edit-mind

Edit Mindとは？

Edit Mindは、ローカルファーストのAI動画インテリジェンスプラットフォームです。動画ライブラリをインデックス化し、自然言語で動画コンテンツを検索できます。動画を処理して文字起こし、検出された物体、顔などのメタデータを抽出・保存し、セマンティッククエリに対応します。

主な目的は、既存の動画セットを検索可能な知識に変えることです。全体の動画や該当する場合の特定シーンを対象に、Docker経由で動作し、Dockerがインストールされた任意のコンピューターやサーバーで利用可能です。

主な機能

• バックグラウンド動画インデックスサービス: 新しい動画ファイルを監視し、AI分析のキューに追加してライブラリを最新状態に保ちます。
• マルチモデル動画分析: 顔認識、文字起こし、物体・テキスト検出、シーン単位分析を含むメタデータを抽出します。
• ベクター基盤セマンティック検索 (ChromaDB): ChromaDBに保存された埋め込みで動画コンテンツを自然言語検索します。
• Dockerによるローカル実行: Docker Composeでコンテナ化されたサービスとして動作し、セットアップをモジュール化・多機種展開可能にします。
• AI/NLP処理のモデルオプション: 文字起こしにWhisperを使用し、Google GeminiまたはOllama（設定によるローカル実行）を選択可能です。

Edit Mindの使い方

1. Docker Desktopをインストール・実行（またはサーバーでDockerが利用可能か確認）。
2. リポジトリをクローンし、提供されたセットアップフローを実行。
3. メディアフォルダをDockerに公開：Docker Desktopのファイル共有を設定（macOS/Windows）。Linuxでは通常デフォルトで有効。
4. 環境ファイルを作成: .env.exampleと.env.system.exampleを.envおよび.env.systemにダウンロード/コピーし、必要な設定を構成。
5. 動画フォルダパスを設定 (HOST_MEDIA_PATH)し、AIモデルを選択:
   • Ollama: USE_OLLAMA_MODELを設定し、OLLAMA_HOST、OLLAMA_PORT、OLLAMA_MODELを指定（ollama serve実行/モデルpullを事前に行う）。
   • Gemini: USE_GEMINIを設定し、GEMINI_API_KEYを入力。
6. セキュリティキーを生成: セットアップガイドのコマンドでENCRYPTION_KEYとSESSION_SECRETを設定。
7. Docker Composeスタックを起動（リポジトリに標準composeファイルとNVIDIA GPU向けCUDA版を提供）。

ユースケース

• 話し言葉で検索: 音声から抽出された文字起こしで、覚えているフレーズでライブラリをクエリ。
• 特定物体や画面テキストを含む動画を検索: インデックス時の物体・テキスト検出結果に基づく自然言語クエリ。
• 既知の顔が登場するシーンを特定: 顔認識由来のメタデータで動画やシーンを絞り込み。
• 大規模個人アーカイブの整理・ナビゲーション: 新規動画追加時にメタデータを自動更新し、手動タグ付けなしで検索。
• プライバシー重視のローカル環境で実行: Docker経由で自身のマシン（またはサーバー）上でインデックス・検索し、ホスト型ワークフローを不要に。

FAQ

• Edit Mindは本番運用可能ですか？ リポジトリではアクティブ開発中で本番運用未対応と明記。不完全な機能やバグが発生する可能性があります。

• Edit MindはDockerが必要ですか？ はい。セットアップ手順でDocker Composeによるコンテナ実行を指定しています。

• 処理にサポートされるAIオプションは？ ドキュメントで文字起こしにWhisper、NLP関連タスクにGoogle GeminiまたはOllamaを環境変数で選択可能と記載。

• システムを動画ファイルに接続する方法は？ Dockerでメディアフォルダにアクセス設定（macOS/WindowsのDocker Desktopファイル共有）し、.envのHOST_MEDIA_PATHをフォルダパスに合わせる。

• セマンティック検索データはどこに保存？ スタックにベクター検索用のChromaDBとリレーショナルDBとしてPostgreSQL（Prisma ORM経由）を含みます。

代替案

• クラウドホスト型動画検索プラットフォーム: これらは通常、ホストされたインフラで処理を集中化します。Edit MindのローカルファーストDockerアプローチに比べ、プライバシー/制御を簡単なセットアップと引き換えにしています。
• 手動タグ付け付きデスクトップメディア管理ツール: 一部のツールはユーザー入力のタグとメタデータで動画を整理できます。AIベースの文字起こし/物体/顔抽出によるセマンティック検索を行わない点が異なります。
• セルフホスト型文字起こし + 検索パイプライン: 動画を文字起こししてテキストをインデックス化するワークフローを構築できます。Edit Mindとは異なり、オーディオ/テキストに特化し、マルチモーダル分析（顔/物体/シーン）や統合セマンティッククエリを備えていません。
• 汎用ベクトルデータベース検索アプリ: エンベディングとベクトルデータベースでセマンティック検索を実装できますが、動画取り込み、マルチモーダル抽出、シーン連結を自分で扱う必要があります—Edit Mindがパイプラインにまとめている作業です。