ToolRobinSin iniciar sesión, úsalo al instante

Búsqueda de escenas en vídeo

Describe una escena de un MP4 corto, ordena los fotogramas muestreados, revisa el original y descarga un informe JSON compacto.

Elegir MP4 → crear índice visual → describir una escena en inglés → revisar el original → copiar o descargar JSON.

Elige un vídeo. La descarga del modelo no empieza hasta que crees un índice.

Encuentra una escena en un vídeo corto

Selecciona un MP4 local. Describe lo que se ve y revisa los momentos propuestos en el original.

50 MB por archivo · hasta 1920 píxeles por lado · 20 fotogramas muestreados

Requiere WebGPU y memoria suficiente

El primer uso descarga un modelo público de 484.6 MB y unos 22–35 MB de recursos de ejecución. La carga también necesita memoria de trabajo. Se ha probado en Chrome de escritorio reciente; los móviles con poca memoria pueden no funcionar. No hay alternativa con CPU.

Descargas, almacenamiento y privacidad

Al pulsar Crear índice visual, se descargan recursos públicos fijos de jsDelivr y Hugging Face, incluida su CDN de descargas. Los proveedores reciben datos habituales de conexión, como tu dirección IP. El vídeo y la descripción de búsqueda permanecen en tu navegador. Las partes verificadas del modelo público se almacenan en caché para reutilizarlas; no se guardan vídeos ni consultas. Cancelar borra el vídeo, la consulta y los resultados, pero conserva las partes completadas del modelo. Puedes borrar la caché del sitio desde los ajustes del navegador. No necesitas cuenta ni API de pago.

5 segundos: hasta 100 segundos de vídeo; 2 segundos: 40 segundos; 1 segundo: 20 segundos; 0.5 segundos: 10 segundos. Los eventos breves entre muestras pueden pasar desapercibidos.

1–200 caracteres (unidades UTF-16). Tras la inferencia también se comprueba el límite de 256 unidades de entrada en un solo bloque. Solo se buscan fotogramas muestreados; no se analiza el audio. La calidad de búsqueda en otros idiomas no se ha validado.

Cómo utilizar

¿Qué es la búsqueda de escenas en vídeo?

Compara una descripción en inglés con fotogramas muestreados del vídeo y ordena los candidatos más cercanos. Te ayuda a localizar puntos que revisar en un vídeo corto y local. Cada coincidencia es una sugerencia, incluso si la escena no existe; el audio y los momentos entre muestras quedan fuera de la búsqueda.

Paso a paso

  1. Elige un MP4 intacto que tu navegador pueda decodificar. Antes de descargar el modelo, la herramienta comprueba el tamaño, los tiempos del archivo, las dimensiones y el plan de muestreo.
  2. Mantén el intervalo predeterminado de 5 segundos para vídeos de hasta 100 segundos o elige expresamente un intervalo más corto para un vídeo más breve. Pulsa Crear índice visual. El primer uso descarga recursos públicos del modelo y de ejecución; el vídeo permanece en tu dispositivo.
  3. Describe lo que se ve con una frase sencilla en inglés, como «A red car on a city street». Pulsa Buscar momentos o Enter. Una descripción breve y concreta es más fácil de comparar con un fotograma.
  4. Pulsa Revisar original en el tiempo del candidato. El navegador vuelve a decodificarlo y compara los bytes del archivo, el tiempo de presentación y los bytes PNG con el índice. Reproduce el original para decidir si la escena sirve para tu tarea.
  5. Copia o descarga el informe JSON actual. Contiene la consulta real, la huella del archivo, la cobertura del muestreo, los tiempos candidatos, la similitud y las comprobaciones completadas. Guarda el vídeo original por separado; el informe no contiene imágenes.

Cómo elegir los ajustes

OpciónQué cambia
Intervalo de 5 segundos (predeterminado)Hasta 100 segundos y un máximo de 20 muestras. Procesa menos fotogramas, pero puede perder eventos breves.
2 segundos / 1 segundo / 0.5 segundosHasta 40 / 20 / 10 segundos, respectivamente. Un muestreo más denso consume más recursos locales. La herramienta rechaza planes de más de 20 muestras en lugar de cambiar tu elección.
SimilitudLa similitud del coseno ordena los candidatos. No es un porcentaje de confianza, una conclusión de un detector de objetos ni una prueba de que la escena exista.
Comprobación del fotograma originalComprueba el SHA-256 del archivo, el tiempo de presentación decodificado y la identidad de los bytes PNG del fotograma elegido. No valida tu descripción ni todos los fotogramas.
Informe JSONUn informe limitado sobre la consulta actual y las comprobaciones del navegador. Los descriptores aportados por quien realiza la llamada no constituyen un certificado autenticado de forma independiente.

Ejemplo y resultado esperado

En un vídeo sintético propio de 2 segundos, el muestreo cada 0.5 segundos solicitó los tiempos 0, 0.5, 1 y 1.5 segundos. Los dos fotogramas mantenidos se presentaban realmente en 0 y 1.2 segundos, por lo que el índice conservó cuatro posiciones de muestreo y dos fotogramas únicos. La consulta «A red rectangle» devolvió ambos como candidatos. Al revisar 0 segundos coincidieron la huella del archivo, el tiempo decodificado y los bytes PNG. El JSON descargado de 1,825 bytes coincidió con el informe copiado. Es una prueba funcional de ese vídeo, no una predicción de la precisión ni del tamaño del informe para tu vídeo.

