ویڈیو کے لمحات تلاش کریں

مختصر MP4 کا منظر انگریزی میں بیان کریں، منتخب فریموں کی درجہ بندی دیکھیں، اصل جانچیں اور مختصر JSON رپورٹ ڈاؤن لوڈ کریں۔

MP4 منتخب کریں ← مناظر کا اشاریہ بنائیں ← منظر انگریزی میں بیان کریں ← اصل جانچیں ← JSON نقل یا ڈاؤن لوڈ کریں۔

ویڈیو منتخب کریں۔ اشاریہ بنانے سے پہلے ماڈل ڈاؤن لوڈ نہیں ہوتا۔

مختصر ویڈیو میں مطلوبہ منظر تلاش کریں

ایک مقامی MP4 منتخب کریں۔ تصویر میں نظر آنے والی چیزیں بیان کریں، پھر تجویز کردہ وقت اصل ویڈیو میں دیکھیں۔

ہر فائل 50 MB · ہر طرف زیادہ سے زیادہ 1920 پکسل · 20 نمونہ فریم

WebGPU اور کافی میموری درکار ہے

پہلی بار 484.6 MB کا عوامی ماڈل اور تقریباً 22–35 MB کے رن ٹائم وسائل ڈاؤن لوڈ ہوتے ہیں۔ لوڈ کرنے کے لیے کام کرنے کی میموری بھی چاہیے۔ حالیہ ڈیسک ٹاپ Chrome میں یہ راستہ آزمایا گیا ہے؛ کم میموری والے فون پر شاید نہ چلے۔ CPU کا متبادل نہیں ہے۔

ڈاؤن لوڈ، ذخیرہ اور رازداری

اشاریہ بنانے پر مقررہ عوامی وسائل jsDelivr اور Hugging Face، بشمول اس کے ڈاؤن لوڈ CDN، سے ملتے ہیں۔ فراہم کنندگان کو IP پتے جیسی عام رابطے کی معلومات ملتی ہیں۔ ویڈیو اور تلاش کی عبارت آپ کے براؤزر میں رہتی ہیں۔ تصدیق شدہ عوامی ماڈل کے حصے دوبارہ استعمال کے لیے محفوظ ہوتے ہیں؛ ویڈیو اور سوالات محفوظ نہیں ہوتے۔ منسوخی ویڈیو، سوال اور نتائج صاف کرتی ہے، مگر مکمل ماڈل حصے باقی رہتے ہیں۔ براؤزر کی ترتیبات سے اس سائٹ کا ذخیرہ حذف کیا جا سکتا ہے۔ اکاؤنٹ یا ادائیگی والا API درکار نہیں۔

ہر 5 سیکنڈ: زیادہ سے زیادہ 100 سیکنڈ کی ویڈیو؛ ہر 2 سیکنڈ: 40 سیکنڈ؛ ہر 1 سیکنڈ: 20 سیکنڈ؛ ہر 0.5 سیکنڈ: 10 سیکنڈ۔ نمونوں کے درمیان ہونے والا مختصر واقعہ چھوٹ سکتا ہے۔

1–200 UTF-16 اکائیاں۔ استدلال کے بعد ماڈل کی ایک حصے میں 256 ان پٹ اکائیوں کی حد بھی جانچی جاتی ہے۔ صرف نمونہ تصاویر میں تلاش ہوتی ہے؛ آواز شامل نہیں۔ دیگر زبانوں میں تلاش کا معیار ابھی نہیں آزمایا گیا۔

استعمال کرنے کا طریقہ

ویڈیو کے لمحات کی تلاش کیا ہے؟

یہ انگریزی بیان کو ویڈیو سے لیے گئے فریموں سے ملاتی ہے اور قریب ترین امیدواروں کی درجہ بندی کرتی ہے۔ اس سے آپ اپنے آلے پر موجود مختصر ویڈیو میں جانچنے کے قابل مقامات ڈھونڈ سکتے ہیں۔ امیدوار صرف تجویز ہے، چاہے بیان کردہ منظر موجود نہ ہو؛ آواز اور نمونوں کے درمیان کے لمحات تلاش میں شامل نہیں۔

استعمال کے مراحل

  1. ایک مکمل MP4 منتخب کریں جسے براؤزر ڈی کوڈ کر سکے۔ ماڈل کے وسائل ڈاؤن لوڈ کرنے سے پہلے فائل کا حجم، اصل کی ٹائمنگ، ابعاد اور نمونوں کا منصوبہ جانچا جاتا ہے۔
  2. 100 سیکنڈ تک کی ویڈیو کے لیے طے شدہ 5 سیکنڈ کا وقفہ رکھیں، یا مختصر ویڈیو کے لیے خود کم وقفہ منتخب کریں۔ «مناظر کا اشاریہ بنائیں» دبائیں۔ پہلی بار عوامی ماڈل اور رن ٹائم کے وسائل ڈاؤن لوڈ ہوتے ہیں؛ ویڈیو آپ کے آلے پر رہتی ہے۔
  3. نظر آنے والی چیز سادہ انگریزی میں بیان کریں، مثلاً «A red car on a city street»۔ «لمحات تلاش کریں» دبائیں یا Enter استعمال کریں۔ مختصر اور واضح بیان کا ایک فریم سے موازنہ آسان ہوتا ہے۔
  4. امیدوار کے وقت پر «اصل جانچیں» منتخب کریں۔ براؤزر اصل ویڈیو دوبارہ ڈی کوڈ کرتا ہے اور فائل کے بائٹس، فریم کے پیش ہونے کا وقت اور PNG کے بائٹس اشاریے سے ملاتا ہے۔ اصل چلائیں اور خود فیصلہ کریں کہ منظر آپ کے کام کا ہے یا نہیں۔
  5. موجودہ JSON رپورٹ نقل یا ڈاؤن لوڈ کریں۔ اس میں اصل استفسار، ماخذ کا فنگرپرنٹ، نمونوں کا دائرہ، امیدواروں کے اوقات، مماثلت اور مکمل فریم جانچ درج ہوتی ہے۔ اصل ویڈیو الگ محفوظ کریں؛ رپورٹ میں تصاویر نہیں ہوتیں۔

ترتیبات کا انتخاب

اختیارکیا بدلتا ہے
5 سیکنڈ کا وقفہ (طے شدہ)100 سیکنڈ تک، زیادہ سے زیادہ 20 نمونے۔ کم فریم استعمال ہوتے ہیں، مگر مختصر واقعہ چھوٹ سکتا ہے۔
2 سیکنڈ / 1 سیکنڈ / 0.5 سیکنڈبالترتیب 40 / 20 / 10 سیکنڈ تک۔ زیادہ نمونے مقامی وسائل زیادہ استعمال کرتے ہیں۔ 20 سے زیادہ نمونوں کا منصوبہ رد ہوتا ہے؛ آپ کا انتخاب خود نہیں بدلا جاتا۔
مماثلتکوسائن مماثلت امیدواروں کو ترتیب دیتی ہے۔ یہ اعتماد کی فیصد، چیز کی شناخت کا فیصلہ یا منظر کی موجودگی کا ثبوت نہیں۔
اصل فریم کی جانچمنتخب فریم کے لیے اصل کا SHA-256، ڈی کوڈ شدہ وقت اور PNG کے بائٹس کا یکساں ہونا جانچا جاتا ہے۔ اس سے آپ کے بیان یا ہر فریم کی تصدیق نہیں ہوتی۔
JSON رپورٹموجودہ استفسار اور براؤزر کی جانچوں کی محدود حجم والی رپورٹ۔ درخواست دینے والے کی فراہم کردہ تفصیلات آزادانہ طور پر تصدیق شدہ سرٹیفکیٹ نہیں۔

مثال اور متوقع نتیجہ

ہماری اپنی 2 سیکنڈ کی مصنوعی ویڈیو میں 0.5 سیکنڈ کے وقفے سے مطلوبہ مقامات 0، 0.5، 1 اور 1.5 سیکنڈ آئے۔ دو ٹھہرے ہوئے اصل فریم واقعی 0 اور 1.2 سیکنڈ پر پیش ہوئے، اس لیے اشاریے میں چار نمونے اور دو منفرد فریم رہے۔ «A red rectangle» تلاش کرنے پر دونوں امیدوار آئے۔ 0 سیکنڈ کی جانچ میں اصل کا فنگرپرنٹ، ڈی کوڈ شدہ وقت اور PNG بائٹس یکساں تھے۔ ڈاؤن لوڈ شدہ 1,825 بائٹس کی JSON نقل کی گئی رپورٹ سے یکساں تھی۔ یہ اسی ویڈیو پر فعالیت کی جانچ ہے، آپ کی ویڈیو کی درستگی یا رپورٹ کے حجم کی پیش گوئی نہیں۔

اگر کام نہ کرے

  • اگر منصوبہ 20 نمونوں سے بڑھ جائے تو بڑا وقفہ منتخب کریں یا ویڈیو کی نقل مختصر کریں۔ وقفہ بدلنے سے پرانا اشاریہ ختم ہوتا ہے۔ حد پوری کرنے کے لیے وقفہ خود نہیں بدلا جاتا۔
  • اگر فائل نہ پڑھی جائے یا فریم کی جانچ ناکام ہو تو مکمل، قابلِ قبول MP4 سے نیا اشاریہ بنائیں۔ نامکمل یا بغیر جانچ کا اشاریہ مکمل ظاہر نہیں کیا جاتا۔
  • اگر ماڈل ذخیرہ دستیاب نہ ہو یا بھر جائے تو براؤزر کی ترتیبات سے اس سائٹ کی جگہ خالی کریں، پھر خود دوبارہ کوشش کریں۔ غلط فنگرپرنٹ والا کیش حصہ حذف ہوتا ہے؛ اگلی کوشش اسے دوبارہ لاتی ہے اور دوسرے جانچے ہوئے حصے استعمال کرتی ہے۔
  • استفسار کی خرابی میں درست اصل اشاریہ رہتا ہے، تاکہ بیان مختصر کرکے دوبارہ کوشش کریں۔ بیان میں ترمیم سے پرانے امیدوار اور رپورٹ صاف ہوتے ہیں۔ وقت ختم ہونے یا انجن کی ناکامی پر نیا اشاریہ ضروری ہے؛ صاف کرنے اور منسوخ کرنے سے فائل اور استفسار بھی خالی ہوتے ہیں۔
  • اگر کلپ بورڈ تک رسائی بند ہو تو JSON متن منتخب کرکے خود نقل کریں یا JSON رپورٹ ڈاؤن لوڈ کریں۔ اسے کہیں اور استعمال کرنے سے پہلے استفسار اور اصل فنگرپرنٹ دیکھیں۔

ترتیبات اور وسائل کی حدیں

ترتیبحد
ان پٹایک MP4؛ 50,000,000 بائٹس؛ پڑھی گئی مدت زیادہ سے زیادہ 120 سیکنڈ، اور منتخب وقفے کی 20 نمونوں کی حد بھی لاگو ہے۔
ابعادہر طرف زیادہ سے زیادہ 1920 پکسل، کل 2,073,600 پکسل۔
ڈی کوڈ شدہ تصاویرزیادہ سے زیادہ 20 نمونے؛ ہر PNG کے 2,000,000 بائٹس اور کل 24,000,000 بائٹس۔ نامکمل اشاریہ قبول نہیں ہوتا۔
متنی استفسار1–200 UTF-16 یونٹ؛ استدلال کے بعد ایک ہی حصے میں ماڈل کے 256 ان پٹ یونٹ کی حد جانچی جاتی ہے۔
ماڈلEmbeddingGemma 2 740M LiteRT-LM؛ مقررہ عوامی نسخہ، 484,622,336 بائٹس۔ ڈاؤن لوڈ شدہ حصوں اور مکمل ماڈل کے فنگرپرنٹ جانچے جاتے ہیں۔
وقت کی حدیںوقت کے تجزیہ کار کو لوڈ کرنے کی حد 15 سیکنڈ ہے۔ تیار ہونے کے بعد: ٹائمنگ یا اصل فریم کے ہر انتظار کے لیے 4 سیکنڈ؛ انجن کی تیاری کے لیے 360 سیکنڈ؛ فریم اشاریے کے لیے 120 سیکنڈ؛ استفسار کے لیے 15 سیکنڈ۔ یہ الگ کارروائیوں کی حدیں ہیں، آغاز کے کل وقت کی ضمانت نہیں۔
برآمدJSON زیادہ سے زیادہ 100,000 بائٹس؛ اس انٹرفیس میں زیادہ سے زیادہ 5 امیدوار فریم۔ PNG ڈیٹا یا ایمبیڈنگ ویکٹر شامل نہیں۔

فارمیٹس اور حدیں

صرف ایک MP4 قبول ہے جسے براؤزر ڈی کوڈ کر سکے۔ MP4 ایک کنٹینر ہے: اگر براؤزر اندر کا کوڈیک نہ پڑھ سکے تو .mp4 لاحقے کے باوجود ناکامی ہوگی۔ خالی، متعدد حصوں والی یا بدلتی رفتار کی ایڈٹ لسٹ، مبہم ٹائمنگ اور 7,200 سے زیادہ ٹائمنگ پیکٹ رد ہوتے ہیں۔ اصل فائل نہیں بدلتی۔

WebGPU اڈاپٹر اور کافی عملی میموری ضروری ہے۔ حالیہ ڈیسک ٹاپ Chrome پر راستہ جانچا گیا ہے؛ دوسرے براؤزر اور کم میموری والے فون ابھی قبولیت کی جانچ سے نہیں گزرے۔ Python یا NVIDIA کی خصوصی تنصیب درکار نہیں، اور CPU متبادل نہیں ہے۔ پہلی بار 484.6 MB ماڈل ڈیٹا اور تقریباً 22–35 MB رن ٹائم وسائل ڈاؤن لوڈ ہوتے ہیں۔ ماڈل جوڑنے اور لوڈ کرنے کے لیے بھی براؤزر کو میموری چاہیے۔

ویڈیو یا استفسار اپ لوڈ نہیں ہوتا۔ «مناظر کا اشاریہ بنائیں» دبانے پر مقررہ عوامی وسائل کے لیے jsDelivr اور Hugging Face، بشمول اس کے ڈاؤن لوڈ CDN، سے عام رابطے ہوتے ہیں۔ فراہم کنندگان کو IP پتے جیسی معمول کی رابطے کی معلومات ملتی ہیں۔ صرف جانچے ہوئے عوامی ماڈل حصے کیش ہوتے ہیں؛ فائلیں اور استفسار صفحے کی میموری میں رہتے ہیں۔ صاف کرنے، منسوخ کرنے یا صفحہ چھوڑنے سے یہ ان پٹ اور نتائج خارج ہو جاتے ہیں۔ مکمل ماڈل حصے دوبارہ استعمال کے لیے رہتے ہیں؛ انہیں براؤزر کی سائٹ ڈیٹا ترتیبات سے حذف کر سکتے ہیں۔

عام سوالات

یہ آلہ کیا تلاش کر سکتا ہے؟

یہ منتخب بصری فریموں کو انگریزی بیان کے مطابق ترتیب دیتا ہے۔ امیدوار وقت سے اصل ویڈیو دیکھیں۔ یہ گفتگو نہیں ڈھونڈتا، ہر واقعہ نہیں پہچانتا اور بیان کردہ منظر کی موجودگی کی ضمانت نہیں دیتا۔

نمونے لینے کا کون سا وقفہ چنوں؟

100 سیکنڈ تک کی ویڈیو کے لیے 5 سیکنڈ سے شروع کریں۔ 40 سیکنڈ تک 2 سیکنڈ، 20 سیکنڈ تک 1 سیکنڈ، یا 10 سیکنڈ تک 0.5 سیکنڈ لیں۔ زیادہ نمونے مختصر تبدیلی پکڑ سکتے ہیں، مگر ان کے درمیان کے لمحات پھر بھی چھوٹ سکتے ہیں۔

کیا زیادہ اسکور منظر کی موجودگی ثابت کرتا ہے؟

نہیں۔ مماثلت قریب ترین فریم ترتیب دیتی ہے، چاہے کوئی بھی بیان سے نہ ملے۔ اصل فریم کی جانچ صرف یہ ثابت کرتی ہے کہ اسی براؤزر نے وہی اصل فریم دوبارہ ڈی کوڈ کیا؛ اس کا مواد آپ کو دیکھنا ہے۔

ویڈیو یا ماڈل لوڈ کیوں نہیں ہوتا؟

فائل، کوڈیک، 50 MB اور پکسل حدوں، اور 20 نمونوں کے منصوبے کو دیکھیں۔ WebGPU اور کافی خالی میموری و ذخیرے والا حالیہ ڈیسک ٹاپ Chrome استعمال کریں۔ ڈاؤن لوڈ یا کیش کی خرابی پر خود دوبارہ کوشش ضروری ہے؛ CPU یا اپ لوڈ متبادل نہیں۔

کیا ویڈیو یا بیان اپ لوڈ ہوتا ہے؟

نہیں۔ ویڈیو ڈی کوڈنگ، ایمبیڈنگ، درجہ بندی اور اصل کی جانچ براؤزر میں چلتی ہے۔ عوامی ماڈل اور رن ٹائم وسائل مذکورہ فراہم کنندگان سے ڈاؤن لوڈ ہوتے ہیں، جنہیں عام رابطے کی معلومات ملتی ہیں۔ صرف عوامی ماڈل حصے کیش ہوتے ہیں؛ آپ کی فائل اور استفسار محفوظ نہیں ہوتے۔