Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
sentrysearch — Semantische Suche über Videos mit Gemini Embedding 2 oder Qwen3-VL. | Kitploit
Tools/GitHubGitHub/ssrajadh/sentrysearch
OSINT (Open-Source-Intelligence)AufklärungForensikInformationsbeschaffungDigitale ForensikMaschinelles Lernen
GitHubssrajadh/sentrysearch

sentrysearch

Semantische Suche über Videos mit Gemini Embedding 2 oder Qwen3-VL.

Repository anzeigen
4.4k42166vor 4 TagenVon Kitploit geprüft
Teilen
Webseite

SentrySearch

#1 Show HN of the Week on Hacker News

Semantische Suche über Videomaterial. Gib ein, wonach du suchst, und erhalte einen zugeschnittenen Clip zurück.

[!IMPORTANT] Offizielle Quelle: github.com/ssrajadh/sentrysearch ist die einzige offizielle Heimat von SentrySearch. Andere Websites, die dieses Projekt erneut veröffentlichen oder spiegeln, sind nicht mit dem Maintainer verbunden und werden von ihm nicht unterstützt; lade das Projekt immer aus diesem Repository herunter.

Sprachen: Englisch · 简体中文

Neu: MLX-Backend für Apple Silicon: führt das lokale 2B-Modell doppelt so schnell mit weniger als der Hälfte des Speichers bei gleicher Genauigkeit aus

Inhaltsverzeichnis

  • Funktionsweise
  • Erste Schritte
  • Verwendung
    • Init
    • Footage indexieren
    • Suche
    • Suche per Bild
    • Highlights
    • Qwen Cloud (Alibaba DashScope)
    • LiteLLM (KI-Gateways)
    • Lokales Backend (kein API-Schlüssel erforderlich)
    • Warum das lokale Modell schnell ist
    • MLX-Backend (Apple Silicon)
    • Tesla-Metadaten-Overlay
    • Zusammenfügen mit SentryMerge
    • Redigieren mit SentryBlur
    • Verwaltung des Index
      • Fehlgeschlagene Chunks und erneuter Versuch
      • Cache- und Statusdateien
    • Ausführlicher Modus
  • Wie ist das möglich?
  • Kosten
  • Bekannte Warnungen (harmlos)
  • Einschränkungen & zukünftige Arbeiten
  • Kompatibilität
  • Voraussetzungen

Funktionsweise

SentrySearch teilt deine Videos in überlappende Chunks auf, bettet jeden Chunk als Video mithilfe der Gemini Embedding API von Google, Alibaba DashScope (qwen-cloud) oder eines lokalen Qwen3-VL-Modells ein und speichert die Vektoren in einer lokalen ChromaDB-Datenbank. Bei der Suche wird deine Textabfrage (oder ein Bild, siehe Suche per Bild) in denselben Vektorraum eingebettet und mit den gespeicherten Video-Embeddings abgeglichen. Der beste Treffer wird automatisch aus der Originaldatei zugeschnitten und als Clip gespeichert.

Erste Schritte

  1. Installiere uv (falls du es noch nicht hast):

macOS/Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows:

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
  1. Klonen und installieren:
git clone https://github.com/ssrajadh/sentrysearch.git
cd sentrysearch
uv tool install .

Erfordert Python 3.11 oder 3.12 (PyTorch-Wheels unterstützen noch kein 3.13+). Wenn dein Standard-Python neuer ist, installiere ein verwaltetes 3.12 und pinne die Tool-Installation:

uv python install 3.12
uv tool install --python 3.12 .
  1. Richte deinen API-Schlüssel ein (oder verwende stattdessen ein lokales Modell) — nur für das standardmäßige Gemini-Backend erforderlich; überspringen, wenn du --backend local, --backend mlx oder --backend qwen-cloud mit DASHSCOPE_API_KEY in .env verwendest.
sentrysearch init

Dies fordert deinen Gemini-API-Schlüssel an, schreibt ihn in .env und validiert ihn mit einem Test-Embedding.

