¿Qué es Facet?
Facet es un motor local de análisis y selección de fotos con galería web: puntúa cada imagen y luego te deja explorar, seleccionar y organizar los resultados. El README dice que todo se ejecuta en tu equipo, sin nube, cuentas ni claves de API, y el código tiene licencia MIT.
El archivo LICENSE nombra a Nicolas Coevoet como titular de los derechos de autor. El trabajo se reparte entre dos herramientas: un escáner que se lanza desde la línea de comandos y un visor que sirve la galería en tu navegador.
Dónde conseguirlo
Facet se instala desde su repositorio de código con Docker o un script de instalación; el proyecto no publica instalador, ficha en una tienda de apps ni binario de release.
Opción | Cómo conseguirlo |
|---|---|
| Docker (recomendado) | Guía de instalación: clonar, indicar la carpeta de fotos, docker compose up |
| Sin Docker | Clonar, ejecutar bash install.sh y luego python facet.py y python viewer.py (Linux, macOS) |
| Documentación | Carpeta docs del repositorio |
| Sitio web | ncoevoet.github.io/facet |
| Código fuente | github.com/ncoevoet/facet (MIT) |
| Versiones | Releases de GitHub, solo notas |
Versión revisada: v1.25.0, publicada el 27 de octubre de 2026 según el release de GitHub; el último push al repositorio fue el 28 de octubre de 2026. Instalar requiere una terminal, Git y Docker o Python, así que es una instalación para desarrolladores y no un instalador de doble clic. No se encontró una página de política de privacidad aparte en el sitio del proyecto ni en la documentación leída; las declaraciones de privacidad están en el README.
Requisitos
La documentación dice que Facet funciona en cualquier equipo con CPU y que una GPU NVIDIA o un Mac con Apple Silicon con mucha memoria desbloquea sus modelos más potentes.
Perfiles
- Qué dicen las fuentes:
- legacy: solo CPU; 8gb: NVIDIA 6-14 GB; 16gb: NVIDIA 14-20 GB; 24gb: NVIDIA 20 GB o más
Descarga en el primer uso
- Qué dicen las fuentes:
- Según la documentación, una sola vez, unos 4.7 GB (legacy), 6.9 GB (8gb), 14.6 GB (16gb) o 19.1 GB (24gb)
Apple Silicon
- Qué dicen las fuentes:
- Usa el backend Metal para los modelos Torch; el perfil auto se calcula con la memoria unificada total y 32 GB alcanza 16gb
Memoria
- Qué dicen las fuentes:
- La documentación no indica un mínimo de RAM; avisa de que un contenedor con límite de memoria puede cerrarse en pleno escaneo con perfiles grandes
Software
- Qué dicen las fuentes:
- Docker, o Python 3.12 (3.10+ funciona) y Node.js 20+ para compilar la galería en una instalación manual
Sistema operativo
- Qué dicen las fuentes:
- Windows, macOS o Linux; en Windows la documentación remite a Docker y, para una GPU NVIDIA, a WSL2
Formatos de foto
- Qué dicen las fuentes:
- JPEG, HEIC, 10 formatos RAW, PNG, WebP, TIFF, AVIF y JPEG XL, entre otros
Estas cifras provienen de la documentación del proyecto; PromptQuorum no midió el tiempo de escaneo ni el uso de memoria en ningún hardware.
Cómo empezar
Estos pasos siguen la documentación del proyecto; PromptQuorum no los ha ejecutado.
- 1Obtén el código e indica la carpeta
Why it matters: Clona el repositorio, copia .env.example a .env y fija PHOTOS_DIR con tu carpeta de fotos. - 2Inicia Facet
Why it matters: Ejecuta docker compose up -d; con una tarjeta NVIDIA, añade el archivo compose de su tamaño, o usa el script de instalación sin Docker. - 3Escanea y espera las descargas
Why it matters: El primer escaneo descarga los modelos de tu perfil, crea la base de datos y puntúa las fotos; puedes explorar mientras trabaja. - 4Abre la galería y pon una contraseña
Why it matters: Abre el visor en el navegador, inicia sesión con la contraseña de edición que la imagen de Docker muestra una vez y establece una contraseña del visor antes de compartir el puerto.
Funciones principales
Cada elemento siguiente procede del README o de la documentación del proyecto; PromptQuorum no ha probado ninguno.
- Puntuar. Nueve dimensiones por foto, entre ellas calidad estética, composición, calidad de las caras, nitidez de los ojos y exposición, ponderadas por categoría de contenido (más de 30 categorías).
- Seleccionar. Grupos de ráfagas, fotos parecidas y escenas, marcas de parpadeo, detección de casi duplicados y una selección automática con vista previa en simulación; las series de exposición y los panoramas se mantienen enteros.
- Explorar. Vistas de mosaico y cuadrícula, filtros, línea de tiempo, mapa, álbumes con álbumes inteligentes, presentaciones temáticas y recuerdos de «un día como hoy».
