facet
Facet es un motor local de análisis y culling de fotografías que ejecuta puntuaciones multidimensionales (estética, calidad de rostro, etc.) y permite organizar bibliotecas mediante reconocimiento facial y búsqueda semántica.
Ficha actualizada 22 sept 2026, 17:29 · upstream 22 sept 2026, 15:01 · release v1.15.2
Qué es facet
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Facet es una aplicación web local para gestión avanzada de fotografía que combina un motor de análisis con reconocimiento facial y búsqueda semántica. Utiliza una arquitectura híbrida basada en Next.js para la interfaz frontend y FastAPI/Python para el backend, ejecutándose nativamente en Windows, macOS, Linux o mediante Docker. Todo el procesamiento ocurre localmente sin depender de servicios en la nube ni suscripciones externas.
El sistema asigna puntuaciones automáticas a cada imagen en nueve dimensiones (calidad estética, composición, nitidez ocular, rango dinámico, etc.) y clasifica el contenido en más de 30 categorías. Incluye capacidades robustas de culling que detectan ráfagas, grupos similares, secuencias HDR y parpadeos, permitiendo al usuario seleccionar las mejores tomas sin perder contextos creativos como exposiciones múltiples o panorámicas.
La interfaz web ofrece una galería virtualizada para manejar bibliotecas de gran tamaño con fluidez, soporte para búsqueda natural y visualización en mapa. Facet permite organizar colecciones mediante álbumes manuales o inteligentes, reconocimiento de personas y gestión de etiquetas generadas por IA. Además, incluye herramientas de exportación para compartir álbumes vía enlaces seguros, generar portafolios estáticos HTML o enviar archivos a marcos digitales y dispositivos IoT.
- Gestión local de bibliotecas fotográficas sin dependencia de servicios en la nube.
- Selección automática (culling) de ráfagas mediante detección de nitidez y parpadeo.
- Organización de colecciones por reconocimiento facial y agrupación de personas.
- Búsqueda semántica natural para encontrar imágenes por descripción del contenido.
- Exportación de portafolios estáticos HTML o CSV para análisis externo.
- Visualización geográfica de fotos en mapas interactivos con clústeres.
- Arquitectura local sin nube ni suscripciones (offline-first) que garantiza privacidad total.
- Puntuación multidimensional en 9 dimensiones con ajuste fino de pesos por categoría.
- Protección automática de secuencias creativas (HDR, panorámicas) durante el culling.
- Soporte nativo para formatos RAW de 10 cámaras y decodificación automática de HIF/HEIC.
- Interfaz web virtualizada capaz de renderizar galerías de 100k+ fotos con fluidez.
- Capacidad de compartir álbumes mediante enlaces seguros sin autenticación para el receptor.
- Requiere GPU opcional para funciones avanzadas (VLM, AI critique) con requisitos específicos de VRAM (16GB/24GB).
- La decodificación de archivos HIF requiere soporte específico en Pillow (versión 11.3+).
- Las funciones de IA como AI Critique y AI Captions dependen de hardware GPU y memoria RAM adicional.
- El reconocimiento facial puede requerir configuración manual para fusionar clusters similares.
- La interfaz web requiere un navegador moderno compatible con PWA y WebDAV para algunas funciones.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Facet soporta instalación nativa en Windows, macOS y Linux, o mediante Docker/Compose. Se recomienda asignar al menos 4 núcleos CPU y 8GB RAM para un rendimiento óptimo. La GPU es opcional pero necesaria para funciones avanzadas de IA como la crítica visual o generación de descripciones. Para entornos de producción, se debe configurar el puerto 5000 y gestionar las variables de entorno según la documentación oficial. El sistema soporta reinicios de escaneo con parámetros --resume y --retry-failed.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.