Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
sentrysearch — Семантический поиск по видео с использованием Gemini Embedding 2 или Qwen3-VL. | Kitploit
Инструменты/GitHubGitHub/ssrajadh/sentrysearch
OSINT (Разведка открытых источников)РазведкаФорензикаСбор информацииЦифровая криминалистикаМашинное Обучение
GitHubssrajadh/sentrysearch

sentrysearch

Семантический поиск по видео с использованием Gemini Embedding 2 или Qwen3-VL.

Репозиторий
4.4k421664 дней назадПроверено Kitploit
Поделиться
Сайт

SentrySearch

#1 Show HN of the Week on Hacker News

Семантический поиск по видеозаписям. Введите, что вы ищете, и получите обрезанный клип.

[!IMPORTANT] Официальный источник: github.com/ssrajadh/sentrysearch — единственный официальный дом SentrySearch. Другие сайты, перепубликующие или зеркалирующие этот проект, не связаны с сопровождающим и не одобрены им; всегда скачивайте из этого репозитория.

Языки: English · 简体中文

Новое: MLX-бэкенд для Apple Silicon: запускает локальную модель 2B вдвое быстрее и с менее чем половиной памяти при той же точности

Содержание

  • Как это работает
  • Начало работы
  • Использование
    • Init
    • Индексация записей
    • Поиск
    • Поиск по изображению
    • Основные моменты
    • Qwen Cloud (Alibaba DashScope)
    • LiteLLM (шлюзы ИИ)
    • Локальный бэкенд (API-ключ не нужен)
    • Почему локальная модель быстрая
    • MLX-бэкенд (Apple Silicon)
    • Наложение метаданных Tesla
    • Сшивание с SentryMerge
    • Редактирование с SentryBlur
    • Управление индексом
      • Неудачные чанки и повторные попытки
      • Кэш и файлы состояния
    • Подробный режим
  • Как это возможно?
  • Стоимость
  • Известные предупреждения (безвредные)
  • Ограничения и дальнейшая работа
  • Совместимость
  • Требования

Как это работает

SentrySearch разбивает ваши видео на перекрывающиеся чанки, встраивает каждый чанк как видео с помощью Google Gemini Embedding API, Alibaba DashScope (qwen-cloud) или локальной модели Qwen3-VL и сохраняет векторы в локальной базе данных ChromaDB. При поиске ваш текстовый запрос (или изображение, см. поиск по изображению) встраивается в то же векторное пространство и сопоставляется с сохранёнными видеоэмбеддингами. Лучшее совпадение автоматически вырезается из исходного файла и сохраняется как клип.

Начало работы

  1. Установите uv (если у вас его нет):

macOS/Linux:

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

Windows:

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

Требуется Python 3.11 или 3.12 (колёса PyTorch пока не поддерживают 3.13+). Если ваша версия Python по умолчанию новее, установите управляемую версию 3.12 и зафиксируйте её при установке инструмента:

uv python install 3.12
uv tool install --python 3.12 .
  1. Настройте свой API-ключ (или используйте локальную модель) — требуется только для бэкенда Gemini по умолчанию; пропустите, если вы используете --backend local, --backend mlx или --backend qwen-cloud с DASHSCOPE_API_KEY в .env.
sentrysearch init

Запрашивает ваш ключ Gemini API, записывает его в .env и проверяет с помощью тестового эмбеддинга.

  1. Проиндексируйте ваши видеоматериалы:
sentrysearch index /path/to/footage
  1. Поиск:
sentrysearch search "red truck running a stop sign"

Для нарезки и обрезки видео требуется ffmpeg. Если он не установлен в системе, автоматически используется встроенный imageio-ffmpeg.

Ручная настройка: Если вы предпочитаете не использовать sentrysearch init, вы можете скопировать .env.example в .env и вручную добавить свой ключ с aistudio.google.com/apikey.

Использование

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.

Если ключ уже настроен, вам будет предложено, перезаписать ли его.

Совет: Установите лимит расходов на aistudio.google.com/billing, чтобы предотвратить случайный перерасход.

Индексирование видеоматериала

$ 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.

Параметры:

  • --chunk-duration 30 — длительность фрагмента в секундах
  • --overlap 5 — перекрытие между фрагментами
  • --no-preprocess — пропустить уменьшение масштаба/снижение частоты кадров (отправлять необработанные фрагменты)
  • --target-resolution 480 — целевая высота в пикселях для предварительной обработки
  • --target-fps 5 — целевая частота кадров для предварительной обработки
  • --no-skip-still — встраивать все фрагменты, даже те, в которых нет визуальных изменений
  • --rpm 10 — ограничить количество запросов в минуту к облачному API (подробности ниже)
  • --backend local — использовать локальную модель вместо Gemini (подробности ниже)
  • --backend mlx — использовать локальную модель через MLX на Apple Silicon, быстрее и легче, чем local (подробности ниже)
  • --dry-run — предварительный просмотр количества фрагментов по файлам и оценка стоимости Gemini без каких-либо вызовов API, загрузки модели или записи файлов

Поиск

$ 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

Если оценка сходства лучшего результата ниже порога уверенности (по умолчанию 0.41 или 0.35 при --backend mlx), вам будет предложено подтверждение перед обрезкой:

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

С --no-trim результаты с низкой уверенностью показываются с примечанием вместо запроса.

Опции: --results N, --output-dir DIR, --no-trim для пропуска автообрезки, --threshold 0.5 для настройки порога уверенности, --save-top N для сохранения топ-N клипов вместо только лучшего совпадения, --dedupe для задания того, насколько похожим может быть результат на более высокоранговый выбор, прежде чем он будет отброшен (включено по умолчанию, чтобы перекрывающиеся фрагменты одного и того же момента не заполняли список), и --rerank для запроса к VLM о повторном ранжировании возвращённых кандидатов перед обрезкой. Бэкенд и модель определяются автоматически из индекса — передавайте --backend или --model только для переопределения.

# Save top 5 clips, dropping only near-identical chunks
sentrysearch search "red truck" --save-top 5 --dedupe 0.95

# Re-rank the top 10 embedding matches with a VLM before trimming
sentrysearch search "pedestrian crossing behind the car" --rerank --results 10
Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    938
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    556
  • 3

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    352
  • 4

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    343
  • 5

    looking-glass

    anonghosty/looking-glass

    Платформа CSIRT, которая загружает отчёты Shadowserver в MongoDB и воспроизводит их в виде интерактивных карт, аналитики, результатов, рекомендаций и исполнительных дашбордов.

    336
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    291

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →