ایک نیا اوپن سورس پروجیکٹ شرط لگا رہا ہے کہ میموری کو تلاش کرنے کا تیز ترین طریقہ اسے بیان کرنا ہے - اور یہ کہ تلاش آپ کے لیپ ٹاپ کو کبھی نہیں چھوڑنی چاہئے۔ SCM، اسکرین میموریز کے لیے مختصر، ایک مفت macOS ایپلی کیشن ہے جو فولڈر میں موجود ہر تصویر اور ویڈیو کے ہر فریم پر مقامی AI ماڈلز کا اطلاق کرتی ہے، جس سے صارفین اپنی لائبریریوں کو سادہ زبان میں تلاش کرتے ہیں۔ یہ پروجیکٹ اس ہفتے GitHub پر نمودار ہوا اور تیزی سے ہیکر نیوز کے صفحہ اول پر چڑھ گیا، جہاں اس نے گھنٹوں میں 85 سے زیادہ پوائنٹس حاصل کر لیے۔
سطح پر پچ آسان ہے: کسی بھی فولڈر پر SCM کی طرف اشارہ کریں، اور یہ آپ کے میڈیا میں اصل میں کیا ہے اس کا ایک قابل تلاش انڈیکس بناتا ہے — نہ صرف فائل کے نام، بلکہ ہر تصویر کے بصری مواد اور ہر ویڈیو کے اندر موجود ہر منظر۔ AI فوٹو ٹولز کے پرہجوم فیلڈ میں جو چیز اسے الگ کرتی ہے وہ یہ ہے کہ یہ سب میک پر ہی چلتا ہے۔ یہاں کوئی اکاؤنٹس نہیں ہیں، کوئی کلاؤڈ اپ لوڈ نہیں ہے اور کوئی ٹیلی میٹری نہیں ہے۔ ایک بار جب ماڈل پہلی بار اپنا وزن ڈاؤن لوڈ کر لیتے ہیں، تو ایپ آف لائن کام کرتی ہے۔ For more context on this story, see our ongoing breaking AI news.
میڈیا کی زندگی بھر تلاش کرنے کے پانچ طریقے
SCM تلاش کو پانچ الگ الگ طریقوں میں منظم کرتا ہے، جن میں سے ہر ایک مقامی طور پر چلنے والے مختلف ماڈل سے چلتا ہے۔
فائلز موڈ تصاویر اور ویڈیوز میں مکمل فائل سیمینٹک تلاش کرتا ہے، فائل کے ناموں اور فقروں سے بڑھتے ہوئے معنی کے لحاظ سے نتائج کی درجہ بندی کرتا ہے۔ مناظر مزید گہرے ہوتے جاتے ہیں: ایپ ویڈیوز کو انفرادی مناظر میں سیگمنٹ کرتی ہے اور ہر ایک کو الگ الگ ایمبیڈ کرتی ہے، اس لیے ایک سوال فائل کے نام میں دفن ٹائم اسٹیمپ کے بجائے سیدھے اس کے ٹائم کوڈ پر چھلانگ لگا کر آپ کو عین مطابق شاٹ پر لے جاتا ہے۔دو ٹیکسٹ فوکسڈ موڈز میڈیا کے اندر الفاظ کو ہینڈل کرتے ہیں۔ OCR موڈ، Tesseract انجن پر بنایا گیا ہے، وہ متن پڑھتا ہے جو تصاویر اور ویڈیو فریموں میں بظاہر موجود ہوتا ہے اور اس سے لفظی طور پر میل کھاتا ہے، انگریزی کے علاوہ 35 اضافی لینگویج پیک کے ساتھ جسے ٹوگل کیا جا سکتا ہے۔ ڈائیلاگ موڈ وِسپر اسپیچ ریکگنیشن کو ویڈیوز پر چلاتا ہے اور مخصوص سطر کا شکار کرنے کے لیے مماثل درستگی کے ٹائرڈ لیولز کے ساتھ، بولے جانے والے عین مطابق الفاظ کو انڈیکس کرتا ہے۔
آخر میں، ایک آپٹ ان LLMs موڈ نکالا گیا مواد — ڈائیلاگ ٹرانسکرپٹس، OCR ٹیکسٹ اور فائل نام — کو مقامی چیٹ سیاق و سباق میں بدل دیتا ہے۔ صارفین اپنی لائبریری کے بارے میں سوالات پوچھ سکتے ہیں، اور ایپ سورس فائلوں کی طرف اشارہ کرتے ہوئے اقتباسات کے ساتھ جوابات واپس کرتی ہے، یہ سب ایک ہی مشین پر چلنے والے ماڈل کے ذریعے تیار کیے گئے ہیں۔
یہ ہڈ کے نیچے کیسے کام کرتا ہے۔
تکنیکی طور پر، ایس سی ایم ایک الیکٹران ایپلی کیشن ہے جو جاوا اسکرپٹ میں لکھی گئی ہے، بن ٹول کٹ کو اس کے پیکیج مینیجر اور رن ٹائم کے طور پر استعمال کرتی ہے۔ ہیوی لفٹنگ ٹرانسفارمر ماڈلز کے ذریعے کی جاتی ہے جو براہ راست ایپ میں چلائے جاتے ہیں — پہلے سے طے شدہ وژن ماڈل ایک CLIP ویرینٹ ہے جس کا وزن، تقریباً 435 میگا بائٹس، پہلی بار استعمال کرنے پر ایک بار ڈاؤن لوڈ کیا جاتا ہے۔
