O que é o Facet?
O Facet é um mecanismo local de análise e seleção de fotos com galeria web: ele pontua cada imagem e depois permite navegar, selecionar e organizar os resultados. O README diz que tudo roda no seu computador, sem nuvem, contas nem chaves de API, e o código é sob licença MIT.
O arquivo LICENSE nomeia Nicolas Coevoet como titular dos direitos autorais. O trabalho se divide em duas ferramentas: um scanner iniciado pela linha de comando e um visualizador que serve a galeria no navegador.
Onde obter
O Facet é instalado a partir do repositório de código com Docker ou um script de instalação; o projeto não publica instalador, página em loja de apps nem binário de release.
Opção | Onde obter |
|---|---|
| Docker (recomendado) | Guia de instalação: clonar, definir a pasta de fotos, docker compose up |
| Sem Docker | Clonar, executar bash install.sh e depois python facet.py e python viewer.py (Linux, macOS) |
| Documentação | Pasta docs do repositório |
| Site | ncoevoet.github.io/facet |
| Código-fonte | github.com/ncoevoet/facet (MIT) |
| Versões | Releases do GitHub, só notas |
Versão analisada: v1.25.0, publicada em 27 de outubro de 2026 segundo o release do GitHub; o último push no repositório foi em 28 de outubro de 2026. A instalação exige terminal, Git e Docker ou Python, então é uma configuração para desenvolvedores, não uma instalação com duplo clique. Nenhuma página separada de política de privacidade foi encontrada no site do projeto nem na documentação lida; as declarações de privacidade estão no README.
Requisitos
A documentação diz que o Facet roda em qualquer computador com CPU e que uma GPU NVIDIA ou um Mac com Apple Silicon e muita memória libera os modelos mais fortes.
Perfis
- O que dizem as fontes:
- legacy: só CPU; 8gb: NVIDIA 6-14 GB; 16gb: NVIDIA 14-20 GB; 24gb: NVIDIA 20 GB ou mais
Download no primeiro uso
- O que dizem as fontes:
- Segundo a documentação, uma única vez, cerca de 4.7 GB (legacy), 6.9 GB (8gb), 14.6 GB (16gb) ou 19.1 GB (24gb)
Apple Silicon
- O que dizem as fontes:
- Usa o backend Metal para os modelos Torch; o perfil auto é definido pela memória unificada total e 32 GB chega a 16gb
Memória
- O que dizem as fontes:
- A documentação não informa um mínimo de RAM; avisa que um contêiner com limite de memória pode ser encerrado no meio da varredura em perfis maiores
Software
- O que dizem as fontes:
- Docker, ou Python 3.12 (3.10+ funciona) e Node.js 20+ para compilar a galeria na instalação manual
Sistema operacional
- O que dizem as fontes:
- Windows, macOS ou Linux; no Windows a documentação indica o Docker e, para GPU NVIDIA, o WSL2
Formatos de foto
- O que dizem as fontes:
- JPEG, HEIC, 10 formatos RAW, PNG, WebP, TIFF, AVIF e JPEG XL, entre outros
Esses números vêm da documentação do projeto; a PromptQuorum não mediu o tempo de varredura nem o uso de memória em nenhum hardware.
Como começar
Estas etapas seguem a documentação do projeto; a PromptQuorum não as executou.
- 1Obtenha o código e defina a pasta
Why it matters: Clone o repositório, copie .env.example para .env e defina PHOTOS_DIR com a sua pasta de fotos. - 2Inicie o Facet
Why it matters: Execute docker compose up -d; com uma placa NVIDIA, acrescente o arquivo compose do tamanho dela, ou use o script de instalação sem Docker. - 3Faça a varredura e espere os downloads
Why it matters: A primeira varredura baixa os modelos do seu perfil, cria o banco de dados e pontua as fotos; você pode navegar enquanto ela trabalha. - 4Abra a galeria e defina uma senha
Why it matters: Abra o visualizador no navegador, entre com a senha de edição que a imagem do Docker mostra uma vez e defina uma senha do visualizador antes de compartilhar a porta.
Principais recursos
Cada item abaixo vem do README ou da documentação do projeto; a PromptQuorum não testou nenhum deles.
- Pontuar. Nove dimensões por foto, entre elas qualidade estética, composição, qualidade dos rostos, nitidez dos olhos e exposição, ponderadas por categoria de conteúdo (mais de 30 categorias).
- Selecionar. Grupos de rajadas, fotos parecidas e cenas, marcação de piscadas, detecção de quase duplicatas e uma seleção automática com prévia em simulação; sequências de exposição e panoramas ficam inteiros.
- Navegar. Visualizações em mosaico e grade, filtros, linha do tempo, mapa, álbuns incluindo álbuns inteligentes, apresentações temáticas e lembranças de «neste dia».
