--- title: pixcull canonical_url: "https://www.modelscope.cn/models/haozi667788/pixcull" md_url: "https://www.modelscope.cn/models/haozi667788/pixcull.md" repository: haozi667788/pixcull chinese_name: "PixCull · 摄影师本地优先 AI 选片工具" last_updated: 2026-10-07 license: mit pipeline_tag: image-classification tasks: - image-classification library_name: - onnx - pytorch frameworks: - pytorch - onnx language: - zh - en domain: - cv downloads: 5 stars: 1 tags: - photography - photo-culling - ai - computer-vision - image-classification - rubric-scoring - lightroom - xmp - local-first - on-device-ai - image-quality-assessment - raw-photography - wedding-photography - apple-silicon --- # pixcull > pixcull - haozi667788 在 ModelScope 开源的模型。PixCull · 摄影师专用的本地 AI 选片工具 haozi667788/pixcull 是 ModelScope 魔搭社区上的image-classification模型，采用 mit 许可。 - **Repository**: haozi667788/pixcull - **License**: mit - **Tasks**: image-classification - **Tags**: photography, photo-culling, ai, computer-vision, image-classification, rubric-scoring, lightroom, xmp, local-first, on-device-ai, image-quality-assessment, raw-photography, wedding-photography, apple-silicon - **Downloads**: 5 - **Stars**: 1 - **Last updated**: 2026-10-07 Source: https://www.modelscope.cn/models/haozi667788/pixcull --- ![PixCull · 本地优先 AI 选片](https://raw.githubusercontent.com/ChrisChen667788/pixcull/main/docs/brand/pixcull-horizontal-lockup.svg) ![PixCull —— 一次拍摄里的六帧,被标记的那一帧](https://raw.githubusercontent.com/ChrisChen667788/pixcull/main/docs/brand/pixcull-hero-dark.svg) [![GitHub](https://img.shields.io/badge/GitHub-ChrisChen667788%2Fpixcull-181717.svg?style=flat-square&logo=github)](https://github.com/ChrisChen667788/pixcull) [![MIT License](https://img.shields.io/badge/license-MIT-blue.svg?style=flat-square)](https://github.com/ChrisChen667788/pixcull/blob/main/LICENSE) ![Python](https://img.shields.io/badge/python-3.11%20%7C%203.12%20%7C%203.13-3776AB.svg?style=flat-square&logo=python&logoColor=white) ![云端判图](https://img.shields.io/badge/MiniMax%20M3-云端判图%20·%20可切纯本地-dcb87e.svg?style=flat-square) [![v0.7](https://img.shields.io/github/v/release/ChrisChen667788/pixcull?style=flat-square&color=dcb87e)](https://github.com/ChrisChen667788/pixcull/releases/latest) # PixCull · 摄影师专用的本地 AI 选片工具 > 给需要向客户解释这次选片的摄影师用。 > > 它把一场拍摄分成保留 / 待定 / 剔除,每张打六个维度的分,并写清楚为什么 —— > 一句你能当着客户念出来的话。跑在你自己的机器上,RAW 不必去任何地方。 > **请升级到 3.94.1:更早的版本装进新环境会少一个评分轴。** > 3.94.1 之前,只要环境里的 setuptools 是 82 或更新(setuptools 82 于 2026 年 2 月发布, > 删掉了 PixCull 一个依赖要导入的模块),美学评分轴就加载不了,运行只按六个轴里的五个 > 打分,日志里只有一行警告。torch 从 2.13(2026 年 7 月)起要求较新的 setuptools, > 所以那之后的每一次新安装都受影响,从 PyPI 安装的全部在内。 > `pip install -U pixcull` 之后,重要的拍摄请重新跑一遍:`scores.csv` 里 `laion_aes` > 一列为空或者不存在,就说明那次是缺了美学轴打的分。 [![PixCull 30 秒介绍片的标题帧:落日下的雪峰套在琥珀色裁切框里,旁边是 Make the frame count.](docs/video/pixcull-30s-poster.jpg)](https://www.modelscope.cn/models/haozi667788/pixcull/resolve/master/docs/video/pixcull-30s.mp4) ▶ [30 秒介绍片](https://www.modelscope.cn/models/haozi667788/pixcull/resolve/master/docs/video/pixcull-30s.mp4)(有配乐,画面文字为英文)。用仓库 `samples/input` 里的样例照片演示功能,不是软件录屏;每句话的出处见 [docs/video/README.md](https://github.com/ChrisChen667788/pixcull/blob/main/docs/video/README.md)。 