Capabilities
核心能力
访问先进的 embedding 模型，获得专业图片理解能力。
CLIP 语义搜索
基于 Google Gemini Embedding / qwen3-vl-embedding 的向量检索，支持自然语言描述搜索图片，准确理解语义。
OCR 文字识别
基于 PaddleOCR-VL 引擎，精准提取图片文字内容，并可与视觉特征融合提升检索准确率。
人脸识别
基于本地人脸识别模型检测图片中的人脸并提取特征向量，本地运行，不消耗云端额度。
Modes
运行模式
灵活适配不同使用场景，从个人照片库到更大规模的批处理任务。
官方 API 模式
推荐登录 Copilot API，按量计费，支持融合向量。
- 一键登录，免自备 Key
- 批处理流水线 + 数据库写入
- 注册送 ¥5 免费额度
BYOK 模式
开发中使用自己的 Google / 阿里 API Key，支持实时 API 调用。
- 自备 API Key
- CLIP 语义搜索
- OCR 文字识别
FAQ
常见问题
人脸识别在客户端本地运行，不消耗云端 Token，不产生额外费用。
它适合截图、票据、文档照片等含文字图片。系统会把 OCR 文字与视觉特征一起向量化，提高以文搜图的命中率。
支持 Google Gemini embedding（gemini-embedding-2 推荐）与阿里通义 qwen3-vl-embedding，二者均为云端多模态向量模型，可在设置中按需切换。
MT Copilot 是 MT Photos 的 AI 增强模块，为你的照片库提供语义搜索、OCR 文字识别与本地人脸识别能力，需配合 MT Photos 一起使用。
人脸识别在本地客户端运行，图片原文件不会离开你的部署环境；语义检索所需的向量由你选定的云端模型生成，你可随时切换为纯本地方案。
立即开始使用 MT Copilot
为你的照片库注入智能搜索能力。