Si no funciona

  • Si el plan supera 20 muestras, aumenta el intervalo o acorta una copia del vídeo. Cambiar el intervalo descarta el índice anterior. No se amplía el intervalo automáticamente.
  • Si no se puede leer el archivo o falla la comprobación de un fotograma, usa un MP4 intacto y compatible y crea un índice nuevo. Ningún índice sin verificar o parcial se presenta como completo.
  • Si el almacenamiento del modelo no está disponible o está lleno, libera el almacenamiento del sitio desde los ajustes del navegador y reintenta explícitamente. Una huella incorrecta elimina esa parte de la caché; al reintentar se sustituye y se reutilizan las demás partes verificadas.
  • Un error de consulta conserva un índice válido para que puedas acortar y repetir la descripción. Editar la descripción borra los candidatos y el informe anteriores. Un tiempo agotado o un fallo del motor requiere un índice nuevo; Borrar y Cancelar también vacían el archivo y la consulta.
  • Si el navegador bloquea el portapapeles, selecciona manualmente el texto JSON o pulsa Descargar informe JSON. Comprueba la consulta y la huella del archivo antes de usarlo en otro lugar.

Referencia y límites de recursos

ParámetroLímite
EntradaUn MP4; 50,000,000 bytes; duración analizada de hasta 120 segundos, también sujeta al límite de 20 muestras del intervalo elegido.
DimensionesHasta 1920 píxeles por lado y 2,073,600 píxeles en total.
Imágenes decodificadasHasta 20 fotogramas muestreados; 2,000,000 bytes por PNG y 24,000,000 bytes en total. No se acepta un índice parcial.
Consulta de texto1–200 unidades UTF-16; tras la inferencia se comprueba un límite de 256 unidades de entrada del modelo en un solo bloque.
ModeloEmbeddingGemma 2 740M LiteRT-LM; versión pública fija, 484,622,336 bytes. Se verifican las huellas de las partes descargadas y del modelo completo.
Tiempos máximosCarga del analizador de tiempos: 15 segundos. Una vez listo: 4 segundos por espera de tiempos o fotogramas nativos; 360 segundos para preparar el motor; 120 segundos para indexar fotogramas; 15 segundos para la consulta. Son límites por operación, no una garantía del tiempo total de inicio.
ExportaciónJSON de hasta 100,000 bytes, con un máximo de 5 fotogramas candidatos en esta interfaz. Sin datos PNG ni vectores de representación.

Formatos y límites

Solo se acepta un MP4 que el navegador pueda decodificar. MP4 es un contenedor: un códec no compatible fallará aunque la extensión sea .mp4. Se rechazan las listas de edición vacías, con varios segmentos o cambios de velocidad, los tiempos ambiguos y más de 7,200 paquetes de tiempos. El archivo original no se modifica.

Se requiere un adaptador WebGPU y memoria de trabajo suficiente. El recorrido probado usa Chrome de escritorio reciente; otros navegadores y móviles con poca memoria no se han validado. No se requiere Python ni una instalación específica de NVIDIA, y no hay alternativa con CPU. El primer uso descarga 484.6 MB del modelo y unos 22–35 MB de recursos de ejecución. El navegador también necesita memoria para ensamblar y cargar el modelo.

No se suben vídeos ni consultas. Al pulsar Crear índice visual se abren conexiones habituales a jsDelivr y Hugging Face, incluida su CDN de descargas, para obtener recursos públicos fijos. Los proveedores reciben información normal de conexión, como tu IP. Solo se guardan en caché partes verificadas del modelo público; el archivo y la consulta permanecen en la memoria de la página. Borrar, Cancelar o salir de la página libera esas entradas y resultados. Las partes completadas del modelo se conservan; puedes eliminarlas desde los ajustes de datos del sitio en el navegador.

Preguntas frecuentes

¿Qué puede encontrar esta herramienta?

Ordena fotogramas muestreados según una descripción en inglés. Usa los tiempos candidatos para revisar tu vídeo original. No busca conversaciones, no identifica todos los eventos ni garantiza que la descripción esté presente.

¿Qué intervalo de muestreo debo elegir?

Empieza con 5 segundos para vídeos de hasta 100 segundos. Usa 2 segundos para un máximo de 40 segundos, 1 segundo para 20 segundos o 0.5 segundos para 10 segundos. Un muestreo más denso puede captar cambios breves, pero lo que ocurre entre muestras aún puede perderse.

¿Una puntuación alta demuestra que la escena existe?

No. La similitud ordena los fotogramas más cercanos aunque ninguno encaje bien. La comprobación del original solo prueba que este navegador ha vuelto a decodificar el mismo fotograma; aún debes revisar su contenido.

¿Por qué no se carga el vídeo o el modelo?

Comprueba el archivo y su códec, los límites de 50 MB y píxeles, y el plan de 20 muestras. Usa Chrome de escritorio reciente con WebGPU y suficiente memoria y almacenamiento libres. Los errores de descarga o caché requieren reintentar explícitamente; no hay alternativa con CPU ni subida del archivo.

¿Se sube mi vídeo o descripción?

No. La decodificación, las representaciones, la clasificación y las comprobaciones del archivo se ejecutan en tu navegador. Los recursos públicos del modelo y de ejecución se descargan de los proveedores indicados, que reciben datos normales de conexión. Solo se guardan en caché esas partes públicas del modelo; el archivo y la consulta no se guardan.

Es posible que también necesites