macOSとWindowsで録音・リアルタイム文字起こし・要約を行う、ローカル優先のオープンソースAI会議アシスタント。
allenv0/SCM
オンデバイスAIモデルを使い、自然な言葉でフォルダ内の写真や動画の場面を検索できる、ローカルファーストのmacOSアプリ。
- スター
- 488
- フォーク
- 38
- 未解決の Issue
- 1
- 最終コミット
- 13 時間前
これは何?
SCM (Screen Memories) は、フォルダ内の写真や動画を検索できるmacOSデスクトップアプリです。場所や物、フレーズなどを入力すると、一致するファイル全体や動画内の該当箇所、画面上に一致するテキストを含む画像が見つかります。検索にはCLIP、SigLIP-2、EmbeddingGemma-2の画像埋め込みモデルを利用でき、TesseractによるOCRとWhisperによる音声検索で、テキストや会話も検索できます。
このアプリはローカルファーストです。メディアはApplication Support内のアプリ管理ライブラリにコピーされ、モデルの重みも一度ダウンロードすれば、その後のインデックス作成と検索はオフラインで実行されます。アカウント、テレメトリー、アップロードはありません。オプションのLLMチャットモードでは、llama.cppのサイドカーを使い、抽出した会話、OCRテキスト、ファイル名をもとに、出典を示して質問に回答できます。
プロジェクトはTypeScript、React、Electronで構築され、パッケージマネージャーにBunを使用しています。electron-builderまたはHomebrew caskを通じてDMGまたはZIP形式で配布されます。監視フォルダからのインポート、コンテンツハッシュによる重複排除、検索タブの保存に加え、設定可能な密度でシーンをサンプリングするVideo Searchパイプラインも備えています。
主な機能
- 01ローカルの画像埋め込みモデルを使い、写真や動画を意味ベースで検索します。
- 02動画シーン内の該当するタイムコードに移動できます。
- 03複数の言語パックに対応したTesseract OCRで、画像内のテキストをそのまま検索できます。
- 04Whisperの文字起こしを使って、動画内の発話を正確に検索できます。
- 05抽出した根拠をもとに出典付きで回答する、オプションのローカルLLMチャットを実行できます。
- 06監視フォルダからファイルを自動インポートし、SHA-256コンテンツハッシュで重複を排除します。
ユースケース
- 説明文を入力して、個人の大規模なライブラリから特定の写真を見つける。
- 録画した動画や会議の中で、特定のフレーズが話された箇所を探す。
- スクリーンショットやスキャン画像から、表示されているテキストやメールアドレスを検索する。
- ファイルをクラウドにアップロードせず、Mac上にプライベートなオフラインメディアアーカイブを保管する。
トピック
よくある質問
- SCM とは?
- オンデバイスAIモデルを使い、自然な言葉でフォルダ内の写真や動画の場面を検索できる、ローカルファーストのmacOSアプリ。 SCM (Screen Memories) は、フォルダ内の写真や動画を検索できるmacOSデスクトップアプリです。場所や物、フレーズなどを入力すると、一致するファイル全体や動画内の該当箇所、画面上に一致するテキストを含む画像が見つかります。検索にはCLIP、SigLIP-2、EmbeddingGemma-2の画像埋め込みモデルを利用でき、TesseractによるOCRとWhisperによる音声検索で、テキストや会話も検索できます。
- SCM は無料で使えますか?ライセンスは?
- SCM は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- SCM は今もメンテナンスされていますか?
- 活発にメンテナンス中。SCM の最終コミットは 2026年10月18日 です。
- SCM は何に使えますか?
- 説明文を入力して、個人の大規模なライブラリから特定の写真を見つける。 録画した動画や会議の中で、特定のフレーズが話された箇所を探す。 スクリーンショットやスキャン画像から、表示されているテキストやメールアドレスを検索する。 ファイルをクラウドにアップロードせず、Mac上にプライベートなオフラインメディアアーカイブを保管する。
- SCM はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/allenv0/SCM
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
文書との対話やAIエージェントの実行に使える、ローカル優先のLLM対応・マルチユーザー対応・ノーコード構築が可能なAIアプリ。
OpenGLで描画する高速なクロスプラットフォーム対応ターミナルエミュレーター。妥当な初期設定と柔軟なTOML設定を備える。
Linux、macOS、Windowsに対応したクロスプラットフォームのSQLエディター兼データベース管理ツール。
自分のデバイスで動作し、WhatsApp、Telegram、Slack、Discordなどでやり取りできるセルフホスト型のパーソナルAIアシスタント。
ブレインストーミング、計画、TDD、サブエージェント駆動の実装を支援する開発手法とスキルライブラリ。