开源NAS用智能相册工具immich，免梯子用huggingface-hub下载中文搜索nllb-clip-large-siglip__v1 和人脸模型 antelopev2，配置加载以及踩坑

目录

1、启动python环境下载安装huggingface-hub

2、下载对应的模型

2.1 前期准备

2.2 模型路径确认

2.3 模型下载

3、启用模型

4、模型起效验证

---

从2005年以来到现在的照片逐渐也积累了上万张，大小加起来也接近100个G，最近碰到了一个非常有意思的场景，我原来的照片是按照时间分文件夹存起来的，在闲暇的时候翻翻文件夹来回忆一下还是非常惬意，不过前几天我需要从这些照片里找一个以前证件的照片，不记得是什么时候拍摄的了。所以我想找一个可以自动识别照片中物体的照片管理工具，于是找到并部署了immich。折腾了一会儿之后发现，因为国内无法直接访问huggingFace，所以导致docker自动拉取模型失败，然后用gitclone不支持多线程和断点续传，所以我选择在python环境下安装huggingface-hub 进行下载。

1、启动python环境下载安装huggingface-hub

huggingface-hub虽然是在python 3.8以上都兼容，不过我在ubuntu 24自带的python 3.12上安装失败，所以这里新起了一个python 3.11环境进行安装。安装过程不再赘述。

先用以下指令查看安装的pyton环境

conda env list

然后启动对应python环境

source activate pyenv311

使用pip安装huggingface_hub

pip install huggingface_hub

如果下载缓慢的话，可以去更新一下pip源，换用qinghua等国内源。

2、下载对应的模型

2.1 前期准备

在huggingface上找到对应的模型，比如我们这里需要下载的模型地址如下：

智能搜索模型：https://huggingface.co/immich-app/nllb-clip-large-siglip__v1

人脸识别模型：https://huggingface.co/immich-app/antelopev2

我们以智能搜索模型为例，看到huggingface的这个页面

红框表示这个模型的路径，后面我们会根据这个地址进行下载。（点击箭头位置可以复制）

2.2 模型路径确认

immich的模型是在docker-compose.yml中进行配置的

找到immich-machine-learning:后面的volumes:部分
具体参照下面的位置：

更新红框中的内容的冒号前的部分，换成你模型所在的目录，这里一定注意，模型一定按照下面目录结构放置（以这里设置的目录为例，大家自行修改前面/softs/immich/models/部分）

智能搜索模型：/softs/immich/models/clip/nllb-clip-large-siglip__v1 

人脸识别模型：/softs/immich/models/facial-recognition/antelopev2

2.3 模型下载

先启用huggingface镜像站

export HF_ENDPOINT="https://hf-mirror.com"

再在对应python环境中进入对应文件夹 

cd /softs/immich/models/clip/

创建模型文件夹（务必和模型名称一致），并进入其中

mkdir nllb-clip-large-siglip__v1
cd nllb-clip-large-siglip__v1

使用hf download进行下载

hf download immich-app/nllb-clip-large-siglip__v1 --local-dir /softs/immich/models/clip/nllb-clip-large-siglip__v1

执行成功时候应该可以看到下面样式的进度条

执行完毕即为下载完成。

对应的人脸识别模型同样进行下载

hf download immich-app/antelopev2 --local-dir /softs/immich/models/facial-recognition/antelopev2

再提醒一句，务必按照自己模型的路径调整上文--local-dir 后面的部分，两个命令中的clip和facial-recognition目录必须齐全。

后面我会把对应模型上传到网版上，怕麻烦的话大家直接去网盘上下载也可以。（目前审核中）

nllb-clip-large-siglip__v1 模型下载：

第一部分：https://download.csdn.net/download/Syalon86/91961235
第二部分：https://download.csdn.net/download/Syalon86/91961291
第三部分：https://download.csdn.net/download/Syalon86/91961325
第四部分：https://download.csdn.net/download/Syalon86/91961429
第五部分：https://download.csdn.net/download/Syalon86/91961498
第六部分：https://download.csdn.net/download/Syalon86/91961499
第七部分：https://download.csdn.net/download/Syalon86/91961504
第八部分：https://download.csdn.net/download/Syalon86/91961511
第九部分：https://download.csdn.net/download/Syalon86/91961718
第十部分：https://download.csdn.net/download/Syalon86/91961783
第十一部分：https://download.csdn.net/download/Syalon86/91961791
第十二部分：https://download.csdn.net/download/Syalon86/91961973
第十三部分：https://download.csdn.net/download/Syalon86/91961984
第十四部分：https://download.csdn.net/download/Syalon86/91962237
第十五部分：https://download.csdn.net/download/Syalon86/91962252

antelopev2模型下载：

第一部分：https://download.csdn.net/download/Syalon86/91946619
第二部分：https://download.csdn.net/download/Syalon86/91946624

3、启用模型

访问你的immich服务器，在右上角点击头像，在弹出的页面上选择“系统管理”按钮

之后点击 设置->机器学习设置->智能搜索 把模型名称填进去，

这里填入 nllb-clip-large-siglip__v1 如下图所示

之后向下滚动鼠标，在紧接着的 人脸识别 选项中，点击人脸识别模型右边的下箭头，选择antelopev2模型

之后保存。

4、模型起效验证

这时候随便上传几张你喜欢的照片。我们来查看智能搜索是否起效。

最后在左侧边栏选择 任务 选项，找到 智能搜索 卡片，点击右边“全部”按钮进行初始化

如果配置正确的话会看到“正在处理”卡片显示数字2（没有改变并发的情况下），右边准备处理数字是你的照片总量。

这时候到你的docker-compose.yml文件夹，执行以下指令docker-compose logs -f查看

docker-compose logs -f

关注其中immich_machine_learning容器的输出，如果看到图中红框样式的输出，就代表模型加载成功了。

现在等图像处理完了你就可以享受智能搜索的乐趣了，附赠几张猫猫~