用Gemma4-31B在2021 MacBook上本地索引一年视频：50GB swap实战

一个开发者用5年前的MacBook Pro M1 Max，跑了一夜Gemma 4 31B模型，把一年的视频素材全部索引成了可搜索的存档。整个过程用了50GB的swap，但最终成功了。

背景

这位开发者（NJ）常年在非洲马赛马拉和西班牙之间往返，积累了大量视频素材——iPhone、DJI Pocket、无人机、Nikon Z8、Ray-Ban Meta眼镜拍的。素材多到根本没时间编辑。

他的解决方案是：用本地AI模型来处理这些视频。不是上传到云端，而是在自己的MacBook上跑。

技术方案

硬件

• 2021 MacBook Pro M1 Max
• 64GB内存（实际用到了50GB+ swap）
• 多个SSD存储视频素材

软件

• LM Studio：本地运行AI模型的工具
• Gemma 4 31B：Google最新的开源模型，31B参数
• 自定义索引脚本

工作流程

1. 把视频文件路径传给Gemma 4
2. 模型分析视频内容，生成描述和标签
3. 建立索引数据库
4. 之后可以用自然语言搜索视频内容

50GB swap是怎么回事

M1 Max有64GB统一内存，但31B模型加上视频处理需要的内存远超这个数字。系统自动使用了50GB的swap空间——也就是把SSD当内存用。

这听起来很疯狂，但实际上跑了一整夜（大约8小时）就完成了。M1 Max的SSD速度很快，swap的性能损失没有想象中那么大。

踩过的坑

开发者分享了4个bug：

• 内存泄漏：长时间运行后内存占用会持续增长，需要定期重启
• 模型幻觉：Gemma 4有时候会”编造”视频内容，需要人工验证
• 文件路径问题：中文文件名在某些情况下会出错
• 性能波动：处理大文件时速度会明显下降

对普通用户的启发

这个案例说明，本地AI模型已经强大到可以处理实际的生产力任务。如果你也有大量视频或图片需要整理，可以考虑：

• 用LM Studio或Ollama跑本地模型
• 选择适合你硬件的模型大小（8B-35B比较合适）
• 准备好足够的存储空间（swap需要SSD空间）
• 耐心等待——本地处理比云端慢，但更私密、更便宜

参考来源：Indexing a year of video locally on a 2021 MacBook with Gemma4-31B