完整源码 + iOS 伴侣 App + Lightroom 插件,均在 GitHub: **[github.com/ChrisChen667788/pixcull](https://github.com/ChrisChen667788/pixcull)** ## 最近更新 - **v3.94.1**:在 Windows 上,没有 C++ 编译器就装不上 Python 3.13 版的 3.94.0。 有一个包里根本没有代码用到的依赖 `imagededup`(当初声明是为了「去重」,而去重 早就改用 CLIP 和 DINOv2 了),它只发布到 Python 3.12 的预编译包,还带一个必须编译 的 C++ 扩展,所以在 3.13 上每次安装都要现场编译它,Linux ARM 上也一样。CI 的 每台机器都有编译器,所以没有一条 lane 看得到。只用预编译包为 Windows + Python 3.13 解析 3.94.0,会停在「No matching distribution found for imagededup」。它已经 删掉;包代码直接用到、却只靠 imagededup 的依赖树顺带装上的 `scipy`,现在正式声明。 有两道检查守住它。一条测试:声明了却没有任何代码 import 的依赖、以及 import 了却 没声明的依赖,都会失败。一个新的 CI 任务:只用预编译包,为 Windows、Apple Silicon、 Linux 在 Python 3.11、3.12、3.13 上把整棵依赖树解析一遍;只提供源码包的依赖会被 现场构建,证明它是纯 Python。拿 README 的说法去对这张清单,发现平台徽章写着支持 Intel Mac,而 torch 从 2.2 之后就不再给 Intel Mac 出包了;徽章现在只写 Apple Silicon。 美学评分轴在全新安装里一直是缺失的。pyiqa 的两个模型都建在 openai-clip 上,而 openai-clip 开头几行就 import `pkg_resources`;setuptools 82 在 2 月 8 日删掉了这个 模块,而 torch 从 2.13(7 月 8 日)起要求较新的 setuptools,所以那之后的每一次全新 安装都会装上 82 或更新的版本,从 PyPI 装的任何一个旧版本都在其中。于是 `import clip` 失败,评分器把错误吞掉,运行照常进行,只剩五个轴,外加一行让你去装 pyiqa 的警告 —— 而 pyiqa 明明已经装好了。在环境里运行 `python -c "import pkg_resources"` 报错,就说明它受影响;setuptools 低于 82 的环境不受影响。现在 PixCull 在导入时临时提供 openai-clip 从 `pkg_resources` 里拿的那一个名字,用完就撤掉;警告也会说出真正失败的是哪个导入。 是这次给美学轴新加的断网测试抓到的:它在 CI 里还没去拿任何权重,就先在 `import clip` 上失败了。 这一版还有:没有桌面环境的 Linux 需要给 OpenCV 装 `libgl1` 和 `libglib2.0-0`, README 里写上了;在网络全部被拒的情况下加载已缓存模型的那条测试,现在除了 CLIP, 也覆盖 DINOv2 和美学评分轴用的两个 pyiqa 模型。 - **v3.94**:Python 3.13 能装了。`requires-python` 原来停在 3.12,是因为审片服务器 用 `cgi.FieldStorage` 解析上传,而 3.13 移除了 `cgi` 模块。实测下来这是唯一的 障碍:在 3.13 上所有依赖都能装上,包括 MediaPipe(它的 wheel 对任意 Python 3 通用);换掉 `cgi` 之后全量测试通过。解析器换成了 `multipart`,它是 Python 官方 文档在 `cgi` 弃用说明里给出的两个请求体解析替代之一(另一个 `email.message` 不支持流式);它默认最多 128 个分段,而一次上传可以有 500 个文件,所以上限 改成跟随服务器的文件数上限。 CI 在 3.11、3.12、3.13 上跑安装检查,在 3.12(torch 下限)和 3.13 上跑全量测试。 上传这条路径以前从没在 HTTP 层测过,现在用真实的 multipart 请求测了:3 MB 的 文件、Windows 路径、一次 200 个文件。 torch 下限从 2.5 抬到 2.7。transformers 5.19.0 在本版 CI 开跑前二十分钟发布: 它声明 `torch>=2.5`、导入时也接受 2.5,随后却调用 `torch.accelerator.current_accelerator()`。torch 2.5 没有这个函数,torch 2.6 在 没有加速器(既没有 CUDA 设备、也没有 Apple MPS)的机器上调用它会抛异常,比如只有 CPU 的 Linux 服务器;从 2.7 起它返回空,transformers 改用 CPU。在 2.5 上、以及没有 加速器的 2.6 上,任何模型类都导入不了。专门钉在下限上的那条 CI lane 就是为这种 情况设的,它红了两次:第一次改成 2.6 是在 Mac 上验证的,而 Mac 的 MPS 算加速器, 2.6 在那里不会抛异常,于是第二种失败被藏住了。包、两条钉版本的 CI lane、Docker 镜像和 Studio 的下限一起改了。 - **v3.93.2**:来自 [@gxfc9867](https://github.com/gxfc9867)(PR #4)的三处改动,加一个 括号。客户选片页上的中文水印显示成空白方块:字体查找先碰到了只含拉丁字母的字体, 而在 Mac 上 Pillow 会按名字把 `C:/Windows/Fonts/arial.ttf` 当成 Arial 打开。现在各 平台的中日韩字体都排在前面。客户选片页增加了文件名旁的编号、全屏查看、随选片一起 回传的星级,复制出的清单粘回来也不再报警告。浅色主题下的浮层能看清了,交付分组的 按钮可以拖动。 PR 恢复了一个选择器,却没带上它的右括号。Chrome 支持 CSS 嵌套,所以什么都没报错: 它之后的每条规则都变成了这个按钮的子规则。审片页上的品牌标识和导出按钮失去了颜色, 客户展示模式也不再隐藏评分和判定。浏览器 lane 抓到了它;PR 自带的测试只在选择器 附近找属性文字,没抓到。现在产品提供的每份样式表都会检查有没有没闭合的块。合入前 的复审又在客户选片页上找到两处:回复「12. 3-5」会丢掉 3 到 5 号;文件名里带 `` 能提前结束页面脚本(比这个 PR 更早就存在)。都已修复。 - **v3.93.1**:包要用、安装包却没带的五样东西 —— 拿 v3.93 那类缺陷去之前没人看过的 地方找出来的。最严重的是 MediaPipe 人脸模型:文件在 git 里,却从来不在打包白名单 里,所以 `pip install 'pixcull[face]'` 装上了 MediaPipe 也检测不到任何一张脸 —— 没有人脸数、没有闭眼、没有人脸模糊,而且没有任何提示,因为检测器跑不了时就返回 空结果。现在模型随包发布(安装包从 1.9 MB 变成 6.9 MB),没有检查人脸的运行会 说明原因 —— 命令行里说一次,通过网页分析的运行在结果页上显示。 内置字体和空状态插画改由包内提供;应用图标改用品牌标识,原来清单里写的三张 PNG 从来就不存在;`.cube` LUT 从 `~/.pixcull/luts` 或 `PIXCULL_LUTS_DIR` 读取。重新 训练和示例数据需要源码仓库,安装版现在会在点击之前就说明,而不是点了之后失败。 