینڈز: Gemini API (ڈیفالٹ)، Qwen Cloud (DashScope)، اور مقامی Qwen3-VL (8B یا 2B ورژنز اختیاری 4-bit کوانٹائزیشن کے ساتھ) - مقامی ماڈل انتخاب کے لیے خودکار ہارڈویئر ڈیٹیکشن (NVIDIA GPUs 18GB+ VRAM یا Apple Silicon 24GB+ RAM کے لیے qwen8b؛ چھوٹی کنفیگریشنز کے لیے qwen2b) - پری پروسیسنگ پائپ لائن جو ایمبیڈنگ سے پہلے حصوں کو ffmpeg کے ذریعے 480p پر 5fps پر کم کرتی ہے، پے لوڈ سائز اور انفرنس وقت کم کرتی ہے - بصری طور پر جامد حصوں کو ایمبیڈ کرنے سے بچنے کے لیے اسٹیل فریم اسکیپنگ - اختیاری VLM پر مبنی ری رینکنگ کے ساتھ اعتماد کی حد (کلاؤڈ بیک اینڈز کے لیے Gemini 2.5 Flash، مقامی کے لیے مقامی Qwen3-VL Instruct) - کوزائن سمیلیریٹی سییلنگ کے ذریعے قریب ڈپلیکیٹ نتائج کی ڈیڈپلیکیشن - شماریاتی طور پر غیر معمولی کلپس کو سامنے لانے کے لیے ہائی لائٹس موڈ (knn، centroid، یا LOF طریقے) - تراشیدہ کلپس پر Tesla ڈیش کیم میٹا ڈیٹا اوورلے (رفتار، GPS، ریورس جیو کوڈنگ) - ملٹی کیمرہ ایونٹ سٹچنگ کے لیے SentryMerge اور چہرے/پلیٹ/پرامپٹ پر مبنی ریڈکشن کے لیے SentryBlur کے ساتھ انضمام - ناکام حصوں کے لیے ڈیڈ لیٹر قطار جس میں دوبارہ کوشش کی صلاحیت ہے - انڈیکس مینجمنٹ کمانڈز (اعداد و شمار، ہٹانا، ری سیٹ) انسٹالیشن uv استعمال کرتی ہے (Python 3.11/3.12 درکار ہے)۔ مقامی بیک اینڈ کو macOS پر ffmpeg اور NVIDIA پر PyTorch with CUDA درکار ہے۔ مختلف بیک اینڈز/ماڈلز سے ایمبیڈنگز الگ الگ انڈیکسز میں الگ تھلگ ہیں۔ Gemini بیک اینڈ کی لاگت تقریباً $2.84 فی گھنٹہ فوٹیج انڈیکسڈ ہے (ڈیفالٹ سیٹنگز)۔ DashScope ماڈیلیٹی کے لحاظ سے فی 1k ان پٹ ٹوکنز بل کرتا ہے۔ مقامی بیک اینڈ مکمل طور پر آف لائن چلتا ہے جس میں کوئی API لاگت نہیں ہے۔ یہ ٹول ڈیش کیم/سیکیورٹی فوٹیج ورک فلو کے لیے ڈیزائن کیا گیا ہے لیکن کسی بھی ویڈیو فائل کے ساتھ کام کرتا ہے۔ یہ معیاری MP4 کلپس آؤٹ پٹ کرتا ہے جو کہیں بھی چلائی جاسکتی ہیں۔