FaceSort · 分图

拍公演、拍活动，一场下来几百上千张。回家导进电脑之后真正花时间的不是修图，是分图：谁的照片归谁，一张张看、一张张拖，两三个小时就没了。拍得越多越不想整理，硬盘里攒了一堆「待分」的文件夹。

FaceSort（分图）就是为了把这件事交给电脑做的。你给每个人几张样例照，它认出每张照片里是谁，复制到以那个人名字命名的文件夹里。全程在自己电脑上跑，照片不会传到任何地方。

第一步，登记要认的人。每人几张清晰的正脸就够。

怎么用

打开之后是四步，一步步往下走就行。

人物。添加要识别的人，给每个人选几张照片当样例，正脸清楚的效果最好。样例会存下来，下次打开还在。手头没有样例也可以，选「自动分组」，它会把长得一样的人自己聚到一起，叫「人物 1、人物 2」，你在预览页给每组起个名字就行。起过名的下次会直接认出来。

设置。选要整理的文件夹和输出位置。合影怎么处理由你定：归给主要人物、每个人都存一份、或者单独放进「合影」文件夹。文件夹和文件名有几套现成的命名方式，也可以自己写。

选文件夹、定合影规则、调严格度。

预览。在动任何文件之前，先把分好的样子给你看：每个人多少张，缩略图一排排列出来，还有多少张没认出来。看着不对就回去调一下严格度或者补样例。

预览页，这一步还没有动任何文件。

整理。确认之后才真正复制文件，完成后给一张汇总，拿不准像谁的照片可以逐张改派。

几个用起来会在意的点

• 默认复制不移动，原图原地不动，已有文件绝不覆盖。想省空间的话可以在设置里改成移动。
• 支持 RAW。CR2、CR3、NEF、ARW、DNG 都能认，同一张照片的 RAW 和 JPEG 会放到一起。
• 重跑不用重新识别。调了严格度或者换了合影规则，再跑一次几乎是秒出。
• Apple 芯片上很快。识别跑在神经网络引擎上，比纯 CPU 快八倍左右，一张 2400 万像素、六张脸的照片六十毫秒出头。
• 不占双倍硬盘。在 Mac 上复制到同一块盘时用的是系统的克隆机制，200G 的片子几秒钟整理完，几乎不额外占空间。
• 模型只下一次。第一次用会下载一个约 290MB 的人脸模型，之后就能离线用。内置了几个国内镜像会自动挑通的那个，实在下不动可以手动导入。

设置页：模型、硬件加速、默认值。

人脸识别用的是开源的 InsightFace 模型，检测和比对都是它。我做的部分是把它包成一个不用敲命令的软件，加上样例库、预览、合影规则和这些让人放心的默认值。

下载

macOS 和 Windows 都有安装包，在 GitHub Releases 下载。Mac 是 dmg，拖进应用程序文件夹；Windows 是单个 exe，直接运行。首次打开系统可能会拦一下，Mac 右键选「打开」，Windows 点「仍要运行」。

代码开源，MIT 协议，会用命令行的话也有 facesort run 这样的入口。