另有一道打包测试从代码拼出的路径推导「必须随包发布什么」,而不是靠一份需要有人 记得补的清单。 - **v3.93**:`pixcull video` 从来没有听过视频里的声音。读取音轨的那个函数是随第一 个视频版本写的,但没有任何地方调用它。Reel 文案、审片页的事件轨道、灯箱里的 时间轴都是按读取 `audio_events.json` 写的,而没有一次运行写出过这个文件。现在 它在打分和 Reel 检测之间运行,`--no-audio` 可以跳过。 按最顺手的方式接上,反而比不接更糟。笑声、掌声、音乐来自一个可选模型 (`pixcull models pull audio-tagger`,16 MB);没有它时代码会回退到手调的信号 检测。这个项目自己在 64 段真实音频上测过那套检测:20 段掌声一段没检出,笑声 只有 12% 判对。读取方拿到什么就显示什么,所以这个回退会让大多数安装在 Reel 文案里写上「现场笑声」。现在没有模型时,运行如实记录「没有听」并说明怎么装; 审片页能区分「听了但没听到」和「没有听」。 交付审计页从 v2.31 起在所有安装版上都返回 500:它运行的是 `scripts/` 里的 脚本,而安装包不带这个目录;那个脚本的测试又是从源码目录里跑的。现在审计 属于安装包的一部分,并有测试在「只有安装包」的条件下运行它。搬进来之后,它第一次 落到一道原本扫不到它的门禁面前,当场判红:给客户的 PDF 里,封面的入选张数和 「最佳五张」取的是机器的判定,摄影师删掉的帧可能排在最前面。现在它们跟随改判。 - **v3.92**:这个包承诺支持的最老的 torch,是它自己用不了的。`pyproject.toml` 写的是 `torch>=2.2`,而 transformers 自己决定它肯用哪个 torch:5.18 要 2.5, 低于这个版本它并不会导入失败,而是把 PyTorch 禁用,之后每个模型都报「找不到 PyTorch」—— 明明装着。全新安装会把两者都解析到最新版,永远碰不到;只升级了 其中一个的老环境会碰到,按 Dockerfile 构建的镜像也会,因为它钉的是 2.4.1。 现在下限是 2.5,包、镜像、ModelScope Studio 三处一致。CI 里固定 torch 版本的 两条 lane 就钉在这个下限上,所以「承诺的最老版本」是真被跑过的版本;另有一条 测试直接问 transformers 肯不肯用当前装的 torch —— 下次它再抬高要求,会先红在 这里,而不是红在某个用户的终端里。 更早的版本记录在 [`CHANGELOG.md`](https://github.com/ChrisChen667788/pixcull/blob/main/modelscope/CHANGELOG.md)。 ## 实机截图(2022 Canon EOS 卡 200 张连续帧) > **真机数据**: `/Volumes//100CANON/3J0A8133.JPG`–`3J0A8332.JPG` > 连续 200 张(海岸 / 风光 / 建筑 / 纪实混合)。完整 pipeline 跑完: > keep 104 · maybe 1 · cull 95 · 178 个连拍组。下面所有截图都是 > 这一个真机 run(`/tmp/pixcull_demo/realdemo01/`)的实时页面, > 不是 mockup 或空模板。 > > **新手 0→1 操作指南** (20 分钟跟着步骤跑完): 见 GitHub repo 下 > [`docs/USER-GUIDE.md`](https://github.com/ChrisChen667788/pixcull/blob/main/docs/USER-GUIDE.md) > — 每个核心功能都配真机截图 + 键鼠快捷键。 ### 主界面 · 选片网格 ![结果网格视图](docs/screenshots/01-results-grid.png) 每张照片显示决策标签(keep / maybe / cull)、综合分、6 维星级、检测到的场景 + 风格 chips、AI 建议要点。左侧色条表示决策(绿=keep / 黄=maybe / 红=cull)。 "标注" 按钮悬停可见,直接进入 rubric 详细打分。 ### 🗣 转录 + 按文字剪(v2.43 – v2.44.2) ![转录面板:一行被划掉、一行按词剪过、撤销/重做/导出 EDL/出片](docs/screenshots/24-transcript-edit.png) 台词排在画面旁边,**点一行跳到那一秒**;点 ✂ 划掉整行,或选中行内几个字 只删这几个字 —— 画面跟着文字一起没,读数实时显示还剩多少。撤销/重做重放 操作日志,文字与时间轴不可能对不上。可导出 CMX-3600 EDL 进 Premiere / Resolve,或按**出片**直接得到剪好的 mp4。 中文识别带 88 条领域词表(机位 / 曝光 / 备选 / 长焦 / 接亲 / 证婚人 …), `--hotword` 还能加场地名、新人姓名;`--speakers` 可标注谁在说话。 > 上图取自真实素材及其原声(v3.77)。此前是 ffmpeg 测试图 + 合成语音,在页面上 > 看起来像渲染出错。人脸是**遮**掉而不是**避**开的:人声几乎铺满整段,裁掉正脸 > 那一段就把声音一起裁掉了。 ### 大图窗 · V20 建议信封 + 1:1 焦点检查 ![大图窗](docs/screenshots/03-lightbox.png) 点任意缩略图打开大图窗。右侧信息面板显示:每维星级 + 自动/模型/VLM/人工 4 路对比、 DeepSeek meta-judge 推理、V5.2 摄影正典引用的优点 / 缺点 / 改进建议、类似照片快速跳转、 sticky 决策工具栏(keep / maybe / cull / 撤销)、cull 原因分类选择器。 ### A/B 自选对比 · 同步 1:1 缩放 ![A/B 对比窗](docs/screenshots/04-ab-compare.png) 在两张照片上点 ⇆ 按钮(或 Shift+点击 缩略图)进入并排比较; 点任一图同步 1:1 放大,拖动同步平移,滚轮同步细调缩放。 专为 "近似帧二选一" 设计 —— 婚礼连拍、野生动物相邻帧、 风光素材的稳定 vs 动感选择,都是这个场景的高频需求。 ### 批量上传 · 30 秒得到全 batch verdict ![上传页](docs/screenshots/05-upload-page.png) 拖一个文件夹进来 → 选 vertical(婚礼/野生/风光/...)→ AI 自动跑完 → verdict + XMP sidecar + 独立 HTML 相册 + iOS 同步可选。 ### Cmd+K 命令面板 · 27 actions × fuzzy match(v0.9-P0-4) ![Cmd+K command palette](docs/screenshots/02-cmdk-palette.png) Linear / Raycast 风格。⌘K 任何地方都能召出;7 个 group / 27 个 action;fuzzy 匹配 < 50ms;最近使用 chunk 置顶。 ### 客户作品集分享(v0.9-P0-5) ![/share// 客户作品集](docs/screenshots/06-share-portfolio.png) `/share//` 不再是"软件交付页",像摄影师的作品集: brand mark · serif 渐变主标题 · 3 块 keynum(提交/入选/入选率)· 章节式 grid。