Chiphell - 分享与交流用户体验

标题: 有没有好用的AI搜索照片查看管理软件 [打印本页]

作者: ndswj 时间: 2025-1-20 11:30
标题: 有没有好用的AI搜索照片查看管理软件
电脑照片太多，有时候想搜某一类照片，然后从中找到自己想要的照片。手动阅览太慢。
比如输入关键词“山”“云朵”“汽车”这种搜索方式。

作者: archxm 时间: 2025-1-20 11:35
现在的ai普遍是要联网的，
实际上，照片搜索压根不需要特强的ai。
无非分析照片里的那个什么附加的 gps 经纬信息，定位。然后图像识别，建立关键词索引。

作者: it1771 时间: 2025-1-20 11:36
本帖最后由 it1771 于 2025-1-20 11:40 编辑

mt photo可以

顺便支持本地离线运行 AI引擎也是自己nas上挂docker搭建的建完后无需联网

(, 下载次数: 21)

(, 下载次数: 16)

作者: archxm 时间: 2025-1-20 11:44
好像还有个 immich 开源免费。
春节假期可以折腾一下

作者: hen8899 时间: 2025-1-20 12:12
搭个nas?

作者: wuxinkuaiyu 时间: 2025-1-20 12:15
等等微软的recall吧

作者: lyf362345 时间: 2025-1-20 13:45
在用immich，你说的这些能满足

作者: ufofc 时间: 2025-1-20 14:50
群晖呀，moments。

作者: uprit 时间: 2025-1-21 00:16
搭车问下，群晖摄像头套件ss有替代的吗？

作者: KAMIKALA 时间: 2025-1-21 12:13
MT photos ，目前试用了半个月，iOS APP端除了不能自动后台备份，需要打开APP，其他很满意。

作者: Albedo 时间: 2025-1-21 13:59
Immich
(, 下载次数: 17) (, 下载次数: 21)

作者: AMAX 时间: 2025-1-21 14:07
本帖最后由 AMAX 于 2025-1-21 14:10 编辑

KAMIKALA 发表于 2025-1-21 12:13
MT photos ，目前试用了半个月，iOS APP端除了不能自动后台备份，需要打开APP，其他很满意。 ...

看到他们有个DEMO网页
https://d.mtmt.tech/photos
需要打开“以文搜图”，
然后感觉搜索结果还是不太好。。。搜“冰淇淋”结果出来一堆人脸，搜水果结果出来冰淇淋，更别提长句子了。。。

作者: it1771 时间: 2025-1-21 14:24

AMAX 发表于 2025-1-21 14:07
看到他们有个DEMO网页
https://d.mtmt.tech/photos
需要打开“以文搜图”，

我试了下我自建的没问题。用的是教程里加的独立识别引擎反正免费30天你搭个自己试试好了
添加智能识别API
文本识别
基于PaddleOCR实现的文本识别(OCR)服务，由于封装的docker镜像较大，所以使用单独的容器来运行这部分服务。

当照片完成文本识别之后，可以通过搜索图片中的文字来找图片。

以文搜图
使用Chinese-CLIP（OpenAI CLIP模型的中文版本），提取图片的特征，然后使用文本来寻找相关的图片；

当CLIP识别任务完成之后，可以在搜索中通过一段文字来寻找图片。

搜索时可以使用具体的物品、场景等来搜索，比如：猫、森林、Excel表格；也可以加上描述，比如沙发上的猫、林间小路等；

视频演示
以文搜图和文本识别的使用效果请查看：

https://www.bilibili.com/video/BV1Fu4y1b7ds

作者: 雨季不再来 时间: 2025-1-21 14:28

it1771 发表于 2025-1-20 11:36
mt photo可以

这个好，对NAS CPU、内存，有啥要求吗？

作者: it1771 时间: 2025-1-21 15:02

雨季不再来发表于 2025-1-21 14:28
这个好，对NAS CPU、内存，有啥要求吗？

没啥要求更好的CPU 识别建立图库速度更快而已。而且也支持让高性能电脑来开识别引擎进行第一次识别。后续再切换给NAS搭建的识别引擎，

作者: JasonGreen 时间: 2025-1-21 15:28
mt-photo或者immich都有这种功能，mt-photo还支持更换别的模型来提高准确率。

作者: aiyaya2004 时间: 2025-1-21 16:01
本帖最后由 aiyaya2004 于 2025-1-21 16:08 编辑

自建，immich
(, 下载次数: 14)

欢迎光临 Chiphell - 分享与交流用户体验 (https://www.chiphell.com/)