meme-search：基于内容的表情包搜索引擎

meme-search：基于内容的表情包搜索引擎

meme-search The open source Meme Search Engine and Finder. Free and built to self-host locally with Python, Ruby, and Docker. 项目地址: https://gitcode.com/gh_mirrors/me/meme-search

项目介绍

meme-search 是一个开源的表情包搜索引擎，使用 Python、Ruby 和 Docker 技术构建，可以自我托管。它通过人工智能技术索引表情包的内容和文本，使得用户可以轻松检索用于表情包战争（meme warfare）的素材。所有的处理过程，包括图像到文本的提取、向量嵌入到搜索，都在本地完成，保证了数据处理的安全性和隐私性。

项目技术分析

meme-search 采用了多种技术构建，包括：

• 图像到文本模型：支持多种大小的图像到文本模型，从小型（约2亿参数）到大型（约20亿参数），以满足不同需求。
• 向量搜索：使用 Postgres 和 pgvector 进行向量搜索，实现快速的关键词和向量搜索。
• 目录路径管理：支持跨多个子目录组织表情包，无需将所有内容存储在一个文件夹中。
• 自动描述生成：可以针对特定表情包自动生成描述，而不是对整个目录应用。

项目及应用场景

meme-search 的应用场景广泛，主要包括：

• 个人表情包管理：帮助用户高效管理和检索个人表情包收藏。
• 社交媒体内容创作：为社交媒体内容创作者提供快速的表情包搜索和生成工具。
• 教育和研究：在教育和研究领域，可以用于快速检索相关表情包作为教学或研究素材。

项目特点

多模型支持

meme-search 支持多种图像到文本模型，包括 Microsoft 的 Florence-2 系列、Hugging Face 的 SmolVLM 系列，以及vikhyatk 的 Moondream2 模型，用户可以根据自己的需求和资源选择合适的模型。

自动生成描述

用户可以为特定的表情包生成自动描述，而无需对整个目录中的表情包进行操作。

手动编辑描述

用户可以手动编辑或添加描述，以获得更好的搜索结果，无需等待自动生成。

标签管理

创建、编辑和分配标签，以便更好地组织和筛选表情包。

快速向量搜索

利用 Postgres 和 pgvector 实现快速向量搜索，提高搜索效率。

目录路径管理

支持在多个子目录中组织表情包，提供灵活的目录管理。

新的 organizational 工具

通过标签、目录路径和描述向量进行筛选，以及切换关键词和向量搜索，提供更多的控制选项。

安装和使用

安装 meme-search 非常简单，用户可以通过 Docker Compose 来启动服务。具体步骤如下：

1. 拉取仓库并使用 Docker Compose 启动服务：

docker compose up

2. 服务将运行在 3000 端口，可通过 http://localhost:3000 访问。

3. 根据需要，用户可以自定义服务的主机和端口。

4. 使用 Docker Compose 构建本地应用：

docker compose -f docker-compose-local-build.yml up --build

5. 运行测试以确保应用正常工作：

bash run_tests.sh

meme-search 作为一个开源项目，正处于积极开发中，欢迎有兴趣的开发者参与贡献和改进。通过这个项目，用户可以更高效地管理和检索表情包，为社交媒体、教育和研究领域提供强大的工具。

meme-search The open source Meme Search Engine and Finder. Free and built to self-host locally with Python, Ruby, and Docker. 项目地址: https://gitcode.com/gh_mirrors/me/meme-search