Reelary 用了哪些 AI 模型
最后更新：2026 年 10 月 10 日
Reelary 没有自己训练的私有模型。每项 AI 功能用的都是下表里各家公开发布的模型，下载一次，之后都在你的 Mac 或 PC 上本地跑。你的素材、声音样本和生成的内容，既不会发给我们，也不会发给这些模型的开发者。
| 功能 | 模型 | 开发者 | 用来做什么 |
|---|---|---|---|
| 画面搜索（快速档） | MobileCLIP-S2 | Apple | 把视频画面和你输入的搜索词都转成向量，按意思匹配镜头。 |
| 画面搜索（高质量档） | SigLIP ViT-B/16 | 向量更精准，电脑配置够强时自动换用它。 | |
| 语音转写与字幕 | Whisper base (whisper.cpp) | OpenAI | 把对白转成文字，用来搜台词和自动加字幕。 |
| 场景描述 | InternVL3-1B | OpenGVLab（上海人工智能实验室） | 给每个建好索引的画面写一句描述。 |
| 语义文本搜索 | multilingual-e5-small | Microsoft | 按意思匹配台词文字和画面描述，中文搜英文也能对上。 |
| 人物（人脸分组） | YuNet + SFace | OpenCV Zoo | 找出画面里的人脸，把同一个人的片段归到一起。名字只能由你自己填。 |
| 配音与声音克隆 (TTS) | Chatterbox Turbo, Chatterbox Multilingual | Resemble AI | 用预设音色把文字念成旁白，Pro 还能用你提供的声音样本克隆音色。 |
| 自动重新构图 (9:16 / 1:1) | YOLOX-Tiny | Megvii（旷视） | 盯住画面主体，裁成竖屏或方形时不把人裁出去。 |
| 物体与水印擦除 | MI-GAN | Picsart AI Research | 把你在画面上框出的区域自然补齐。 |
脚本怎么变成搜索词
写好脚本后，Reelary 会把每句拆成找镜头用的搜索短语。默认在本机完成，不用任何语言模型。你也可以在设置里接入任意 OpenAI 兼容的聊天 API（比如 OpenAI 的 GPT 模型）。这时发出去的只有你写的脚本文字，用的是你自己的 API key，发给你自己配置的服务商；素材一帧都不会传。
官网上的免费在线工具
官网上的免费工具通过 Transformers.js 直接在浏览器里跑开源模型：Whisper Base 和 Small（OpenAI，MIT 许可证）用在视频转文字和字幕生成，Florence-2 base（Microsoft，MIT 许可证）用在 AI 视频描述，CLIP ViT-B/32（OpenAI，MIT 许可证）用在视频里找某个画面，MODNet（Apache 2.0）用在视频去背景，MI-GAN（Picsart AI Research，MIT 许可证，通过 ONNX Runtime Web 运行）用在视频去水印/去 Logo。模型文件从 Hugging Face 下载，你选的视频始终只在浏览器里处理。
地图数据
地点地图的底图瓦片来自 OpenFreeMap，基于 OpenStreetMap 数据（© OpenStreetMap 贡献者）。搜索用的地名查的是软件自带的 GeoNames 城市数据库，离线完成，采用 CC BY 4.0 许可。这两样都不是 AI 模型。
声音克隆和 AI 生成内容
声音克隆只用你自己导入的样本，而且只能克隆你自己的声音，或者已经取得本人同意的声音。不得用来生成色情、暴力、仇恨、危害儿童、冒充他人或侵权的内容。完整清单、违规怎么处理、怎么举报滥用，见服务条款里的内容规则。
联系我们
对这些模型有疑问，或者要举报滥用？发邮件到 support@reelary.app。