再也不用手动给照片打标签。

免费试用让你在没有时间限制的情况下免费处理最多 100 张图片。你可以在购买前完整体验工作流——模型选择、内置分区、自定义字段和导出选项。

VisionTagger 支持常见图片格式，如 JPEG、PNG、TIFF、HEIC 和 WebP，以及包括 DNG 在内的多种 RAW 格式。你可以从 Mac 上的文件夹选择图片，或直接从你的 Photos Library 选择。

可以。你可以在三个级别中选择：简洁生成一句话，适合用作 alt 文本；标准生成两句带上下文的描述，适合用作图片说明；详细则生成全面的描述。

可以。你可以设置关键词的最大数量，让模型为每张图片生成不超过该数量的关键词。你还可以定义始终添加在列表开头或末尾的关键词，以及指定要排除的关键词。生成后，你可以在导出前手动为每张图片重新排序、编辑、添加或删除关键词。

可以。除了内置分区（标题、描述、关键词、内容与风格、安全与合规）之外，你还可以创建自定义分区并添加自己的字段。每个字段都支持数据类型（Boolean、Text 或 List of Texts）以及独立的提示词，让你能精确控制模型要提取的内容。

可以。当你选择该输出选项时，VisionTagger 可以把元数据写回你的 Photos Library。写入之前你总会看到发布摘要。

VisionTagger 可以为每张图片导出 JSON、CSV 或 TXT，也可以为整批图片导出单个 JSON/CSV/TXT 文件。它还可以应用 Finder 标签。对于 XMP sidecar 和将元数据嵌入图片文件，VisionTagger 会集成 ExifTool（需另行安装）。

可以。VisionTagger 始终以英语生成元数据，以确保最佳的 AI 模型质量。当你在设置中选择其他输出语言时，生成的元数据会使用 macOS 内置翻译功能自动翻译。支持的语言包括阿拉伯语、中文、荷兰语、法语、德语、印地语、印度尼西亚语、意大利语、日语、韩语、波兰语、葡萄牙语、俄语、西班牙语、泰语、土耳其语、乌克兰语和越南语。翻译可用前需要先在系统设置中下载语言包。

ExifTool 只在生成 XMP sidecar 和将元数据嵌入图片文件时需要。如果你只导出 JSON/CSV/TXT 或应用 Finder 标签，就不需要 ExifTool。

VisionTagger 在写入任何输出前都会显示发布摘要，并在可能覆盖已有文件时提醒你。你可以先检查将要执行的操作，并在保存前确认。

不需要。一键下载模型即可开始处理。VisionTagger 预设了合理的默认值。如果你想要更多控制，可以在设置中调整输出长度等参数——但大多数用户无需调整。

VisionTagger 在本地运行，不会上传你的图片或生成的元数据。只有在应用内下载模型，以及检查并下载应用更新时才需要联网。

VisionTagger 需要 Apple Silicon（M1 或更新机型），并在 macOS Tahoe 26.0 或更高版本上运行。建议至少 16 GB 内存；使用较大模型时，推荐 32 GB 或更多。速度取决于你的 Mac、所选模型、图片分辨率以及你选择的元数据字段。较小的模型通常更快；较大的模型可能产出更高质量结果。

模型下载会保存在本地。每个模型大约需要 4–8 GB（因模型而异）。

可以。VisionTagger 通过两个操作与 Apple 快捷指令集成：Generate Image Metadata（用于 Finder 中的文件）和 Generate Photo Metadata（用于你的 Photos Library）。两者都能在后台运行完整流程，并将结果导出到你配置的目的地。你可以在快捷指令 App、Finder 快速操作、文件夹自动化、命令行和 AppleScript 中使用它们。你还可以提供从应用导出的设置预设，以实现可复现的自动化。

不能。VisionTagger 使用的是通用的预训练视觉模型，所以它能描述画面中有人并记录可见的特征，但无法按姓名识别或标记特定的个人。这些模型没有针对人脸识别进行训练，也没有办法教它们识别特定的人。

VisionTagger 内置了七个预配置的视觉模型：Qwen3-VL 8B Instruct、Qwen3-VL 30B-A3B Instruct、Qwen3-VL 32B Instruct、Qwen2.5-VL 7B Instruct、Gemma 3 4B IT、InternVL3 8B Instruct 和 Pixtral 12B。较小的模型通常运行更快；较大的模型可能输出更高细节，但会根据你的 Mac 和所选设置需要更多内存。你可以用试用版对比模型并调整参数，直到结果符合你的工作流和偏好的细节程度。

可以。如果你有兼容 GGUF 的视觉模型及其匹配的 projector 文件（同样是 GGUF），就能在 VisionTagger 里把它们链接起来，像内置选项一样使用。你需要自行确保对第三方模型的使用符合它们的许可与条款。

可以。在设置里你可以用滑块调整 temperature、max tokens、context length、top-P 和 top-K 等生成参数。这能帮助你在创意和一致性之间做平衡，并控制输出长度与细节。

大多数云端关键词服务按张收费，且需要将照片上传到他们的服务器。VisionTagger 一次购买，无按张收费——你可以处理任意数量的图片。你的照片永远不会离开你的 Mac，元数据直接写入 XMP sidecar 和文件，而不是需要手动导入的 CSV 导出。

图片中嵌入的 GPS 坐标会匿名发送至 Apple 地图以查询地名。仅发送坐标——Apple 不会收集与您的地图使用相关的个人数据。GPS Location 功能在应用中默认处于关闭状态。

默认情况下，macOS 可能会使用 Apple 的在线翻译服务以提高准确性。要确保所有翻译完全在 Mac 上完成，不让数据离开设备，请在系统设置 > 翻译 中启用“设备端模式”。

不会。VisionTagger 不包含 analytics 或遥测，也不会上传你的数据。许可激活与更新检查会在这些功能需要时发起网络请求。