响应式从 iPhone 竖屏到 iPad 横屏一套布局。 ### 历史时间线(v0.7-P2-4) ![/history 时间线](docs/screenshots/07-history.png) 每场拍摄是一张卡。决策分布条 + 最高分 keep 缩略图。点击 → 回到 grid 接着选片。 ### Tether 实时(v0.7-P2-2) ![Tether 控制台](docs/screenshots/09-tether.png) 监控 Lr / C1 tether 目录,新 RAW 落盘 → ~2 秒得到 verdict。 婚礼现场 in-camera 工作流。 ### 管理面板 perf 数据表(v0.9-P2-2) ![/admin/perf data table](docs/screenshots/10-admin-perf.png) `/admin/perf` 是 first-class 数据表:点表头排序 · 拖拽重排列 · toggle 可见性 · 粘性表头 · zebra rows · 缓存列按大小着色 chip。 布局偏好 localStorage 持久化。 ### Light theme V2 · 暖色 sand-cream 调色板(v0.9-P2-1) ![Light theme V2](docs/screenshots/12-light-theme.png) Sand-cream 调色 + 暖 burnt-sienna 阴影 + display weight 加重 (700 / 600 / 450)。Light 不是"反转暗主题"的副产品,而是 editorial-paper 质感。 ### iPad 大图窗 · Apple Photos 手势(v0.9-P1-5) ![iPad lightbox gestures](docs/screenshots/13-lightbox-ipad.png) Apple Photos 风格全套手势:1 指水平 swipe 切上一张/下一张,1 指 向下 swipe 关闭,2 指 pinch 缩放,tap 切 fit↔1:1。Vanilla TouchEvent 实现,无第三方手势库。 ### 10 个 empty-state SVG(v0.9-P2-3) ![/buckets 空状态](docs/screenshots/11-buckets-empty.png) 横跨 v0.4 + v0.9 + v0.10 所有空界面统一治理。Editorial line 线稿 + 每张唯一一处 brand-gradient 强调。后续 Phase B 将由真人 插画师重画(详见 design-system/briefs/02-illustration-brief.md)。 ### 响应式移动端(v0.6,P-UX-17) ![390 px 视宽 mobile grid](docs/screenshots/08-mobile-grid.png) ### Marquee 框选 + 批量工具栏(v0.11-P1-2) ![Marquee 框选 · 6 张已选 · 批量 keep/maybe/cull/入桶](docs/screenshots/14-marquee-select.png) 网格空白处拖矩形 → 框选所有相交的卡;松手底部弹出 Keep/Maybe/Cull/入桶/取消 工具栏。`⌘A` 全选,`Esc` 取消。 Lightroom Library 标杆体验。 ### 偏差审计 dashboard(v0.13-P0-4) ![/admin/bias · 偏差审计 · empty-state](docs/screenshots/15-bias-dashboard.png) `/admin/bias` 汇总所有 run 的标注,按 scene / time-of-day / aperture 分桶。红色高亮偏离均值 > 1.5σ 的桶,提示 "rescorer 在 *XXX* 上 cull rate 过严"。24h 缓存; `/admin/bias.md` 导出 markdown 给客户做透明审计交付。 真机 demo run 还没积累标注,故显示 empty-state。 ### 置信度弹窗 判决为 `maybe` 的卡,鼠标悬停弹出小 popover: "62% sure · 同组邻居高 0.04 · 最弱轴 · light 2.5★"。 可"不再显示"per-run 关闭。 它原本触发于写死的 `score_final ∈ [0.45, 0.55]`,而这个区间在 standard 预设下整个落在废弃线以下 —— 出现在已判定的照片上,从不出现在真正未决的 照片上(v3.76 改为直接问判决)。 ### 🎬 视频审片 · 时间线 scrubber V2(v2.0-P0-4) ![视频审片 lightbox · score_temporal 山峰时间轴 + reel 候选带 + J/K/L shuttle](docs/screenshots/18-video-review.png) `pixcull video <片子.mp4>` 抽关键帧 → 跑 6 轴评分 → 加时间维评分 (`score_temporal` = 动作连续性 + 时间稳定性 + 突发峰值)→ 找 reel 候选,然后 `/video/` 视频原生审片:时间轴画每帧 `score_temporal` 山峰 + 候选暖色带,拖动播放头实时切帧,`J/K/L` 倒退/暂停/前进(DaVinci 式),右栏候选像照片一样 Keep / Cull。 (上图为真机跑一段实拍雪橇素材、聚焦 lightbox + 时间轴的实页。18 / 19 / 23 这三张从 v3.87 起由 `scripts/brand/capture_video_shots.py` 重拍,落盘前先验 它确实拍到了说明文字里那件事。) 头部 🎨 调色下拉(v2.0-P2-2)一键套用胶片预置(Fuji Eterna / Kodak Vision3 / Arri 709A / Teal-Orange / B&W),主画面 + 每个候选缩略图实时 参数化预览(仅预览,不改原片)。 ![视频审片 · 🎨 调色预览 — 整段套用 Kodak / Arri / Teal-Orange / B&W LUT,主画面和每一张候选缩略图同时改(此处 B&W)](docs/screenshots/19-video-grade.png) **照片 + 视频同一条时间线(`/timeline/`)** —— 一次拍摄里的照片与视频片段 按拍摄时间排在一起,视频卡片显示时长 · 帧数 · 候选数 · 卖点标签,一键跳进审片台。 ![照片 + 视频时间线 — 同一条轴上按分钟分组的照片,末尾接着两段视频卡片](docs/screenshots/23-video-timeline.png) ### v2.9 · 智能透明 + 内容优先观看 **🎬 Scenes 时序导航** — 按拍摄时间(median+MAD 自适应间隙)把一次拍摄切成时序 场景,每段显示时间范围 · 张数 · keep;点 chip 跳到那一段。 ![Scenes 时序导航条 — 真机博物馆 run 切成多个时序场景, 每段显示时间范围/张数/keep](docs/screenshots/20-scenes-navigator.png) **🔍 判定 glass box** — lightbox inspector 顶部默认只显「为什么是这个判定」一行, 展开看逐轴评分 + 信号 + AI 判读(渐进披露)。 ![判定 glass box — 展开后显示判定 + 一句话理由 + 6 轴评分 + 信号 + AI 判读](docs/screenshots/21-verdict-glassbox.png) ### v2.11 · 透明度的可发现性 **整理 · 折叠 组常显 + 首次 coachmark** —— 近重复折叠 / 时序场景 不再藏在连拍组里, 每个 run 都看得到入口;首次进入一次性引导透明度三件套。 ![整理·折叠 组常显 + 透明度首次 coachmark](docs/screenshots/22-transparency-tools.png) --- ## 为什么是 PixCull 主流的 AI 选片产品对职业摄影师有三处取舍。下表只陈述 PixCull 这一侧的可核验事实; 对同行的描述保持在其公开材料能支持的范围内 —— 三行都不再写死"他们只能怎样" (2026-09-02 首轮、v3.25 收尾,见 `docs/ROADMAP-v3.1-v3.27-charter.md` §v3.25 —— 一轮事实核查推翻了本项目此前 对某家竞品「必须上传」的断言,该断言无来源支持): | 取舍 | 主流 SaaS | PixCull | |---|---|---| | 照片去向 | 多为云端处理;各家的留存与训练策略以其自身条款为准,本项目不代为断言 | **默认送 MiniMax M3 判图,不进训练池;`--vlm-mode off` 全程不出网** | | 评分的可解释性 | 各家做法不同,多数只对外给一个总分或一个分级 | **6 维评分 + 摄影正典引用** | | 工作流位置 | 多数以自己的 Web App 为主入口;是否有宿主插件请查各家文档 | **XMP sidecar + Lr 插件 + iOS App + Tether 模式** | PixCull 在这三处都走了另一条路:本机实测指标作为证据送进云端判官、可解释评分、原生融入 Lr / C1 工作流。 ## 适合谁 - **婚礼 / 活动摄影师** —— 每场 1,000+ 张明早就要交,而且要能对客户解释 - **体育 / 动作摄影师** —— Tether 模式实时给出 verdict,~2 秒每张快门 - **新闻摄影师** —— NDA / embargo 下根本不能上传到 SaaS - **摄影工作室** —— 二摄、跨相机、跨卡的覆盖需要合并 + 同步人脸 ID - **野生 / 风光摄影师** —— 连拍峰值自动选,起跑帧不丢失 - **自学摄影爱好者** —— 想要工具 *解释* 评判,不只是排序 ## 能力清单 1. **6 维评分** —— 技术 / 主体 / 构图 / 光线 / 瞬间 / 美感,每维 1-5 星,带理由 2. **9 种细分领域 (verticals)** —— 婚礼 · 野生 · 体育 · 风光 · 人像 · 活动 · 新闻 · 商业 · 静物 3. **V20 建议信封** —— 简短 verdict + 摄影正典引用的优点 + 缺点 + 改进建议 4. **本地人脸聚类** —— InsightFace ArcFace + DBSCAN + 跨 run 人脸库 5. **GPS 位置聚类** —— Haversine DBSCAN,~100 m 半径,"每地点选一张" 6. **连拍峰值排序** —— 亚秒级连拍组自动选峰值帧;**只报告,不据此判决** (v3.83 曾降级,v3.85 撤回:149 张盲标里被降级的 100 张,摄影师会留 87 张) 7. **Cull 原因分类** —— 焦点不准 / 闭眼 / 模糊抖动 / 构图差 / 重复 / 曝光 / 其他 8. **类似照片查找** —— 复合特征 (连拍组 + 场景 + 人脸 + GPS + 评分) Top-5 9. **自选 A/B 对比** —— 同步 1:1 缩放跨越两图;专为 "近似帧二选一" 设计 10. **1:1 焦点检查** —— 大图窗点任意处放大,拖动平移,滚轮细调 11. **XMP / IPTC / 相册导出** —— XMP 进 Lr/C1;IPTC 自动合成;独立 HTML 相册打包发客户 12. **iOS 滑动伴侣 App** —— SwiftUI 写,后台跑笔记本上的重活; 以源码形式提供,要自己在 Xcode 里编译,没上 App Store 13. **Lr / C1 Tether 模式** —— 实时监控 tether 目录,~2 秒 verdict 14. **跨机同步 (INFRA-2)** —— 符号链接镜像,人脸库 + 细分领域跟着你跨工作室 15. **主动学习队列** —— 下一张最值得标的照片,按 rescorer 分歧度排序 16. **多用户 profile** —— 工作室里多个二摄各有自己的 vertical + 人脸库 ## 架构速览 三张 editorial-warm 配色的图,**在页面里会动** —— 数据沿连线流动、各阶段依次点亮 (尊重 reduced-motion,静态也清晰好读)。可编辑的 draw.io 源文件见 GitHub 仓库 [docs/diagrams/](https://github.com/ChrisChen667788/pixcull/tree/main/docs/diagrams)。 **系统架构** · input → CLI → run_pipeline → 端侧评分引擎 → 产物 → Web 审片 ![PixCull 系统架构](docs/diagrams/architecture.gif) **视频审片时序** · `pixcull video` → 抽帧 → 评分 → temporal/reel 选帧 → 装配成片 + 打开审片页 ![PixCull 视频审片时序](docs/diagrams/sequence.gif) **数据流程** · 像素 → rubric.jsonl → scores.csv → manifest.json → 审片页(含视频成片分支) ![PixCull 数据流程](docs/diagrams/dataflow.gif) 10 秒版,PixCull 在团队工作流中的位置: ```mermaid %%{init: {'theme':'base','themeVariables':{'primaryColor':'#241d12','primaryTextColor':'#f3ede1','lineColor':'#c4b9a9','primaryBorderColor':'#3a3122','tertiaryColor':'#161310'}}}%% flowchart LR P[("📷 主摄")] S[("📷 二摄")] E[("✎ 编辑")] C[("👤 客户")] PIX{{"PixCull
本地优先
AI 选片"}} DS["DeepSeek API