- Organizar. Pessoas com nome e sugestões de mesclagem, avaliações por estrelas, tags e ações em lote com um desfazer rápido.
- Compartilhar e conectar. Links de álbum com modo de aprovação pelo cliente, sidecars XMP para Lightroom, darktable e digiKam, uma caixa de entrada WebDAV para envios do celular e sincronização de avaliações com o Immich.
Recursos de IA e onde eles rodam
A IA central trabalha com imagens: modelos de pontuação de qualidade, embeddings para a busca, modelos de rostos e detecção do assunto; tags, legendas e críticas escritas vêm de um modelo opcional de visão e linguagem.
- Notas de qualidade. Os perfis 16gb e 24gb usam o TOPIQ para a nota estética, enquanto legacy e 8gb usam embeddings CLIP com uma cabeça estética; a documentação lista avaliadores complementares como o LIQE como disponíveis em qualquer perfil.
- Busca. Consultas como «pôr do sol na praia» são comparadas com embeddings: SigLIP 2 em 16gb e 24gb, OpenCLIP ViT-L-14 em legacy e 8gb.
- Rostos. O InsightFace detecta e reconhece rostos e um agrupamento os reúne em pessoas; os blendshapes opcionais do MediaPipe refinam a leitura de piscadas e sorrisos.
- Assuntos. O BiRefNet separa o assunto do fundo para julgar foco e enquadramento.
- My Taste. Suas comparações A/B, avaliações e decisões de seleção alimentam um otimizador de pesos e um ranking pessoal.
- Modelo de visão e linguagem. Tags, legendas e críticas rodam no mesmo processo nos perfis 16gb e 24gb, ou em um servidor remoto Ollama ou compatível com OpenAI definido em vlm_backend; nesse caso a imagem é enviada a esse servidor.
Fluxo de dados e privacidade
O README diz que tudo roda no seu computador, sem nuvem, contas nem chaves de API, e a documentação diz que uma varredura apenas lê suas fotos e grava os resultados no banco de dados do próprio Facet. Os modelos são baixados no primeiro uso de fontes do Hugging Face, PyIQA e InsightFace para caches locais; a PromptQuorum não testou o funcionamento offline depois desse download.
Solicitações externas encontradas na documentação e no código: uma verificação de atualizações que pergunta ao GitHub pela última versão a cada 7 dias, a menos que updates.enabled seja false; blocos de mapa que o navegador carrega do servidor de tiles do OpenStreetMap; uma janela de edição de GPS que cita o geocodificador Photon; e, somente se você configurar vlm_backend com Ollama ou um servidor compatível com OpenAI, as imagens que você enviar para lá. O script do visualizador escuta em todas as interfaces por padrão, e enquanto viewer.password estiver vazio, qualquer pessoa que alcance a porta pode navegar pela biblioteca e baixar os originais. O endpoint para assistentes MCP vem ativado por padrão; em uma instalação aberta ele oferece uma chave anônima somente de leitura, e viewer.mcp.enabled como false o desativa.
📌Nota: São as declarações do projeto e a leitura que a PromptQuorum faz da documentação e do código. O tráfego de rede não foi inspecionado e o restante do código-fonte não foi auditado.
Licenças dos modelos
O código do Facet é sob licença MIT, mas alguns modelos que ele baixa por padrão não têm licença para uso comercial. A página de licenças do projeto lista o pyiqa (TOPIQ, LIQE e os demais avaliadores) como código PolyForm Noncommercial com pesos CC BY-NC-SA, e os pesos InsightFace buffalo_l como apenas para pesquisa não comercial. A API do GitHub não reconhece nenhuma licença para o repositório, então leia o próprio arquivo LICENSE.
Com licensing.mode em commercial, o Facet se limita a modelos com licenças permissivas: componentes restritos nunca são importados nem baixados, e cada vaga é direcionada a um substituto, como YuNet e SFace para rostos. O script de instalação padrão e a imagem do Docker incluem os pacotes restritos, e uma instalação comercial não troca o modo por conta própria. A página afirma que é informação, não aconselhamento jurídico.
📌Nota: Se você pretende usar o Facet em um negócio, confira por conta própria a licença de cada modelo antes de confiar na configuração padrão.
Para quem serve
- Fotógrafos com bibliotecas grandes que querem separar rajadas, piscadas e quase duplicatas antes de editar.
- Quem faz auto-hospedagem e quer uma galeria privada com busca em linguagem natural e agrupamento de rostos, e se sente à vontade com o Docker.
- Usuários de Lightroom, darktable e digiKam que querem receber pontuações e escolhas de volta como arquivos sidecar padrão.
O que não conseguimos verificar
- Qualidade da IA. Precisão da pontuação, agrupamento de rostos, relevância da busca e velocidade de varredura não foram testados; o próprio README chama a nota estética de aproximada.