  1. Indiziere dein Filmmaterial:
sentrysearch index /path/to/footage
  1. Suche:
sentrysearch search "red truck running a stop sign"

ffmpeg wird für das Aufteilen und Zuschneiden von Videos benötigt. Wenn es nicht systemweit verfügbar ist, wird das mitgelieferte imageio-ffmpeg automatisch verwendet.

Manuelle Einrichtung: Wenn du sentrysearch init nicht verwenden möchtest, kannst du .env.example nach .env kopieren und deinen Schlüssel von aistudio.google.com/apikey manuell hinzufügen.

Verwendung

Init

$ sentrysearch init
Enter your Gemini API key (get one at https://aistudio.google.com/apikey): ****
Validating API key...
Setup complete. You're ready to go — run `sentrysearch index <directory>` to get started.

Wenn bereits ein Schlüssel konfiguriert ist, wirst du gefragt, ob er überschrieben werden soll.

Tipp: Lege ein Ausgabenlimit unter aistudio.google.com/billing fest, um versehentliche übermäßige Ausgaben zu verhindern.

Footage indexieren

$ sentrysearch index /path/to/video/footage
Indexing file 1/3: front_2024-01-15_14-30.mp4 [chunk 1/4]
Indexing file 1/3: front_2024-01-15_14-30.mp4 [chunk 2/4]
...
Indexed 12 new chunks from 3 files. Total: 12 chunks from 3 files.

Optionen:

  • --chunk-duration 30 — Sekunden pro Chunk
  • --overlap 5 — Überlappung zwischen Chunks
  • --no-preprocess — Herunterskalierung/Bildratenreduzierung überspringen (Roh-Chunks senden)
  • --target-resolution 480 — Zielhöhe in Pixeln für die Vorverarbeitung
  • --target-fps 5 — Zielbildrate für die Vorverarbeitung
  • --no-skip-still — alle Chunks einbetten, auch solche ohne visuelle Änderung
  • --rpm 10 — Anfragen pro Minute an die Cloud-API begrenzen (Details unten)
  • --backend local — ein lokales Modell anstelle von Gemini verwenden (Details unten)
  • --backend mlx — das lokale Modell über MLX auf Apple Silicon verwenden, schneller und leichter als local (Details unten)
  • --dry-run — Chunk-Anzahl pro Datei und geschätzte Gemini-Kosten in der Vorschau anzeigen, ohne API-Aufrufe, Modellladung oder Dateischreibvorgänge

Suche

$ sentrysearch search "red truck running a stop sign"
  #1 [0.87] front_2024-01-15_14-30.mp4 @ 02:15-02:45
  #2 [0.74] left_2024-01-15_14-30.mp4 @ 02:10-02:40
  #3 [0.61] front_2024-01-20_09-15.mp4 @ 00:30-01:00

Saved clip: ./match_front_2024-01-15_14-30_02m15s-02m45s.mp4

Wenn der Ähnlichkeitswert des besten Ergebnisses unter dem Konfidenzschwellenwert liegt (Standard 0.41, oder 0.35 bei --backend mlx), wirst du vor dem Kürzen zur Bestätigung aufgefordert:

No confident match found (best score: 0.28). Show results anyway? [y/N]:

Mit --no-trim werden Ergebnisse mit geringer Konfidenz mit einem Hinweis anstelle einer Eingabeaufforderung angezeigt.

Optionen: --results N, --output-dir DIR, --no-trim zum Überspringen der automatischen Trimmung, --threshold 0.5 zum Anpassen des Konfidenz-Schwellenwerts, --save-top N zum Speichern der obersten N Clips anstelle nur der besten Übereinstimmung, --dedupe zum Festlegen, wie ähnlich ein Ergebnis einer höher eingestuften Auswahl sein darf, bevor es verworfen wird (standardmäßig aktiviert, damit überlappende Ausschnitte desselben Moments nicht die Liste füllen), und --rerank, um ein VLM zu bitten, die zurückgegebenen Kandidaten vor dem Trimmen neu zu ordnen. Backend und Modell werden automatisch aus dem Index erkannt – übergeben Sie --backend oder --model nur, um dies zu überschreiben.

Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    938
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    556
  • 3

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    352
  • 4

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    343
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    336
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    291

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →