SCM - macOS向けAI検索で写真と動画の全フレームを横断
Show HN: AI search for every photo and every frame of video on macOS

SCMは、macOS上の任意のフォルダにある写真や動画をAIで検索できるローカルファーストのツールです。クラウドやアップロードは一切不要で、推論はすべてMac上で完結。自然言語で記憶を描写するだけで、動画のシーン単位、OCRによる画像内テキスト、Whisperによる会話の正確な発話検索まで対応します。さらに、ローカルLLMによる引用付きチャットもオプトインで利用可能。Homebrewで簡単にインストールでき、プライバシーを重視するユーザーに最適です。
自分の記憶を普通の言葉で描写するだけで、あとはローカルのビジョンモデルがやってくれます。
HNでの議論
73- postalcoder
これはmac向けなんだから、OCRにはAppleのVisionフレームワークを使うべきだよ。速度も精度もTesseractを圧倒してる。
編集:コード生成にどのLLMを使ったのか気になる。君の投稿のタイトルをclaude/deepseek/qwen/codexに投げて、このプロジェクトに適したスタックを推薦してもらったんだ。まだTesseractを勧めてくると思って渋い顔をするつもりだった。ところが、どれもAppleのVisionフレームワークを勧めてきた。実際、Tesseractを勧めた最新モデルはgpt-4.1だったよ。
- alt227
少し脱線するけど、ふと思ったんだ。
LLMが存在する今、こういうものに著作権って主張できるのか?これまでは、小さなスタートアップが素晴らしいアイデアを出せば、大手テック企業に買収されて、その技術は統合されるか殺されるかだった。でも今やLLMがあれば、OpenAIのような企業がモデルに「X(例えばこのプロジェクト)と似た動作をするものを作れ」と指示するだけで、著作権法をすり抜けて、出遅れを取り戻せるんじゃないか?
編集:著作権の綴りを正しいものに直した。
- hn3ufz62f7
M1でCLIPを使って似たようなものを構築した経験から言うと、フレームのサンプリングレートが全てを決める。12k本の動画で毎秒1フレームだと何日もかかる。キーフレームだけに絞ってようやく一晩で終わるようになった。
- lucideer
スレ違いかもしれないけど、これをもっとクロスプラットフォームに、あるいは包括的にやりたい人向けに言うと、Immichがこれをやってくれる。
(「これ」というのは、写真と動画のためのおおよそのAI検索のこと。全てのフレームについては保証できないし、検索品質の比較もできないけどね)
- measure2xcut1x
M1 Macの32GB RAMで、ストックフォトに対してどれくらいうまく機能すると思う?例えば、約2k枚の写真のフォルダからヤシの木がある家を検索したい。あるいはキッチンの写真、南西部の砂漠の風景の写真を見つけたい。