Intermedio 12 minPiano giornaliero

Immich: cercare le proprie foto con un'IA locale

Su una scrivania di legno ci sono fogli sparsi accanto a un portatile.

Immich, l'alternativa self-hosted a Google Photos, ti permette di ritrovare una foto digitando una descrizione («cane sulla spiaggia», «torta di compleanno») invece di un nome di file. Questa ricerca di foto con l'IA si basa su un modello CLIP che gira sul tuo server, nel container di machine learning di Immich. Questa guida spiega come funziona, come scegliere un modello multilingue per cercare in francese, quali errori tenere d'occhio e cosa esce davvero dalla tua rete. La procedura descritta segue la documentazione ufficiale; non è stata ripetuta su un'istanza di test per questa guida.

Di Mohamed Meguedmi·Agg. 2026-11-21·Testato su Windows, macOS e Linux

#Ricerca di foto con l'IA in Immich: il principio

Nella documentazione di Immich la funzione si chiama Smart Search («ricerca intelligente» o ricerca per contesto nell'interfaccia). Non legge le tue foto al volo nel momento della query. Si basa su due operazioni distinte, entrambe affidate al servizio immich-machine-learning.

  1. 01
    Indicizzazione delle immagini
    Per ogni foto, l'encoder di immagini del modello CLIP calcola un vettore numerico (un embedding) che riassume il suo contenuto visivo. Questo vettore viene salvato nel database di Immich. È il lavoro svolto dal job «Smart Search» visibile nell'amministrazione; su una grande libreria fotografica può richiedere molto tempo.
  2. 02
    Codifica della query
    Quando digiti una frase, l'encoder di testo dello stesso modello la trasforma a sua volta in un vettore.
  3. 03
    Comparaison
    Immich restituisce le foto il cui vettore è più vicino a quello della tua frase. Non c'è né generazione di testo né «comprensione» nel senso di un chatbot: è una ricerca per similarità in uno spazio comune immagini-testo.

Conseguenza diretta: il testo e le immagini devono essere stati codificati dallo stesso modello. Se cambi modello, tutte le foto devono essere reindicizzate, altrimenti i vettori vecchi e nuovi non sono più confrontabili.

#CLIP non è un assistente di visione

Il kit completo per creare il tuo assistente IA.

Approfitta della nostra esperienza e di un percorso guidato per creare il tuo assistente locale e usare la tua IA ogni giorno.

  • Spazio online a vita
  • PDF + file
  • Garanzia di rimborso di 30 giorni

Spesso si confonde la ricerca CLIP di Immich con i modelli «di visione» che si fanno girare con Ollama (Qwen3-VL, Gemma, ecc.). Sono due strumenti diversi, che rispondono a due esigenze diverse.

Cosa fa CLIP in Immich
Ordinare le tue foto per vicinanza a una frase. Il risultato è un elenco di immagini ordinate, non una risposta scritta. Il modello è piccolo e l'indicizzazione si fa una volta sola, poi la ricerca è rapida.
Cosa fa un assistente di visione
Descrivere un'immagine, rispondere a una domanda sul suo contenuto, leggere testo (OCR), confrontare due immagini. Genera testo, immagine per immagine, e costa molto di più in calcolo e memoria.
Cosa CLIP non sa fare
Rispondere a «quante persone ci sono in questa foto?», raccontare una scena, leggere in modo affidabile un documento fotografato o contare. Fornisce un punteggio di somiglianza, niente di più.
Cosa Immich non integra nativamente
Un LLM di visione che scriva didascalie o dialoghi con la tua libreria fotografica. Esistono progetti di terze parti, ma non fanno parte di Immich e non sono trattati qui.

Se ti serve ritrovare «la foto della lavagna di martedì», CLIP spesso basta. Se ti serve estrarre il testo di quella lavagna o riassumerlo, serve un modello di visione, per esempio tramite Ollama, su un'immagine che gli invii esplicitamente.

#Prerequisiti

Un'istanza di Immich funzionante
Installata con il docker-compose.yml ufficiale, che include il servizio immich-machine-learning. Se l'hai rimosso dal tuo file compose, la ricerca intelligente non funzionerà.
Un account amministratore
La scelta del modello e l'avvio dei job di indicizzazione si fanno nell'amministrazione del server.
Memoria e tempo
Un modello CLIP più grande richiede più RAM e indicizza più lentamente. Non pubblichiamo cifre sulla durata: dipendono dal modello, dal numero di foto, dalla CPU o dalla GPU, e non abbiamo misurazioni documentate da darti.
Accelerazione hardware (opzionale)
Immich documenta un'accelerazione del machine learning (CUDA per NVIDIA, OpenVINO per Intel, ROCm per AMD, ARM NN e RKNN per alcune schede ARM). Non è obbligatoria: la CPU basta, anche se è più lenta.
Un backup recente
Cambiare modello non tocca i tuoi file, ma rilanciare job pesanti su un server domestico è un buon momento per verificare che il backup del database e degli originali sia aggiornato.

Per verificare che il servizio di machine learning sia in esecuzione, dalla cartella che contiene il tuo docker-compose.yml:

Terminale — stato e log del container ML
# Lister les services Immich et leur état
docker compose ps

# Suivre les journaux du service de machine learning
docker compose logs -f immich-machine-learning

#Attivare la ricerca foto IA e scegliere un modello multilingue

Il modello predefinito indicato dalla documentazione di Immich è ViT-B-32__openai, un CLIP addestrato principalmente su didascalie in inglese. Funziona, ma una query in francese dà in genere risultati meno pertinenti della stessa query in inglese. La documentazione consiglia di usare un modello multilingue se cerchi in una lingua diversa dall'inglese.