انڈیکس خود کو برقرار رکھتا ہے۔ دیکھے ہوئے فولڈرز نئے میڈیا کے آتے ہی خودکار طور پر درآمد کر دیتے ہیں، مواد ہیشنگ فائلوں کو ڈپلیکیٹ کرتا ہے جن کا محض نام تبدیل یا منتقل کیا گیا ہے، اور کسی مختلف ماڈل پر سوئچ کرنے سے لائبریری کو پس منظر میں تلاش کو مسدود کیے بغیر دوبارہ سرایت کر دیتی ہے۔ ڈویلپر نوٹ کرتا ہے کہ مینو بار اور ٹرے کی خصوصیات macOS کے لیے مخصوص ہیں، جہاں ایپ کو تقسیم کے لیے پیک کیا جاتا ہے۔
پرائیویسی ماڈل سیلنگ پوائنٹ ہے۔ پروجیکٹ کی دستاویزات واضح ہیں: میڈیا کبھی بھی مشین کو نہیں چھوڑتا، ٹرانسفارمر کے رن ٹائمز کے ذریعے اندازہ مقامی طور پر چلتا ہے، اور ابتدائی وزن ڈاؤن لوڈ کے بعد سب کچھ آف لائن کام کرتا ہے۔ حساس آرکائیوز والے صارفین کے لیے — طبی امیجری، قانونی فوٹیج، ذاتی ویڈیو — کہ آرکیٹیکچرل انتخاب ایک خصوصیت ہے۔
ذاتی آرکائیوز کے لیے بنایا گیا ہے۔
انٹرفیس حسب ضرورت کے اسی فلسفے کی عکاسی کرتا ہے۔ کسی بھی سوال کو دوبارہ قابل استعمال ٹیب کے طور پر محفوظ کیا جا سکتا ہے، اس لیے ایک تلاش جس میں فقرے میں ایک لمحہ لگتا ہے لائبریری پر ایک مستقل منظر بن جاتا ہے۔ ایپ ٹوگل ایبل اسکرین شاٹس اور ای میل ٹیبز کے ساتھ بھی بھیجتی ہے، یہ تسلیم کرتے ہوئے کہ جدید میک اسکرین شاٹس اور اٹیچمنٹ کو اس رفتار سے جمع کرتا ہے جو آپریٹنگ سسٹم کی اپنی تلاش کو تیزی سے بڑھا دیتا ہے۔
بنیادی تکنیک سیمنٹک تلاش کی اب معیاری مشینری ہے: ایک وژن ماڈل ہر تصویر اور ویڈیو سین کو عددی سرایت میں تبدیل کرتا ہے، اور سوالات کو اسی طرح سرایت کیا جاتا ہے تاکہ مماثلت مطلوبہ الفاظ کے اوورلیپ کے بجائے معنی کے مطابق ہو۔ یہاں جو چیز قابل ذکر ہے وہ تکنیک نہیں بلکہ پیکیجنگ ہے — وہی پائپ لائن جو کلاؤڈ فوٹو سروسز سرور فارمز پر چلتی ہے ایک الیکٹران ایپ میں کمپریس کی جاتی ہے جسے ایک نان ڈیولپر اپنی پسند کے فولڈرز پر انسٹال اور چلا سکتا ہے۔
مقامی AI کی طرف ایک بڑی تبدیلی کا حصہ
ایس سی ایم اس وقت آیا جب صارفین کے ہارڈویئر پر قابل AI ماڈلز چل رہے ہیں نئے سے توقع تک۔ ایپل نے اپنی فوٹو ایپ میں سیمنٹک سرچ کو مستقل طور پر آگے بڑھایا ہے، جبکہ اوپن سورس اسپیچ، ویژن اور ٹیکسٹ ماڈل سائز میں سکڑ گئے ہیں جو لیپ ٹاپ پر آرام سے چلتے ہیں۔ جو چیز قلیل رہ جاتی ہے وہ بنیادی ماڈلز نہیں بلکہ انٹیگریشن لیئر ہے — سافٹ ویئر جو ان کو ایک ایسی چیز میں جوڑتا ہے جو ایک غیر انجینئر دراصل اپنی فائلوں پر استعمال کر سکتا ہے۔
یہ وہ جگہ ہے جہاں SCM کا قبضہ ہے، اور اس کا استقبال بتاتا ہے کہ خارش حقیقی ہے۔ ذخیرے نے تقریباً ایک دن میں 160 ستارے اور آٹھ فورک اکٹھے کیے، ہیکر نیوز کے تبصرہ نگاروں نے اپنے سوالات کو ماڈل کے سائز، اشاریہ سازی کی رفتار اور ونڈوز کی دستیابی پر مرکوز کیا — فی الحال آخری کا جواب نہیں ہے، کیونکہ یہ پروجیکٹ صرف میکوس کے لیے ہے۔
یہ منصوبہ MIT لائسنس کے تحت جاری کیا گیا ہے، جو تجارتی استعمال اور ترمیم کی اجازت دیتا ہے۔ فوٹوز اور اسکرین ریکارڈنگز کے بڑے، غیر منظم آرکائیو اور اسے کہیں بھی اپ لوڈ کرنے کی اصولی ناپسندیدگی کے حامل ہر فرد کے لیے، یہ ابھی تک سب سے زیادہ زبردست مظاہروں میں سے ایک ہے کہ ایک مکمل مقامی میڈیا سرچ انجن اب کوئی ریسرچ ڈیمو نہیں ہے — یہ ایک دوپہر کی تنصیب ہے۔
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