(可选)"] P -->|"上传 RAW/JPEG"| PIX S -->|"加入 LAN event"| PIX E -->|"标注 + 推决定"| PIX PIX -->|"作品集分享链接"| C PIX -.->|"opt-in · 仅文本"| DS style PIX fill:#241d12,color:#f3ede1,stroke:#c4b9a9 style DS fill:#1b1712,stroke:#6a6052 ``` 工程承诺:**无 Web 框架** · **无数据库** · **多模型融合** (8 个 ONNX:U²-Net / ArcFace / 场景 CNN / 婚礼瞬间 CNN / CLIP ViT-L/14 / GBM 评分 V2 / Llava VLM / DeepSeek meta-judge) · **LAN 同步本地优先**(token + 5s HTTP polling + mDNS auto-discovery) 完整架构图(C4 系统上下文 + 容器图 + 拍摄 pipeline 时序 + LAN 同步 时序 + **16 行 ML 模型表** + 存储布局 + 技术决策表)见 GitHub 仓库 [docs/ARCHITECTURE.md](https://github.com/ChrisChen667788/pixcull/blob/main/docs/ARCHITECTURE.md) > **设计质感坦白:** 工程层已经成熟,但视觉设计层仍是"开发者 + AI", > 而不是"设计师介入"。这是我们公开承认的差距。设计系统升级路线图 > 见 GitHub > [docs/DESIGN-SYSTEM-ROADMAP.md](https://github.com/ChrisChen667788/pixcull/blob/main/docs/DESIGN-SYSTEM-ROADMAP.md) —— > 工具链选型(Figma + Penpot + Tokens Studio + Rive)、自定义插画委 > 托清单、未来 6 个月分三阶段升级。**v1.0 前从"功能 iconic"升级到 > "工艺 iconic"**。 ## 客户看片页 · v2.87 中国影楼工作流里,摄影师选完之后还有一步:**客户自己选**。PixCull 以前完全 没有这一步。 ```bash pixcull proof-sheet /output --out ~/proof --title "张先生婚礼" \ --contact "微信 photographer" ``` 写出一个文件夹:降到 1024px 的**加水印**派生图,加一个 `index.html`。 没有服务器、没有数据库、没有账号、没有托管。摄影师用现有的任何方式把文件夹 发出去,客户打开 HTML、点选、拿到一份可以直接回传的清单。 实测:300 张 11.3 秒、8.7 MB,页面**零外部请求** —— 客户在火车上用 U 盘也能打开。 ![客户看片页](docs/screenshots/25-client-proof-sheet.png) **刻意不做的**:小程序、支付、改片轮次追踪。那是影楼管理 SaaS,对手在那条 路上已经跑了很多年。已经在用第三方交付平台的摄影师不会搬家,也不该搬。这个 功能是给还没有的人。 原图永远不会进产物 —— 测试会逐位比对派生图与原图,并断言宽度恰好是 1024。 ## 盲标 · v2.94 ```bash pixcull m3 label --folder --limit 150 ``` 卡片上只有照片、一个编号、两个按钮。**没有任何系统的判决、理由或评分** —— 看到答案的人就不再是独立的答案来源。 ![盲标页](docs/screenshots/26-blind-label-sheet.png) 这不是可有可无的洁癖。本项目产生过的每一份循环标注集,都来自一个人看着判决 点了"同意",**四次,四种伪装**,每次都是被为上一次写的守卫事后抓到的。 存下来的 JSON 带 `source: "human"`,`pixcull/scoring/ground_truth.py` 只接受 有溯源的标注 —— 拿模型自己的输出当真值,算出来的一致率是 100%,而那个数字 本身就是循环的证据。 ## 快速开始 ```bash git clone https://github.com/ChrisChen667788/pixcull.git cd pixcull python3.12 -m venv .venv source .venv/bin/activate pip install -e ".[dev]" python scripts/serve_demo.py # 浏览器开 http://127.0.0.1:8770 ``` 在没有桌面环境的 Linux(服务器、容器)上,OpenCV 还需要两个系统库,否则第一次运行 就会报找不到 `libGL.so.1`:`sudo apt-get install libgl1 libglib2.0-0`。Docker 镜像里已经装好了。 把一个 JPG / RAW / HEIC 的文件夹拖到上传页; 首次约 30 秒预热模型 (Apple Silicon),之后每张 ~1 秒 (M2 Pro 实测)。 **断网使用。** 模型在第一次用到时下载一次。之后,没有配置 MiniMax key(或加了 `--vlm-mode off`)的 `pixcull run` 不会打开任何网络连接:从 v3.89 起,已缓存的 模型先从本地读取,不再先去问 Hub。把 socket 层连同本机回环一起堵上跑 32 张 照片,联网尝试从 48 次降到 0 次。唯一的例外是付费 license,每天最多联网核对 一次,只带 token。要给一台从一开始就离线的机器做准备,先在有网的地方跑一次, 或者把 `~/.cache/huggingface/hub` 拷过去。 ## 在线体验 ModelScope Studio 在线 demo(v2.8 · 编辑暖 OKLCH 配色),不必先安装即可: - **单张评分** — 上传 1 张照片,得到 6 维评分 + 建议 - **双语镜头字幕 (VLM)** — BLIP 描述这一帧,中英双语输出 - EN = BLIP(自托管 ONNX 优先,否则 transformers) - ZH = 本地 GGUF LLM 改写 → opus-mt-en-zh 机器翻译 → 英文原文(三级兜底, 页面如实标注当前后端;免费 CPU Studio 通常落在 opus-mt 这一级) - 整页采用 v2.8 **OKLCH 三变量配色**(base/accent/contrast 派生全部表面), 旧浏览器自动 hex 兜底 完整版本(批量 + 视频选片 / reel 剪辑 + Lr 同步 + iOS 伴侣)请到 GitHub 部署。 ## 协议 [MIT](https://github.com/ChrisChen667788/pixcull/blob/main/LICENSE)。可商用、自由 fork、欢迎 PR。 ## 作者 PixCull 始于一个简单想法:不要再花一个晚上在 Lightroom catalog 里挑片。 MIT 开源,让下一个摄影师不用再从头造一遍。 - GitHub: [@ChrisChen667788](https://github.com/ChrisChen667788) - ModelScope: [@haozi667788](https://www.modelscope.cn/profile/haozi667788) - 联系: hello@pixcull.dev --- > *如果 PixCull 帮到你,在 GitHub 点个 ⭐ —— 它是单人项目持续打磨下去的最大动力* ## 分歧复核 —— 怎么知道模型到底对不对 模型和你的规则不一致时,它要么比规则聪明,要么比规则差,**测试套件永远 分辨不了是哪一种。** 只有你看图才能。 `pixcull m3 review` 把「这个问题还悬着」的那些帧单独做成一页。它之所以 存在,是因为另一条路失败了:这个项目有一份 608 行标注集,审阅过、认可过 —— 因此**和规则栈自己的输出逐字相同**。规则拿自己的答案给自己打分得了 满分 1.000,任何与它不同的模型必然更差,整个对比毫无意义。