- Organizar. Personas con nombre y sugerencias de fusión, valoraciones con estrellas, etiquetas y acciones por lotes con un deshacer breve.
- Compartir y conectar. Enlaces de álbum con modo de revisión por clientes, sidecars XMP para Lightroom, darktable y digiKam, una bandeja WebDAV para subidas desde el móvil y sincronización de valoraciones con Immich.
Funciones de IA y dónde se ejecutan
La IA central trabaja con imágenes: modelos de puntuación de calidad, embeddings para la búsqueda, modelos de caras y detección del sujeto; las etiquetas, descripciones y críticas escritas proceden de un modelo opcional de visión y lenguaje.
- Puntuaciones de calidad. Los perfiles 16gb y 24gb usan TOPIQ para la puntuación estética, mientras que legacy y 8gb usan embeddings CLIP con una cabeza estética; la documentación indica que puntuadores complementarios como LIQE están disponibles en cualquier perfil.
- Búsqueda. Consultas como «atardecer en la playa» se comparan con embeddings: SigLIP 2 en 16gb y 24gb, OpenCLIP ViT-L-14 en legacy y 8gb.
- Caras. InsightFace detecta y reconoce caras y un agrupamiento las reúne en personas; los blendshapes opcionales de MediaPipe afinan la lectura de parpadeo y sonrisa.
- Sujetos. BiRefNet separa el sujeto del fondo para juzgar el enfoque y el encuadre.
- My Taste. Tus comparaciones A/B, valoraciones y decisiones de selección alimentan un optimizador de pesos y una clasificación personal.
- Modelo de visión y lenguaje. Etiquetas, descripciones y críticas se ejecutan en el mismo proceso con los perfiles 16gb y 24gb, o en un servidor remoto de Ollama o compatible con OpenAI indicado con vlm_backend; en ese caso la imagen se envía a ese servidor.
Flujo de datos y privacidad
El README dice que todo se ejecuta en tu equipo, sin nube, cuentas ni claves de API, y la documentación dice que un escaneo solo lee tus fotos y escribe los resultados en la base de datos propia de Facet. Los modelos se descargan en el primer uso desde fuentes de Hugging Face, PyIQA e InsightFace a cachés locales; PromptQuorum no probó el funcionamiento sin conexión tras esa descarga.
Solicitudes salientes que aparecen en la documentación y el código: una comprobación de actualizaciones que pregunta a GitHub por la última versión cada 7 días salvo que updates.enabled sea false; mosaicos de mapa que el navegador carga del servidor de teselas de OpenStreetMap; un cuadro de edición de GPS que cita el geocodificador Photon; y, solo si configuras vlm_backend con Ollama o un servidor compatible con OpenAI, las imágenes que envíes allí. El script del visor escucha en todas las interfaces por defecto, y mientras viewer.password esté vacío, cualquiera que alcance el puerto puede explorar la biblioteca y descargar los originales. El endpoint para asistentes MCP está activado por defecto; en una instalación abierta ofrece una clave anónima de solo lectura, y viewer.mcp.enabled en false lo desactiva.
📌Nota: Estas son las declaraciones del proyecto y la lectura que PromptQuorum hace de su documentación y su código. No se inspeccionó el tráfico de red y no se auditó el resto del código.
Licencias de los modelos
El código de Facet tiene licencia MIT, pero algunos modelos que descarga por defecto no tienen licencia para uso comercial. La página de licencias del proyecto lista pyiqa (TOPIQ, LIQE y los demás puntuadores) como código PolyForm Noncommercial con pesos CC BY-NC-SA, y los pesos InsightFace buffalo_l como solo para investigación no comercial. La API de GitHub no reconoce ninguna licencia para el repositorio, así que lee el propio archivo LICENSE.
Con licensing.mode en commercial, Facet se limita a modelos con licencias permisivas: los componentes restringidos nunca se importan ni se descargan, y cada ranura se dirige a un sustituto, como YuNet y SFace para las caras. El script de instalación estándar y la imagen de Docker incluyen los paquetes restringidos, y una instalación comercial no cambia el modo por sí sola. La página aclara que es información y no asesoramiento jurídico.
📌Nota: Si piensas usar Facet en un negocio, comprueba tú mismo la licencia de cada modelo antes de confiar en la configuración por defecto.
Para quién es
- Fotógrafos con bibliotecas grandes que quieren ordenar ráfagas, parpadeos y casi duplicados antes de editar.
- Quienes autoalojan y quieren una galería privada con búsqueda en lenguaje natural y agrupación de caras, y se manejan con Docker.
- Usuarios de Lightroom, darktable y digiKam que quieren recuperar puntuaciones y selecciones como archivos sidecar estándar.
Lo que no pudimos verificar
- Calidad de la IA. No se probaron la precisión de la puntuación, la agrupación de caras, la relevancia de la búsqueda ni la velocidad de escaneo; el propio README llama aproximada a la puntuación estética.
