# Video Search

> 描述畫面上有什麼，就能直接跳到影片裡的那一刻。AI 模型在你的顯示卡上每 5 秒索引一格畫面，影片全程留在你的電腦裡，不會上傳到任何地方。

- URL: https://bytescope.dev/zh-Hant/video-search/
- Locale: zh-Hant · Also: [en](https://bytescope.dev/en/video-search.md) · [ja](https://bytescope.dev/ja/video-search.md)
- Runs: 檔案不會離開你的瀏覽器 — 全部在本機處理。
- Requires: Chrome or Edge on desktop with WebGPU. Without WebGPU the search cannot run and the page says so; Safari, Firefox and mobile browsers are untested. The first use downloads about 344 MB of model files once.
- Updated: 2026-09-08

## What it does

把影片拖進來，然後描述你要找的畫面：「狗跑過草皮」、「有長條圖的那張投影片」、「海上的夕陽」。也可以拖一張截圖進來、貼上或選檔，找出長得像它的片段。頁面會先每 5 秒抓一格畫面，用 EmbeddingGemma 2 模型在你的顯示卡上把每格轉成向量，你打的字或丟的圖也用同一套方式轉成向量。只要前幾格索引好，就能開始搜。接著第二輪會在背景補到每秒一格，你隨時可以暫停或繼續。最接近的片段最多列 12 個結果，每個都有縮圖和時間碼。點一下播放器就從那裡開始播；按「到 Video Trimmer 剪」，到了 Video Trimmer 再選一次同一個檔案，那段範圍就會自動填好。

### 需要什麼

第一次使用會下載一次約 344 MB 的模型檔，之後就留在瀏覽器裡直接載入。模型靠 WebGPU 跑，所以你需要桌機或筆電上的 Chrome 或 Edge，而且要有顯示卡。沒有 WebGPU 就沒有退路，因為這個模型在這裡沒辦法用 CPU 跑，頁面會直接告訴你，不會硬撐。Safari 和 Firefox 沒測過，所以不敢說能用。影片絕對不會上傳：畫面的解碼和索引都在這個分頁裡完成，任何內容都不會離開你的電腦。

### 老實說的限制

排名看的是每格畫面和你那句話在語意上有多接近，模型並不真的看懂影片。看得見的具體東西最好找：某個物品、某個地點、某種顏色、某張投影片；「好笑的那段」這類抽象說法就很弱。它只看畫面、聽不到聲音，所以搜「有人在唱歌」只能靠畫面上的線索；想搜人講了什麼，請用 Voice Notes。第一輪每 5 秒只取一格，所以在細索引補到那一段之前，比 5 秒短的鏡頭可能剛好夾在兩格中間被漏掉。索引速度看你的顯示卡：GTX 1060 上第一輪每分鐘影片大約花 3 秒，40 分鐘的片子約 2 分鐘就能搜；細索引則是每分鐘影片約 15 秒。向量留在這個瀏覽器裡，關掉頁面再回來，選同一個檔案就會從上次停下的地方接著索引。能開的格式和 Video Trimmer 一樣，就是你的瀏覽器解得開的 MP4、MOV、WebM、MKV；電腦沒有 HEVC 解碼器的話，HEVC 影片會讀不出來。

## Limits

Does not upload the video, does not listen to the sound (it searches pictures only), does not look at every frame (one frame every 5 seconds, so shots shorter than that can be missed), does not understand the video (it ranks frames by similarity to your words), and does not keep the index after you reload the page.

## FAQ

### 我的影片會被上傳嗎？

不會。影片直接從你的磁碟讀取，畫面在這個分頁的背景 worker 裡解碼，AI 模型跑在你自己的顯示卡上。唯一的下載是模型本身，而且只下載一次；影片和你搜尋的文字都不會送到任何地方。

### 為什麼在 Firefox、Safari 或手機上不能用？

模型需要 WebGPU，而我們只在桌面版的 Chrome 和 Edge 上測過。沒有 WebGPU 的話它在這裡完全跑不起來，頁面會改顯示一張相容性表格。Safari、Firefox 和手機瀏覽器都沒測過，就算它們有 WebGPU 我們也不敢說能用。

### 索引要多久？

看你的顯示卡。GTX 1060 上第一輪（每 5 秒一格）每分鐘影片大約 3 秒，40 分鐘的影片約 2 分鐘就能搜，第一次用還要加上那次 344 MB 的模型下載。接著細索引（每秒一格）在背景跑，每分鐘影片約 15 秒；你可以暫停、繼續，期間照樣能搜。第一輪跑到一半也能取消，已完成的部分一樣搜得到；只有模型下載和開檔這兩步不能取消。關掉頁面後再選同一個檔案，會從已索引的畫面接著做。

### 可以找出影片裡有人講了什麼嗎？

不行。它只看畫面，完全不聽聲音，所以講話、音樂、音效對它來說都不存在。想搜講出來的字，請先用 Voice Notes 把聲音轉成逐字稿，再到那邊搜。

### 為什麼漏掉了一個很短的鏡頭？

第一輪每 5 秒只看一格，所以在細索引（每秒一格）補到那一段之前，比 5 秒短的鏡頭可能剛好落在兩格中間。就算補完了，不到一秒的鏡頭還是可能漏掉。每個結果都是從取樣到的那一格開始，所以你要的那一刻可能比顯示的時間碼早一點或晚一點。

### 準確度如何？

我們拿三部開放授權的動畫電影、寫了 30 句畫面描述來測，其中 29 句正確的片段都排在前 3 名。這只是小規模測試：實拍影片和螢幕錄影都沒量過，抽象或太細節的描述也會比直接寫出看得見的東西差。

## Related tools

- [Video Trimmer](https://bytescope.dev/zh-Hant/video-trim.md) — 找到那一刻了？不重新編碼，直接把那段剪出來。
- [Screen Recorder](https://bytescope.dev/zh-Hant/screen-recorder.md) — 錄下你的螢幕，再從錄影裡搜某張投影片或某個步驟。
- [Video Info Inspector](https://bytescope.dev/zh-Hant/video-info.md) — 影片打不開時，看看它的編碼和容器格式。