**在 18 张 照片上花十分钟**,才产生了第一批能分辨两个系统的标注。 ```bash # 建页并起在 http://127.0.0.1:8731/,逐张判,点「保存结果」→ review.json pixcull m3 review --labels labels.csv --scores run/scores.csv --out ~/review.html pixcull m3 open ~/review.html # 重开之前建好的页 # --review 可重复,一轮复核给一个,自动合并 pixcull m3 eval --labels labels.csv --scores run/scores.csv \ --review ~/pass-1.json --review ~/pass-2.json ``` 这页是**起在本地回环上、而不是双击打开文件**的。在 `file://` 源下,浏览器 会拦掉保存按钮用的 blob 下载、并限制 `localStorage` —— 两者都不报错,页面 看着能用,实际什么都没存下。端口固定是因为 `localStorage` 按源隔离:临时 端口会让判到一半的复核者下次打开看到一张空表。 每张卡片给出原图、两边各自的判决、**被推翻的是哪个硬性剔除标记**、模型 自己的理由,以及六轴星级。两个按钮,没有需要校准的量表 —— 一个在琢磨 1–5 分怎么打的复核者,已经不在看照片了。 三条不是顺带的性质: - **照片不出本机。** 缩略图内嵌在本地 HTML 里。复核你自己的客户作品, 不该要求你把它上传到任何地方,包括我们。 - **判断落盘**,且每次点击都写入 `localStorage`。关掉标签页不会让你 白判一遍。 - **生成这一页永远不花钱** —— 只读缓存判决,没判过的帧跳过而不是计费。 ![分歧复核页 —— 三张 M3 与规则栈判决不同的照片,各自带模型自己写的理由和 六轴评分,两张已判、一张待判](docs/screenshots/24-review-sheet.png) **三轮复核,只有第三轮的数字可信。** **第一、二轮(51 帧)抽的是「两个系统有分歧」的行。** 那等于只在规则栈 已经在争论的地方考它,指向哪边就偏袒哪边。它确实按方向确立了一件事: M3 把规则判死的救上来,7 张对 7 张;想把规则想留的砍掉,19 张只对 8 张 —— **救片可靠,砍片不可靠**。 **第三轮是盲标。** 从一张没碰过的卡里取 150 帧,屏幕上只有照片、一个序号 和两个按钮,判完再评分 —— 顺序如此,标注就不可能回声任何系统。摄影师标了 10 张该删: | 你想删的那 10 张,找到了几张 | | |---|---| | 规则栈 | **2** | | `vlm_authority=primary` | 1 | | `vlm_authority=rescue` | 0 | 两个模式的 macro-F1 差值,95% 置信区间都跨零。规则栈同时**判了 53 张 cull 而摄影师只删 10 张 —— 过删 5.3 倍**。 **更新(v2.64,394 张盲标)。** 这一节的 150 张版本说"谁都没解决"。样本 翻到 2.6 倍、并且**把 `maybe` 的含义真正测出来**之后,结论变了: | 493 张盲标 | 毁掉留片 | 找到你的 cull | |---|---|---| | 规则栈 | **157 / 450** | 7 / 43 | | `rescue` | 26 / 450 | 3 / 43 | | `primary` | **20 / 450** | **11 / 43** | `primary` **毁片少 87%,同时多找到 57% 该删的照片**。在前 394 张上它还是个 权衡(少找 1 张换少毁 111 张);加上 100 张分层样本后,**两个轴都赢**。 macro-F1 +28.9,95% CI [+14.7, +41.9]。 第二批是 **100 张而不是 1000 张**。按本地 `score_final` 分层(低分段的删除率 是基线的 2.4 倍),再按 `层总数/层抽样数` 加权还原,每张标注的信息量约为 均匀抽样的两倍,评分成本只有五分之一。400 次模拟确认加权正确还原了真实 删除率。 规则栈自动删 131 张,其中 126 张是留片 —— **在唯一不可撤销的动作上错误率 96%**。`primary` 把它降到 15 张,少找到 1 张该删的,代价是 195 张进"再看"。 macro-F1 +14.6,95% CI [+6.8, +23.1]。 **`vlm_authority` 出厂值改为 `primary`。** 判官本身仍然默认关闭;变的是 它一旦打开之后被允许做什么。 `maybe` 的含义是靠两次盲标测出来的,不是猜的:在摄影师判「留」的照片上, 58/60 的 `maybe` 是"裁剪后值得再看"(97%);在判「删」的照片上,13/16 是 真正的漏删(81%)。旧口径把每一个 `maybe` 都算作失分 —— 在这 394 张上, 那等于因为 179 个**正确答案**去惩罚 `primary`,足以把它从第一压到最后。 **这个权衡是真实的,而且该由你接受**:少毁 111 张照片、漏掉 1 张该删的、 多看 164 张。如果你宁可让工具删得果断、代价是丢片,`--vlm-mode off` 可以 退回纯规则栈。 **更新(v2.67):那个证据块到底值多少。** 判官看照片之前,会先拿到一块本地 检测器算出来的数字。这个设计从 v2.48 就在跑,从没被测过。四条臂,同一批 493 张盲标,除了送进去的证据以外完全一致: | 随图片送出的证据 | macro-F1 | 毁掉留片 | 找到 cull | |---|---|---|---| | 技术项 —— 清晰度、高光溢出、人脸、连拍(出厂) | **0.695** | **21** | **28** | | 构图项 —— 三分点、留白、图底分离、平衡…… | 0.666 | 40 | 29 | | 两者都送 | 0.525 | 34 | 7 | | 什么都不送 —— 从没人跑过的对照组 | 0.544 | 12 | 7 | 对出厂臂做配对自助:两者都送 −17.0 [−30.8, −1.5]、什么都不送 −15.1 [−28.9, −0.4],**显著更差**;构图项 −2.9 [−9.3, +3.3] 在 macro-F1 上分不 出来 —— 但依然被否,因为它**多毁 19 张留片(40 对 21)只换来多找到 1 张 cull**。macro-F1 是对称的,摄影师不是。 由此三点。**证据块值这个位置** —— 什么都不送要输 15.1 分且区间不跨零,这是 v2.48 那个设计管用的第一份证据。**证据不是越多越好** —— 两者都送比任何一半 都差,也比什么都不送更差,而且不是变胆小:它照样 cull 5.5% 的帧、和出厂臂 有 69% 的判决一致,但 cull 精确率从 0.58 塌到 0.17。十二个数字喂出来的不是 更懂行的评委,是更自信的错判。以及 **群体层面的判别力不等于逐帧可用的信号** —— 构图指标把这位摄影师的 cull 分开了 −0.82σ,可把同样的数字交给判官,每一 次单帧判断反而更差。 结果是什么都没改。改掉的是"出厂值不再是猜的",以及一个新测试:出厂臂和 记录在案的胜出臂一旦对不上,测试就红。 --- **原结论(150 张):** 头号任务没有解决,规则没解决,模型也没有。 ### 默认跑一次到底发生什么 这里写精确一点,因为这段话前两个版本都写错了,而且错在要紧的那一侧。 `pixcull run` 是**按你机器的状态**决定判官开不开,不是一个固定默认值: | 你的机器 | 直接 `pixcull run` | |---|---| | 没有 MiniMax key | **纯本机,什么都不发送** | | 有 key、从未同意 | 询问一次;拒绝或非交互运行都留在本机 | | 有 key **且已记录同意** | **会上传** —— 运行时会打印一行说明 | > **清掉 `MINIMAX_API_KEY` 环境变量并不足以强制本机运行。** 在 macOS 上, > key 还会从钥匙串里查一次 —— 应用把它存在那里,好让没有 shell 环境的 > GUI 启动也能找到。只要钥匙串里有条目、而且之前同意过一次, > `env -u MINIMAX_API_KEY pixcull run …` 照样会走云端。 > **`--vlm-mode off` 才是握得住的那个开关**,v3.69 起 `PIXCULL_VLM_MODE=off` > 是同一个开关,方便脚本和 CI 使用。 运行开始前打印的那一行 > ——「Judging with MiniMax M3 — photos are uploaded」—— 是该读的东西。 也就是说:**一个 key 加一次同意,之后每次运行照片都会离开本机。** `pixcull m3 consent --revoke` 撤销,`--vlm-mode off` 单次覆盖。 **权限是另一个开关,出厂为 `off`。** 即使判官在跑,它也只打分和解释, 决策权仍在规则栈。要让它真正动手,得再显式给一次: ```bash pixcull run shoot/ --vlm-mode minimax --vlm-authority rescue # 只许推翻硬性剔除 pixcull run shoot/ --vlm-mode minimax --vlm-authority primary # 两个方向都可推翻 ``` v2.58 之前出厂值就是 `primary`。盲标结果是它被降下来的原因:10 张里找到 1 张、置信区间跨零。**打开一个模型,不该顺带把测量结果不支持的权限一起交出去。** 同一批数据还带出两件不好听的事: - **检测器 flag 不预测这位摄影师的删除。** 基线 6.7% 之下: `no_clear_subject` 命中 6.0%(0.9×,不如瞎猜)、`severely_underexposed` 0%、`severely_blurry` 0%。而**完全没有 flag** 的那组删除率最高,8.3%。 - **被删的不是废片。** 它们比平均更锐、技术检查通过率更高、没有一张在连拍 组里。唯一的判别量是构图。**这位摄影师删的是编辑上弱的照片** —— 检测器 看不见,而模型本该补上这一块。 ### 把边界拟合到你的眼睛 —— `pixcull calibrate` 规则栈给所有人发同一个 keep/cull 阈值。盲标那一卷里,它判了 53 张 cull, 而摄影师只删 10 张。 ```bash pixcull m3 label --folder shoot/ --limit 150 # 盲标,不花钱 pixcull run shoot/ --output run/ --vlm-mode off pixcull calibrate --labels ~/Downloads/blind-review.json \ --scores run/scores.csv # 只报告;--write 才写入 ``` **先报告,后写入** —— 档案会改变之后每一次运行。第一次真实标定的结论是 **负面且有用的**:-0.080 的偏移移动了 26 个判决,却既没少砍也没多找到, 因为那 53 张 cull **全部由硬性 flag 触发**,而分数偏移碰不到 flag。 所以它不停在"没用",而是指出杠杆: ``` The threshold cannot help here. All 53 of the rule's culls fire on hard flags. flags that fire often and predict your culls poorly (baseline 6.7%): no_clear_subject fired 84, of those you culled 5 (6.0%, 0.9x) ``` 证据够的时候,它会提出**按场景**的豁免 —— 单位是 `(flag, 场景)`,因为 `no_clear_subject` 对风光毫无意义、对人像却是关键。提案要求该场景至少触发 8 次:**一卷素材只是关于这一卷的事实**。采纳的豁免写进你的个人档案,不动 出厂默认,而且**只能放宽、不能收紧** —— 一份错档案最坏是留下一张该删的, 永远不会毁掉一张该留的。 标注是键盘驱动的:K 留、X 删、U 撤销上一张、 S 保存,断点续标 —— 因为一次有效的测量大约需要 1250 张。 ### 数据集来源分层 owner 自己图库里的 **1102 张**照片进入过这套测量。它们的价值并不相等, 而这个差别正是整个仓库的故事: | 来源 | 张数 | 可否作真值 | |---|---|---| | **盲标** —— 判决先于任何评分 | **494** | **可以** | | 复核 —— 看着系统判决做的判断 | 103 | 只能做方向性结论(有选择偏倚) | | 循环 —— 标注**就是**规则栈的判决 | 305 | 不可 | | 循环 —— 标注**就是**管线的输出 | 200 | 不可 | **一半不可用**,而那 505 张在被人核查之前,每一张看起来都像数据集。 盲标是唯一能给两个系统排名的一层;其中 150 张摄影师重判过第二遍, **0 处不一致**,标签噪声接近于零。 机器侧:MiniMax M3 评分 408 张,本地管线跑过 1002 张(每张 72 个检测器列)。 ### 在你自己的库上复现 ```bash pixcull m3 label --folder /path/to/shoot --limit 150 # 盲标,不花钱 pixcull run /path/to/shoot --output run/ --vlm-mode off pixcull m3 eval --labels ~/Downloads/blind-review.json --scores run/scores.csv ``` 支撑不了排名的样本,eval 会拒绝排名:标注抄自规则栈、样本里没有 `cull` 正例、某个模式一次都没触发、置信区间跨零 —— 每一种都给出一个具名的拒绝, 而不是一个数字。 ## 致谢 **[MiniMax M3](https://www.minimaxi.com/)** 是本仓库全部云端测量背后的 视觉判官。这里的评估结果对它常常并不好看 —— 那正是评估的意义 —— 但有 必要明确说一句:**没有它,这些测量根本做不成**。800+ 帧评分、一个会先 输出 `` 的推理模型(正因如此六轴评分才是可核查 的而不是只能相信),以及整个过程中一次都没有返回过格式错误的判定。 数字说规则栈赢的地方,说的是**一位在海岸与纪实题材上删除率约 7% 的摄影师** 身上的事实,不是对这个模型的普遍判决。下一次盲标说什么,这份 README 就 改成什么。 同样心存感激地用到:OpenAI CLIP、U²-Net(rembg)、InsightFace、 MediaPipe、pyiqa、FunASR/Paraformer、PySceneDetect。