- Uso sin conexión. No se verificó si Facet funciona del todo sin conexión tras la primera descarga de modelos.
- Estabilidad de las versiones. Las notas de la v1.23.1 dicen que la v1.23.0 salió sin la imagen CUDA de Docker, y entre el 24 y el 27 de octubre de 2026 se publicaron tres versiones, así que espera cambios rápidos.
- Soporte. El README describe un proyecto de un solo desarrollador, sin el soporte de las herramientas comerciales de selección.
- Pasos de instalación. Los comandos de instalación proceden de la documentación y PromptQuorum no los ejecutó.
Competidores y alternativas
El directorio incluye otras tres herramientas de bibliotecas de fotos e imágenes con análisis en el mismo segmento.
Immich
- Plataformas:
- Servidor (Docker), iOS, Android, navegador
- Precio / licencia:
- Gratis / AGPL-3.0
- Diferencia clave:
- Copia de seguridad desde el móvil y búsqueda; según el README de Facet, Facet añade puntuación de calidad y selección y puede sincronizar valoraciones con Immich
Artículos sobre Immich (1)
- Immich Review: Self-Hosted Photo Library with Smart SearchActualizado 26 de octubre de 2026
PhotoPrism
- Plataformas:
- Servidor (Docker), navegador
- Precio / licencia:
- Community gratis / AGPL-3.0
- Diferencia clave:
- Biblioteca de fotos autoalojada con IA; el README de Facet la agrupa con Immich como herramienta de organización, búsqueda y copia de seguridad
Artículos sobre PhotoPrism (1)
- PhotoPrism Review: Self-Hosted AI Photo Library for Your ServerActualizado 24 de octubre de 2026
PixlStash
- Plataformas:
- App de escritorio para Windows, macOS, Linux, web
- Precio / licencia:
- Gratis / GPL-3.0
- Diferencia clave:
- Biblioteca de imágenes con etiquetado local, descripciones e integración con ComfyUI, instalada como app de escritorio
Artículos sobre PixlStash (1)
- PixlStash Review: Self-Hosted Image Library Manager with Local AI TaggingActualizado 17 de octubre de 2026
Confirma el precio, la licencia y las plataformas actuales de cada app en su propia página.
Preguntas frecuentes
¿Facet necesita una GPU?
No. El perfil legacy ejecuta puntuación, caras, etiquetas, selección y galería en una CPU, solo que más despacio; TOPIQ, SigLIP 2 y las descripciones integradas requieren los perfiles NVIDIA 16gb o 24gb, salvo que apuntes vlm_backend a un servidor remoto.
¿Facet modifica o borra mis fotos?
La documentación dice que un escaneo solo las lee. Escribir valoraciones y palabras clave en tus archivos es una acción opcional aparte, y mover los descartes a la papelera solo funciona si viewer.cull.allow_trash está activado.
¿Puedo usar Facet desde el móvil?
No hay app nativa. La galería es una app web adaptable e instalable, y la documentación describe cómo PhotoSync o cualquier app WebDAV sube fotos a una bandeja vigilada.
¿Cómo uso Facet con fines comerciales?
Instala la versión comercial, establece licensing.mode en commercial y ejecuta el comando doctor, que muestra la postura de licencias activa; después lee la página de licencias de los modelos.
¿Cómo mantengo la galería privada?
Establece viewer.password y coloca el visor tras un proxy inverso con HTTPS; la documentación de despliegue incluye ejemplos con nginx y Caddy.
Veredicto
Facet es una forma gratuita y activamente mantenida de puntuar, seleccionar y explorar una biblioteca grande de fotos locales, con agrupación de caras y búsqueda en lenguaje natural que se ejecutan en tu propio equipo. En contra, la instalación requiere una terminal y una gran descarga de modelos en el primer uso, según la página de licencias del proyecto algunos pesos de modelo por defecto no tienen licencia comercial, según su documentación el visor está abierto hasta que pones una contraseña, una función opcional puede enviar imágenes a un servidor remoto y ninguna de las afirmaciones sobre la calidad de la IA pudo comprobarse aquí. Encaja con fotógrafos y quienes autoalojan y se manejan con Docker; quien busque una app de doble clic o un asistente LLM debería mirar en otra parte.
Fuentes
- Sitio web de Facet — resumen de funciones e inicio rápido, revisado el 28 de octubre de 2026.
- README de Facet — funciones, requisitos, licencias y comparaciones, revisado el 28 de octubre de 2026.
- Documentación de Facet — instalación, configuración, despliegue y páginas de agentes de IA, revisadas el 28 de octubre de 2026.
- Modelos y licencias de terceros — licencia de cada modelo, revisada el 28 de octubre de 2026.
- Facet en GitHub — versiones y actividad de commits, revisadas el 28 de octubre de 2026.