以前在《SentrySearch，开源视频语义搜索工具，专为行车记录仪、家庭监控设计》 和《PicQuery：开源 Android 本地 AI 相册搜索神器，用自然语言找照片》介绍过针对图片和视频语义搜索的开源工具，但主要针对Android 和监控类场景需求设计。PC上 MaterialSearch、FrameScout 虽然支持图片和视频语义搜索，但主要针对 Windows 平台，macOS上支持图片和视频语义搜索的开源工具一直没有令人满意的可推荐。
SCM（Screen Memories）是近期在 Hacker News 和各大开发者社区备受关注的 macOS 开源本地 AI 多媒体搜索神器。
SCM 的目标非常直接：给 Mac 本地的照片、截图和视频建立 AI 索引，然后通过自然语言搜索这些媒体内容。而且整个 AI 推理过程都在本地完成。不需要账户、不需要 API Key，也不需要把照片上传到云端。视觉模型、OCR、Whisper 和可选的本地大语言模型都可以直接运行在 Mac 上。
SCM 的核心定位是“像你思考一样搜索记忆”。它不是简单的文件名匹配，而是真正理解画面内容、屏幕文字和语音内容。
- SCM 输入是文件夹，不是相册库。 与 Apple 照片、Immich 这类以“图库”为中心的产品不同，SCM 通过 ⌘I、拖放或监视文件夹导入，导入后持续监听变化。录屏、下载的视频、截图堆、项目素材都能丢进去。
- SCM 对截图与录屏特别友好。 内置 Screenshots 标签页，以及从 OCR 文字中提取邮箱地址的 Email 标签页，这也是“Screen Memories”这个名字的由来。
SCM 主要搜索模式包括：
- Files（整文件语义搜索）：用自然语言描述画面（如“狗在海滩上奔跑”），基于 CLIP / SigLIP 视觉模型 + 文件名关键词增强进行排序，并给出“为什么匹配”的提示。
- Scenes（视频场景级搜索）：自动检测镜头切换，对每个场景片段嵌入，搜索后直接跳转到对应时间码（最多展示每视频 3 个相关场景）。
- OCR（文字搜索）：用 Tesseract 识别图片和视频帧中的文字（支持 36 种语言），可高亮匹配词，甚至能重组破碎的邮箱地址。
- Dialogue（对话搜索）：基于 Whisper 转录语音，支持精确句子、精确词语或出现过的词匹配。
- LLMs（可选 Ask 模式）：用本地 llama.cpp 侧车（如 Qwen3 1.7B 或 Llama 3.2 3B）基于已提取的对话、OCR 和文件名进行对话式问答，并给出引用。
其他实用功能还包括：内置标签页（全部、视频、截图、邮箱）、可保存的查询标签、拖拽导入与文件夹监控、内容哈希去重、可切换的视觉模型（CLIP ViT-L/14、SigLIP 系列）、菜单栏模式、背景工作进程等。
与众多基于ChatGPT、Claude等大模型的图片/视频语义搜索工具相比，隐私与本地优先是 SCM 最突出的亮点之一：
- 所有推理在本地 Mac 上完成，无账号、无云端、无遥测、无上传。
- 模型权重首次下载后完全离线可用（默认 CLIP 约 435MB）。
- 数据存储在 ~/Library/Application Support/scm。
- 沙盒渲染器 + 本地处理，适合对隐私敏感的用户（家庭照片、工作素材、截图库等）。
类似 SCM 支持图片+视频语义搜索不错的开源项目：
MaterialSearch：https://github.com/chn-lee-yumi/MaterialSearch Windows开箱即用，中文友好
FrameScout：https://github.com/bobgsning/FrameScout Windows开箱即用，中文友好
Screenpipe ：https://github.com/screenpipe/screenpipe
Omoide：https://github.com/EinAeffchen/Omoide
Glimpse：https://github.com/MahdiBenAmeur/glimpse
VideoSeek：https://github.com/6v17/VideoSeek
主流的图片管理库像 Ente Photos、Immich、PhotoPrism、LibrePhotos 也都支持语义搜索。