根據《GIGAZINE》報導，傳統動畫搜尋技術在快速定位畫面片段上仍存在技術瓶頸。然而，開源專案「SentrySearch」近期公開其語意搜尋技術，透過先進的AI模型，實現以自然語言關鍵字，即時精準定位動畫中的特定場景，為影像處理技術帶來突破性進展。

SentrySearch 的核心技術在於語意搜尋（Semantic Search），與一般僅依賴關鍵字匹配的動畫搜尋方式不同，它會深入理解用戶查詢語句的語意，從整部影片中找出最符合語境的畫面。開發團隊首先將影片依據指定時間間隔（預設為30秒）進行切割，並利用 Google Gemini Embedding API 或開源模型 Qwen3-VL-Embedding，對每一小段畫面進行向量化處理與索引。

這種處理方式省去了傳統中間步驟，如字幕文字轉換或語音辨識，直接對原始影片內容進行 AI 解析。根據開發團隊公開的說明，1小時長度的影片僅需 2.84 美元的 Google Gemini 處理成本（Qwen3-VL-Embedding 則完全免費），即可完成完整的索引建置。更驚人的是，影片搜尋過程可於1秒內完成。

在實際應用中，搜尋範圍若跨越兩個分割片段，搜尋結果可能出現斷裂。開發者建議未來可透過更先進的「場景檢測（Scene Detection）」技術，進一步提升搜尋準確率。此外，SentrySearch 已提供 YouTube 範例，展示「有載貨自行車的車子突然切入」這樣的語意搜尋結果。

此技術對新聞剪輯、廣告創作、影視研究等領域具有深遠影響。用戶無需手動翻閱數小時影片，即可快速找到目標畫面，大幅提高內容處理效率。目前 SentrySearch 專案已開放 GitHub，讓開發者與研究者自由參與，並持續優化演算法。

報導中也提及其他相關 AI 影像處理技術，包括「CorridorKey」解決綠幕特效問題、「LTX-2.3」本地運作的影片生成工具，以及「Self-Flow」多模態生成模型。這些技術共同推動了 AI 在影像處理領域的快速演進。

📰 本文資料來源 • GIGAZINE