Reseña de PixlStash: gestor de bibliotecas de imágenes autoalojado con etiquetado de IA local

PixlStash se distribuye como app de escritorio con instalación de doble clic en los tres sistemas, sin necesidad de terminal. Los archivos están adjuntos a la última versión de GitHub; las filas siguientes van de la vía más sencilla a la más compleja.

PixlStash es un gestor de bibliotecas de imágenes, no una app de chat ni un generador de imágenes. El repositorio lo describe como una herramienta para encontrar cosas en «una biblioteca de imágenes que se ha ido de las manos»: importa y etiqueta imágenes automáticamente, busca por contenido o por rostro y ofrece datos a otras herramientas como ComfyUI mediante una API REST.

La versión 1.11 lee las carpetas que ya tienes y crea proyectos, personas y conjuntos a partir de sus nombres, sin copiar, mover ni renombrar nada. Puedes usarlo como app de escritorio o sin interfaz en un servidor, con una interfaz en el navegador.

Esta reseña se basa en el sitio web, sus páginas de instalación, funciones, IA y privacidad, y el repositorio de GitHub. No hubo pruebas prácticas, así que aquí no se valoran la velocidad, la precisión del etiquetado ni la estabilidad.

La configuración consiste en descargar un instalador y apuntar la app a una carpeta. Los pasos siguen las páginas de instalación y de funciones.

La idea central es revisar y buscar rápidamente en una biblioteca grande. Todo lo siguiente procede de la página de funciones.

Todos los modelos se ejecutan en tu equipo y los pesos se descargan en el primer inicio. La página de IA nombra OpenCLIP ViT-B-32 para la búsqueda semántica, InsightFace SCRFD-10G con el paquete buffalo_l para los rostros y Florence-2 para descripciones y segmentación.

Los etiquetadores por defecto son PixlStash Tagger, descrito como un finetune de wd-convnext-tagger-v3, además de WD14 y JoyCaption. Moondream2 se instala como plugin mediante pixlstash-cli.

La app de escritorio incluye un runtime de CPU, de modo que todos los modelos funcionan sin conexión desde el primer inicio. La aceleración NVIDIA CUDA es una descarga opcional, la compatibilidad con AMD ROCm es experimental y solo está en la app de escritorio, y el sitio no publica ningún requisito de RAM ni de VRAM.

Según la política de privacidad (última actualización: 3 de agosto de 2026), tu biblioteca nunca llega al desarrollador. Indica que no hay cuenta, ni sincronización en la nube, ni servidor central, y que compartir es opcional y revocable. La comprobación de actualizaciones y un ID de instalación anónimo están ambos desactivados por defecto; si se activan, envían una versión, un tipo de instalación o un ID aleatorio, nunca contenido de la biblioteca.

Los pesos de los modelos proceden de servicios como Hugging Face y, en los complementos de GPU, de PyPI y del índice de PyTorch, por lo que el primer inicio necesita acceso a internet. La página de IA menciona también un generador de descripciones para APIs de visión compatibles con OpenAI; cualquier endpoint remoto que configures queda fuera de la afirmación «solo local».

La agrupación de rostros crea embeddings faciales de las personas que aparecen en tus imágenes. Según el sitio permanecen en tu equipo, pero si eso está permitido para imágenes de otras personas o para uso comercial es responsabilidad tuya; el sitio ofrece el paquete AuraFace para uso comercial y no da condiciones de licencia para los demás modelos. El código está bajo GPL-3.0 según GitHub, mientras que el sitio solo habla de código abierto. Esta reseña no inspeccionó el tráfico de red, así que estas afirmaciones son las del desarrollador.

El directorio no incluye otro gestor de bibliotecas de imágenes, así que estas herramientas cubren solo parte de la misma tarea: modelos de visión que describen imágenes, una app de etiquetado autoalojada y el generador al que se conecta PixlStash.

PixlStash es una opción prometedora para creadores que necesitan domar una gran biblioteca de imágenes con IA local: se instala como una app normal, lee las carpetas existentes en el sitio y mantiene sus modelos en tu equipo.

Las salvedades son la madurez y la transparencia: no hay lista de formatos de archivo ni cifras de escala, el sitio no cita ninguna licencia y el repositorio tiene 89 estrellas en GitHub. Pruébalo primero con una copia de una carpeta antes de apuntarlo a un archivo irremplazable, y haz una copia de seguridad antes.