一个跑在 NAS Docker 上的监控摄像头录像管理系统。接入摄像头实时流，支持循环录像、按天保留、每日精华视频自动剪辑（可选大模型识别有价值画面），并提供浏览器 Web 管理界面。
- 📺 实时画面：通过 go2rtc 接入摄像头 RTSP/小米流，浏览器低延迟实时查看（MSE/WebRTC）
- 📹 循环录像：FFmpeg 分段录制，按天保留策略自动清理过期录像
- 🤖 大模型精华筛选：每日自动分析录像，支持「系统自动（运动检测）」与「大模型识别」两种模式——大模型模式对运动片段抽帧，调用多模态大模型判断画面是否含人员、车辆、包裹等有价值事件，识别更智能
- ✂️ 自动剪辑：将活跃片段智能拼接为精华视频，永久保存；支持一键手动生成
- � 大模型日记：每日自动分析录像运动片段，调用多模态大模型总结当天发生的事并生成一篇日记；可开关、按日期网格浏览、点击查看详情
- � 画面缩略图：录像回看与精华视频列表均展示画面缩略图，精华视频支持在线播放
- 🌐 Web 管理：浏览器访问面板，配置摄像头、录像策略、精华参数；面板修改自动持久化，重启/升级不丢失
- 🔄 自动恢复：录制进程异常退出后自动重启，保证录像连续性
- 🐳 Docker 部署：Docker Compose 一键启动，适配群晖/威联通等主流 NAS
┌──────────┐ RTSP ┌──────────┐ WebSocket/MSE ┌──────────┐
│ 摄像头 │ ──────────→ │ go2rtc │ ──────────────────→ │ 浏览器 │
└──────────┘ └────┬─────┘ └──────────┘
│ RTSP (Docker 内网)
┌────▼─────┐
│ app │ (Python + FFmpeg)
│ │
│ ├─ recorder 循环录像
│ ├─ highlighter 精华检测+剪辑
│ ├─ diary 大模型日记
│ └─ web FastAPI + Web UI
└────┬─────┘
│
┌──────────┴──────────┐
│ /data/recordings/ │ 循环录像（按天删除）
│ /data/highlights/ │ 精华视频（永久保存）
│ /data/db/ │ SQLite 数据库
└─────────────────────┘
镜像已通过 GitHub Actions 自动构建并发布到 GHCR，NAS 上无需编译，直接拉取运行。 需要 NAS 已安装 Docker 与 Docker Compose（群晖 Container Manager / 威联通 Container Station / 绿联极空间 Docker 界面）。
1. 获取部署文件
只需 3 个文件：docker-compose.yml、go2rtc.yaml.example、.env.example
git clone https://github.com/foodpm/timecut.git
cd timecut
# 复制配置模板
cp go2rtc.yaml.example go2rtc.yaml
cp .env.example .env2. 启动服务（自动拉取预构建镜像）
docker compose up -d首次会自动拉取
ghcr.io/foodpm/timecut:latest与 go2rtc 镜像，无需本地构建。 如需自行编译镜像，将docker-compose.yml中image:一行注释、取消build:注释，再执行docker compose up -d --build。
3. 访问管理面板
打开浏览器访问 http://你的NAS地址:8090
摄像头、录像策略、精华检测等配置均可在 Web 管理面板的「系统设置」中完成，无需手动编辑配置文件。
国内拉取 ghcr.io 镜像经常超时，可直接从 GitHub Releases 下载镜像包，全程无需访问 ghcr.io。 go2rtc 镜像来自 Docker Hub，一般可正常拉取；如遇拉取慢，可给 Docker 配置国内镜像加速器。
1. 下载镜像包
到 Releases 页面，按 NAS 的 CPU 架构下载对应文件：
| NAS 架构 | 下载文件 |
|---|---|
| x86_64（Intel/AMD，群晖、威联通、绿联的大部分机型） | timecut-amd64.tar |
| ARM（群晖/威联通等 ARM 机型） | timecut-arm64.tar |
不确定架构时，在 NAS 终端执行
uname -m：输出x86_64选 amd64，输出aarch64选 arm64。
2. 上传并导入镜像
将 tar 文件上传到 NAS，然后执行：
docker load -i timecut-amd64.tar # 按实际下载的文件名调整3. 修改 compose 文件中的镜像版本
按上文「步骤一」准备 docker-compose.yml、go2rtc.yaml、.env 后，把 docker-compose.yml 里的镜像改为与下载版本一致（不带 v 前缀）：
