首页 / 使用手册 / 按内容搜索视频素材

怎么管理几千个视频素材？按内容搜索本地视频和图片

适用版本：v2.3.0（Windows x64）。功能与组件要求见对应版本说明。

视频素材越来越多，文件名又主要是日期和编号时，记得画面却不记得文件名就很难找。按内容搜索解决的是这一步：先描述你想找的主体、动作或场景，再从候选结果回到原始素材。

素刀（ClipKnife）支持用自然语言搜索已建立索引的本地图片和视频；图片结果对应图片，视频结果可定位到分镜和时间范围。“海边日落”“有人敲键盘的镜头”“雨夜街头走路的人”是描述方式示例，不是检索成功率测试，实际结果取决于素材内容和索引质量。

先用一个素材目录走完搜索流程

把一个含有已知画面的视频目录添加为素材源。先用熟悉的素材核对结果，不必一开始导入所有硬盘。
到任务中心确认扫描、入库和索引状态；尚未完成的素材可能不在搜索范围内，失败任务先排查。
进入智能搜索，选择本机素材库和对应素材源，输入具体的主体、动作或场景描述。
从候选视频打开详情，核对命中分镜、起止时间和实际播放画面，而不是只看缩略图判断是否可用。
确认匹配后再加入项目或导出所需片段，交给剪辑软件继续处理。

没找到时，先检查素材源是否在线、索引是否完成和筛选范围是否过窄，再把抽象描述换成画面中能观察到的主体与动作。若要找的是一句台词，应先开启相应语音转写并完成索引，而不是只依赖画面检索。

它是怎么按内容找的

视频文件本身没有“内容描述”字段——MP4 头里只有编码、时长、分辨率。要让视频能被内容搜索，需要先把画面“读懂”。素刀的链路是：

分镜 → 代表帧 → 视觉索引 → 自然语言匹配。入库时把每个视频自动切分成多个分镜（镜头），每个分镜抽取代表帧进入本地视觉索引。搜索时把你的描述和代表帧做语义匹配，命中的是片段而不是整条视频，所以结果带起止时间码。

音频走另一条路：转写成文本后进入语音检索索引，搜“说过‘谢谢’的那段嘉宾”这种台词也能定位（视频语音转写默认关闭，需要时可以在设置里打开）。人物画面可以按人脸分组（人物索引默认关闭，涉及人脸数据，需要时再开）。

剪视频找素材慢，用自然语言搜图片和视频

典型的用法：写文案时定了一组镜头描述（“办公室加班”“深夜回家”“海边空镜”），不用在网盘和素材网站里翻，直接在本地素材库逐个描述搜索；每个需求换几种表达多搜一轮，把候选片段加进项目，再拖到剪映或 Premiere 里粗选。素材库负责找，剪辑软件负责成片，两条链路各管一段。

图片同理：本地图片（含常见位图和相机 RAW 格式）加入素材源后即可用自然语言搜索；也支持以图搜图，丢一张参考图，在已完成索引的素材中查找相似画面。

本地运行，素材不出电脑

素刀是 Windows x64 桌面软件。素材源可以是指定文件夹、整个盘符或外接硬盘路径，原文件保留在原位置，不搬家、不上传；索引和检索模型在本地运行，CPU 也能跑，有支持 Vulkan 的显卡时自动加速。首次建索引要扫描全库，时间随素材量而定，之后增量监听，新落盘的素材自动入库。

边界，照实说

只有 Windows x64 版，没有 Mac 版。v2.3.0 支持同一可信局域网中的只读素材共享，不做云同步或多人在线编辑；共享端需运行、授权有效且素材源在线。建索引需要时间，未完成的素材可能还不能参与检索。视频详情编辑仅限镜头级标签，不提供手工调整分镜边界、合并或拆分；工具箱批量视频拆分镜另算。剪映 6 及以上的既有加密草稿可能无法读取或修改，实际兼容性需要核对。

搜索时常见的几个问题

智能搜索和素材库搜索有什么区别？

素材库搜索主要搜索文件名、路径和标签等元信息。智能搜索使用自然语言检索图片、视频片段和音频/视频语音内容。比如你可以输入“海边日落”“红色包装特写”或“会议里提到预算调整”。

视频搜索是搜索整个视频吗？

视频视觉搜索主要基于分镜代表帧。ClipKnife 会把视频切分成分镜，再抽取代表帧进入视觉索引。搜索结果会回连到原视频和对应时间段。这意味着 ClipKnife 不承诺自动理解完整视频语义，搜索质量会依赖分镜和代表帧索引质量。

可以搜索视频里的说话内容吗？

可以，但需要开启视频语音转写。音频和视频语音转写是两个独立开关，默认均关闭；开启对应开关后，才会为该类素材生成语音转写任务。开启后，视频中的语音内容可以进入语音检索索引，搜索结果仍会保留视频身份，方便回到视频上下文。

为什么刚添加素材后搜索不到？

素材需要先完成扫描、入库和索引。图片通常直接进入视觉索引；视频需要先分镜、抽取代表帧，再建立索引；音频需要生成转写后才能参与语音搜索。如果刚添加素材就搜索不到，可以先到任务中心查看是否还有等待中、处理中或失败任务。