pixlstash
PixlStash es un servidor local para organizar colecciones de imágenes con búsqueda semántica, reconocimiento facial y tagging automático mediante IA. Soporta integración con ComfyUI y ofrece interfaz web o aplicación nativa.
Ficha actualizada 24 sept 2026, 15:08 · upstream 24 sept 2026, 15:03 · release v1.11.3
Qué es pixlstash
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
PixlStash es una herramienta de gestión de bibliotecas de imágenes que combina organización tradicional con capacidades avanzadas de inteligencia artificial. Permite búsqueda semántica mediante CLIP, reconocimiento facial con InsightFace y AuraFace, y tagging automático con múltiples motores seleccionables por solicitud (WD14, Florence-2, JoyCaption o el propio PixlStash Tagger).
La aplicación funciona como servidor headless con interfaz web o como aplicación nativa para Windows, macOS y Linux. Soporta aceleración GPU mediante NVIDIA CUDA o AMD ROCm experimental, ejecutando todos los modelos localmente sin depender de APIs en la nube. Incluye sistema de plugins para extender funcionalidades de filtrado y tagging.
Destaca por su enfoque post-búsqueda: no solo almacena imágenes sino que permite trabajar activamente con ellas mediante puntuación de calidad, detección de anomalías anatómicas, segmentación de objetos y búsqueda inversa por semblanza. La integración bidireccional con ComfyUI permite controlar flujos de trabajo generativos desde PixlStash o llamar a nodos personalizados.
- Organización automática de grandes colecciones de imágenes con tagging semántico y facial
- Integración con ComfyUI para generar imágenes que se almacenan automáticamente en la biblioteca
- Búsqueda inversa por semblanza para encontrar imágenes similares a una referencia
- Revisión y validación manual de tags automáticos mediante cola de revisión y tablero de salud
- Exportación de datasets con historial de versiones para entrenamiento de modelos personalizados
- Búsqueda semántica con CLIP (OpenCLIP ViT-B-32) sin dependencias de API externa
- Reconocimiento facial con múltiples modelos (InsightFace SCRFD-10G, buffalo_l, AuraFace)
- Sistema de plugins para definir nuevas operaciones de filtrado sobre conjuntos de imágenes
- Integración bidireccional con ComfyUI para flujos de trabajo generativos
- Soporte nativo para NVIDIA CUDA y AMD ROCm experimental en aplicación desktop
- Gestión multi-biblioteca independiente con tokens y enlaces compartidos por biblioteca
- Requiere conexión a internet en el primer inicio para descargar modelos de IA (cientos de MB)
- La detección de anomalías anatómicas está calibrada pero puede generar falsos positivos
- Los enlaces compartidos y tokens quedan inactivos al cambiar entre bibliotecas registradas
- El backup incluye credenciales en hub.db, requiriendo precaución con permisos de archivo
- La restauración reemplaza tokens y contraseñas existentes sin opción de fusión
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar como aplicación nativa (Windows/macOS/Linux) o mediante Docker Compose. Requiere 4 núcleos CPU, 8GB RAM y 10GB disco mínimo. Los modelos se descargan automáticamente en ~/.local/share/pixlstash/downloaded_models/ (Linux), ~/Library/Application Support/pixlstash/downloaded_models/ (macOS) o %LOCALAPPDATA%\pixlstash\downloaded_models\ (Windows). Para despliegue headless, usar python -m pixlstash.app --server-config con ruta personalizada. Habilitar allow_remote_host_ops en settings para operaciones remotas.
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.