Cualquiera que haya intentado encontrar una foto concreta en una carpeta con miles de ellas conoce el problema: IMG_4821.jpg no dice nada. Sin títulos, descripciones ni palabras clave, una biblioteca de imágenes solo se puede buscar hasta donde alcance tu memoria de qué fotografiaste y cuándo. Añadir esa información a mano, foto a foto, es de esas tareas que la mayoría posterga indefinidamente.
VisionTagger, una app para macOS del estudio Synendo, toma un camino distinto. Utiliza un modelo local de visión y lenguaje para analizar tus imágenes y escribir los metadatos por ti —títulos, descripciones, palabras clave y más— para un lote entero de una sola vez. Lo que lo diferencia de los numerosos servicios en la nube que hacen algo parecido: nada sale de tu Mac. El modelo de IA se ejecuta en el propio dispositivo, sobre Apple Silicon, de modo que tus fotos nunca se suben a ningún sitio.
Modelos locales, sin nube
La idea de fondo es que el análisis ocurre en tu propia máquina. VisionTagger ejecuta modelos de visión abiertos de forma local y permite descargar varios preconfigurados directamente desde la app —incluidos Qwen3-VL (8B y 30B), Qwen2.5-VL, Gemma 3 Vision, InternVL3 y Pixtral—. Cada uno viene con una breve nota sobre el equilibrio que ofrece, desde «mejor equilibrio entre calidad y velocidad» hasta «máxima calidad» en el modelo más grande. Si ya trabajas con modelos locales, también puedes añadir los tuyos vinculando un archivo de modelo GGUF y su projector.
Esto tiene dos consecuencias prácticas. La evidente es la privacidad: para bibliotecas sensibles —trabajos de clientes, material médico o legal, cualquier cosa que preferirías no enviar a un servidor de terceros— las imágenes y los metadatos generados simplemente se quedan donde están. La segunda es el coste. No hay tarifas por imagen ni suscripción; una vez descargado un modelo, puedes procesar tantas imágenes como quieras, sin conexión y sin contador en marcha.
Un flujo de trabajo de seis pasos
VisionTagger se organiza como un asistente que acompaña el proceso de principio a fin, lo que mantiene accesible una tarea bastante técnica.
Empiezas eligiendo un origen —una carpeta en el disco o tu Fototeca— y luego seleccionas las imágenes concretas en vista de cuadrícula o de tabla.
El paso de contenido es donde decides qué debe producir el modelo: activas qué secciones de metadatos generar —título, descripción, palabras clave y más— y puedes proporcionar contexto adicional con el que trabajar.
A partir de ahí la app genera los metadatos, y los resultados van apareciendo junto a cada miniatura a medida que avanza por el lote. Por último, eliges el formato de salida y publicas, con un resumen que te avisa antes de sobrescribir nada.
Tú decides qué se escribe
En lugar de producir un bloque de texto fijo, VisionTagger te deja dar forma a la salida. Las secciones integradas cubren un título, una descripción (con nivel de detalle ajustable), palabras clave y, opcionalmente, las categorizaciones de «contenido y estilo» y «seguridad y cumplimiento». La generación de palabras clave se puede afinar al detalle: un número máximo, términos que anteponer o añadir siempre y palabras que excluir.
Para todo lo que las secciones integradas no cubran, puedes definir campos personalizados, cada uno con su propio prompt que indica al modelo qué extraer y con un tipo de dato: un booleano de sí/no («contiene texto», «contiene una persona»), texto libre («describe el fondo») o una lista («colores dominantes»). El resultado son metadatos que se ajustan a tus propias convenciones en lugar de a una plantilla genérica.
También puedes alimentar el modelo con contexto adicional para mejorar su precisión: una pista de texto libre que describa el lote («puestos de comida callejera en un mercado nocturno de Taipéi»), nombres de lugares derivados de las coordenadas GPS de los datos EXIF de cada foto, o los detalles de captura ya incrustados en el archivo. El modelo trata todo esto como información de apoyo: su análisis sigue basándose principalmente en lo que es visible en la imagen.
Hay además una opción de Escaneo de texto (OCR) que usa el framework Vision de Apple, en lugar del modelo de IA, para extraer texto impreso y manuscrito de las imágenes y para descodificar códigos de barras y códigos QR.
Metadatos que encajan en un flujo existente
Generar metadatos solo es útil si puedes llevarlos a donde hacen falta, y aquí es donde VisionTagger resulta notablemente completo. Puede escribir XMP —incrustado en el archivo o como archivos sidecar— mediante ExifTool, la herramienta estándar del sector, lo que significa que los metadatos aparecen en Lightroom, Capture One, Photo Mechanic, darktable y cualquier otro programa que lea XMP. También puede exportar JSON, CSV o TXT (por imagen o un único archivo para todo el conjunto), reescribir título, descripción y palabras clave en la Fototeca y aplicar etiquetas del Finder para ordenar con rapidez en macOS. Se pueden seleccionar y configurar varias salidas a la vez, de modo que una sola pasada de generación alimente todos los destinos de golpe.
La app siempre genera su texto en inglés, que suele dar los mejores resultados del modelo, y luego traduce la salida a cualquiera de 19 idiomas mediante el servicio de Traducción integrado en macOS. La propia interfaz está localizada en diez idiomas, el español entre ellos.
Para quienes quieran eliminar aún más pasos manuales, VisionTagger incluye dos acciones para Atajos de Apple —una para archivos de imagen y otra para la Fototeca— que se integran en flujos de Atajos, Acciones Rápidas del Finder, automatizaciones de carpetas, la línea de comandos o AppleScript.
Disponibilidad
VisionTagger requiere Apple Silicon (M1 o posterior) y macOS Tahoe 26. Se distribuye de forma directa (no a través de la Mac App Store) como compra única, sin suscripción. Actualmente está en oferta especial a € 19,99 / $ 24.99 (precio habitual € 29,99 / $ 34.99). Una prueba gratuita cubre las primeras 100 imágenes sin límite de tiempo, suficiente para ver cómo se desenvuelven los modelos con tu propio material antes de decidir.
Más información, un vídeo de demostración y unas preguntas frecuentes están disponibles en la página del producto.
Deja una respuesta
Lo siento, debes estar conectado para publicar un comentario.