image: ghcr.io/foodpm/timecut:0.3.1 # 替换为下载时对应的版本号，如 0.3.14. 启动
docker compose up -d浏览器访问 http://你的NAS地址:8090
需要 Python 3.12+、FFmpeg、go2rtc
# 启动 go2rtc（拉流转码）
go2rtc -config go2rtc.yaml
# 启动 Web 服务（虚拟环境）
python3 -m venv .venv && source .venv/bin/activate
pip install -r app/requirements.txt
cd app && python main.py浏览器访问 http://localhost:8090
| 环境变量 | 默认值 | 说明 |
|---|---|---|
CAMERA_RTSP_URL |
- | 摄像头 RTSP 地址 |
CAMERA_NAME |
摄像头 | 摄像头显示名称 |
RECORDING_RETENTION_DAYS |
7 | 录像保留天数，超期自动清理 |
RECORDING_SEGMENT_MINUTES |
60 | 录像分段时长（分钟） |
RECORDING_INTERVAL_MINUTES |
0 | 录制间隔（分钟，0=连续录制；如 30=每录一段后间隔 30 分钟再录） |
RECORDING_START_TIME |
00:00 | 每天开始录制时间（24 小时制，支持跨午夜） |
RECORDING_END_TIME |
23:59 | 每天结束录制时间（24 小时制） |
HIGHLIGHT_DURATION_MINUTES |
5 | 精华视频时长（分钟） |
HIGHLIGHT_SCHEDULE_TIME |
03:00 | 每日精华检测时间（24 小时制） |
HIGHLIGHT_ENABLED |
true | 是否启用精华检测 |
DETECTION_SENSITIVITY |
30 | 运动检测灵敏度（1-100，越小越灵敏） |
AI_ENABLED |
false | 是否启用大模型精华识别（需在面板填 API Key） |
AI_BASE_URL |
https://dashscope.aliyuncs.com/compatible-mode/v1 | 大模型 API 地址（OpenAI 兼容） |
AI_MODEL |
qwen-vl-plus | 多模态模型 ID（需支持图片输入） |
AI_API_KEY |
- | 大模型 API Key |
AI_MAX_SEGMENTS |
20 | 每天最多用大模型分析的片段数（即 API 调用次数上限） |
DIARY_ENABLED |
false | 是否启用大模型日记（需在面板填大模型 API Key，与精华识别共用） |
WEB_PORT |
8090 | Web 管理端口 |
DATA_DIR |
/data | 数据存储目录（Docker 内勿改） |
TZ |
Asia/Shanghai | 时区 |
Q：浏览器无法查看实时画面？
- 确认
go2rtc.yaml中api.origin: "*"已配置（Web UI 与 go2rtc 跨端口访问必需） - 确认 go2rtc 端口
1984与 Web 端口8090均可访问 - 按
F12查看控制台错误信息
Q：录像文件被切成几秒的碎片？
- 碎片通常出现在录制启动初期（流不稳定）。系统会自动过滤时长 <10 秒的无效片段
- 可适当调大
RECORDING_SEGMENT_MINUTES减少切割频率
Q：go2rtc 重启后录像中断？
- 录制进程异常退出后会自动重启（5 秒后），无需手动干预
timecut/
├── app/ # 后端应用
│ ├── main.py # FastAPI 入口
│ ├── config.py # 配置管理
│ ├── database.py # SQLite 数据模型
│ ├── recorder/ # 录像模块（FFmpeg 循环录制）
│ ├── highlighter/ # 精华检测与剪辑模块
│ └── web/ # Web UI（FastAPI 路由 + 静态资源）
├── go2rtc.yaml.example # go2rtc 配置模板（含摄像头流）
├── docker-compose.yml # Docker 编排
├── Dockerfile # 后端镜像构建
├── .env.example # 环境变量模板
└── README.md
- go2rtc — 摄像头流管理（拉流、转码、MSE/WebRTC/HLS）
- FFmpeg — 录像录制、视频分析、片段剪辑
- Python / FastAPI — 后端 API 与业务逻辑
- SQLite — 录像元数据存储
- Tailwind CSS — 前端界面
- Docker Compose — 容器编排