可商用图片视频动图检索

要解决什么

为落地页找一张真实背景图、为视频找一段工厂产线的素材镜头、在聊天里找一个合适的反应 GIF——这类需求如果交给生成模型，产出的是虚构画面，既无法充当历史档案，也无法保证商用合规。反过来，手工去 Flickr、Wikimedia、Internet Archive、Pexels 等站点逐个搜索，又要反复核对授权条款、整理来源链接，成本很高。这个技能做的是把分散的免费图、视频、GIF 检索接口统一成一次查询，返回带授权标签的归一化结果，减少在多个站点间来回搬运的工作量。

它怎么工作

核心脚本是 webmedia.py，一次 fan-out 同时查询多个来源，输出统一 schema 的结果：{source, title, url, thumb, dl, page_url, author, license, w, h, type}，其中 dl 是可直接下载的媒体 URL。

来源分两类：

• 免 Key 源：openverse（CC 网络图片）、wikimedia（事实性与历史照片）、internetarchive 与 loc（历史档案与照片）、nasa（航天影像）。默认即可用。
• 免费 Key 源：pexels、pixabay（现代图库与短片）、klipy、giphy（GIF，仅在 --type gif 时触发）。Key 从 central/.env 读取，缺失时自动跳过该源。

常用开关：--source all|nokey|wikimedia,pexels、--type image|video、--count N、--json。加上 --download --out DIR 后，会下载每个结果的直链文件，并在同目录写出 attribution.json（source、author、license、url、page_url），方便交付前核对授权。

视频检索的关键取舍：档案源（Internet Archive、LoC）托管的是整部影片，不是单个镜头。所以“现代短片”直接走 pexels/pixabay（生来就是可直链的 MP4）；“历史单镜头”则先取回 IA 的影片，再用 Twelve Labs Marengo（免费额度）按语义定位时刻，或用 ffmpeg + PySceneDetect + CLIP 做离线分镜与关键帧排序。

音频不在主脚本范围内：音效检索与“听感是否达标”由同级脚本 freesound-fetch.py 和 audio-judge.py 承担。后者调用 gpt-audio 返回结构化判断，适合粗筛，但主观审美仍需人工听一遍。

边界与注意点

• 授权标签与 attribution 字段在商用或公开发布前必须人工复核，第三方元数据质量参差不齐。
• 结果受 API 可用性、配额、凭据状态影响；klipy 适配器按 Tenor 兼容协议假设实现，接入前应对照 docs.klipy.com 验证。
• 相关性排序只能找到“看起来合理”的素材，品牌安全、审美匹配与音频适用性仍需人工确认。