- Uso offline. Não verificamos se o Facet funciona totalmente offline depois do primeiro download dos modelos.
- Estabilidade das versões. As notas da v1.23.1 dizem que a v1.23.0 saiu sem a imagem CUDA do Docker, e três versões foram lançadas entre 24 e 27 de outubro de 2026, então espere mudanças rápidas.
- Suporte. O README descreve um projeto de um único desenvolvedor, sem o suporte das ferramentas comerciais de seleção.
- Etapas de instalação. Os comandos de instalação vêm da documentação e a PromptQuorum não os executou.
Concorrentes e alternativas
O diretório tem outras três ferramentas analisadas de bibliotecas de fotos e imagens no mesmo segmento.
Immich
- Plataformas:
- Servidor (Docker), iOS, Android, navegador
- Preço / licença:
- Grátis / AGPL-3.0
- Diferença principal:
- Backup do celular e busca; segundo o README do Facet, o Facet acrescenta pontuação de qualidade e seleção e pode sincronizar avaliações com o Immich
Artigos sobre Immich (1)
- Immich Review: Self-Hosted Photo Library with Smart SearchAtualizado 26 de outubro de 2026
PhotoPrism
- Plataformas:
- Servidor (Docker), navegador
- Preço / licença:
- Community grátis / AGPL-3.0
- Diferença principal:
- Biblioteca de fotos auto-hospedada com IA; o README do Facet a agrupa com o Immich como ferramenta de organização, busca e backup
Artigos sobre PhotoPrism (1)
- PhotoPrism Review: Self-Hosted AI Photo Library for Your ServerAtualizado 24 de outubro de 2026
PixlStash
- Plataformas:
- App desktop para Windows, macOS, Linux, web
- Preço / licença:
- Grátis / GPL-3.0
- Diferença principal:
- Biblioteca de imagens com marcação local, legendas e integração com ComfyUI, instalada como app desktop
Artigos sobre PixlStash (1)
- PixlStash Review: Self-Hosted Image Library Manager with Local AI TaggingAtualizado 17 de outubro de 2026
Confirme o preço, a licença e as plataformas atuais de cada app na própria página dele.
Perguntas frequentes
O Facet precisa de GPU?
Não. O perfil legacy executa pontuação, rostos, tags, seleção e galeria em CPU, só que mais devagar; TOPIQ, SigLIP 2 e as legendas integradas exigem os perfis NVIDIA 16gb ou 24gb, a menos que você aponte vlm_backend para um servidor remoto.
O Facet altera ou apaga minhas fotos?
A documentação diz que uma varredura apenas as lê. Gravar avaliações e palavras-chave nos seus arquivos é uma ação opcional separada, e mover descartes para a lixeira só funciona se viewer.cull.allow_trash estiver ativado.
Posso usar o Facet pelo celular?
Não há app nativo. A galeria é um app web responsivo e instalável, e a documentação descreve o PhotoSync ou qualquer app WebDAV enviando fotos para uma caixa de entrada monitorada.
Como uso o Facet comercialmente?
Instale a versão comercial, defina licensing.mode como commercial e execute o comando doctor, que mostra a situação de licenças ativa; depois leia a página de licenças dos modelos.
Como mantenho a galeria privada?
Defina viewer.password e coloque o visualizador atrás de um proxy reverso com HTTPS; a documentação de implantação traz exemplos com nginx e Caddy.
Veredicto
O Facet é uma forma gratuita e ativamente atualizada de pontuar, selecionar e navegar uma grande biblioteca de fotos local, com agrupamento de rostos e busca em linguagem natural rodando no seu próprio computador. Em contrapartida, a instalação exige terminal e um grande download de modelos no primeiro uso, segundo a página de licenças do projeto parte dos pesos de modelo padrão não tem licença comercial, segundo a documentação o visualizador fica aberto até você definir uma senha, um recurso opcional pode enviar imagens a um servidor remoto e nenhuma das afirmações sobre a qualidade da IA pôde ser verificada aqui. Serve a fotógrafos e a quem faz auto-hospedagem e se sente à vontade com o Docker; quem quer um app de duplo clique ou um assistente LLM deve procurar em outro lugar.
Fontes
- Site do Facet — visão geral dos recursos e início rápido, conferidos em 28 de outubro de 2026.
- README do Facet — recursos, requisitos, licenças e comparações, conferidos em 28 de outubro de 2026.
- Documentação do Facet — instalação, configuração, implantação e páginas sobre agentes de IA, conferidas em 28 de outubro de 2026.
- Modelos e licenças de terceiros — licença de cada modelo, conferida em 28 de outubro de 2026.
- Facet no GitHub — versões e atividade de commits, conferidas em 28 de outubro de 2026.