  1. 01
    Aprire le impostazioni di machine learning
    In Immich, apri Amministrazione, poi Impostazioni, poi la sezione Machine Learning. Verifica che il machine learning sia attivo e che l'URL del servizio punti correttamente al tuo container (per impostazione predefinita, il servizio immich-machine-learning del file compose).
  2. 02
    Scegliere il modello CLIP
    Nella sottosezione Smart Search, sostituisci il nome del modello. I modelli proposti sono pubblicati dal team di Immich su Hugging Face e la documentazione rimanda a un elenco che indica per ciascuno le dimensioni, i requisiti di memoria e se è multilingue. Tra le famiglie multilingue citate ci sono in particolare nllb-clip (ad esempio nllb-clip-base-siglip__v1, nllb-clip-large-siglip__v1) e XLM-Roberta (ad esempio XLM-Roberta-Large-Vit-B-16Plus). Copia il nome esatto dall'elenco ufficiale: un errore di battitura impedisce il download.
  3. 03
    Registrare
    Alla prossima necessità, il container ML scarica il modello da Hugging Face e poi lo conserva nella sua cache (volume model-cache del compose ufficiale). La prima chiamata può quindi essere lenta, o fallire se il server non ha accesso a Internet.
  4. 04
    Rilanciare l'indicizzazione dell'intera libreria fotografica
    In Administration, apri le attività (Jobs). Sulla riga Smart Search, avvia l'elaborazione su tutte le foto («All») e non solo su quelle mancanti («Missing»): i vettori calcolati con il vecchio modello non sono più compatibili. Segui l'avanzamento nella stessa pagina e nei log del container.
  5. 05
    Testare con alcune query note
    Scegli tre o quattro foto di cui conosci il contenuto, cercale in francese e verifica che compaiano tra i risultati. È il tuo unico vero test: la pertinenza dipende dalla tua libreria fotografica e non possiamo garantirtela a distanza.
!
Finché la reindicizzazione non è terminata, i risultati sono incoerenti
Durante l'elaborazione, una parte delle foto ha i vettori del nuovo modello e l'altra quelli del vecchio. I risultati possono sembrare scarsi o incompleti. Aspetta la fine del job Smart Search prima di giudicare un modello.

Quale modello scegliere? La documentazione non indica un modello «migliore» in assoluto. Il compromesso è il solito: un modello più grande (varianti large) promette una pertinenza migliore ma consuma più memoria e indicizza più lentamente; un modello base è più leggero. Su un piccolo server o un NAS senza GPU, inizia con una variante base multilingue; se la pertinenza ti delude e la macchina ha margine, prova una variante più grande, sapendo che dovrai reindicizzare tutto.

i
Lingua della query e modelli NLLB
I modelli nllb-clip si basano su un encoder di testo multilingue che tiene conto della lingua della query. Secondo la documentazione, per questi modelli Immich usa la lingua impostata nell'interfaccia. Tieni quindi l'interfaccia in francese se cerchi in francese. Questo comportamento può cambiare da una versione all'altra: controlla la pagina «Searching» della documentazione della tua versione.

#Cercare le tue foto in francese

Una volta terminata l'indicizzazione, la ricerca si fa dalla barra di ricerca dell'app web o mobile. A seconda della versione, l'interfaccia propone diversi tipi di ricerca: contesto (la ricerca CLIP), nome file, descrizione e, nelle versioni recenti, testo riconosciuto tramite OCR. Per una ricerca per descrizione, resta sulla modalità contesto.

Descrivi ciò che si vede
«vélo rouge contre un mur», «coucher de soleil sur la mer», «enfant qui souffle des bougies». CLIP reagisce a oggetti, scene, colori, atmosfere.
Evita ciò che l'immagine non mostra
«vacances 2019 chez Paul» non corrisponde a niente di visibile. Per la data, il luogo o la persona, usa i filtri.
Combina con i filtri
Il pannello dei filtri permette di restringere per persone (riconoscimento facciale, un'altra funzione dello stesso container ML), luogo, dispositivo, date e tipo di media. Una query breve più due filtri spesso batte una frase lunga.
Reformulez
Se «gatto» dà troppi risultati, sii più preciso: «gatto nero addormentato su un divano». Se non esce nulla, semplifica. Prova anche l'inglese: se l'inglese funziona nettamente meglio, probabilmente il tuo modello è monolingue.
Non confonderla con la ricerca di testo
La modalità contesto non legge il testo presente nelle foto. Per ritrovare uno screenshot in base al testo che contiene, usa la ricerca OCR se la tua versione la offre, oppure la ricerca per nome di file o per descrizione.

I risultati sono ordinati per similarità e non c'è una soglia «corrisponde / non corrisponde»: la ricerca restituisce sempre qualcosa, anche per una query assurda. I primi risultati sono i più vicini; più scendi, meno sono pertinenti.

#Privacy: cosa resta a casa tua

È l'argomento principale a favore di una ricerca di foto con l'IA self-hosted, ma merita di essere formulato con precisione. Questa guida descrive l'architettura documentata; non costituisce un audit della tua installazione e non garantisce che nessun dato esca dalla tua rete.

I calcoli
Nella configurazione ufficiale, la codifica delle foto e delle query è eseguita dal container immich-machine-learning, sulla tua macchina. Gli embedding sono memorizzati nel tuo database PostgreSQL.
Il download dei modelli
I pesi dei modelli vengono scaricati da Hugging Face al loro primo utilizzo. Questo traffico in uscita è normale; non contiene le tue foto. Una volta che il modello è in cache, non viene più riscaricato finché conservi il volume.
Un ML remoto
L'URL del servizio di machine learning è configurabile: puoi far girare il container ML su un'altra macchina (un PC con GPU, per esempio). In questo caso, le tue foto transitano verso quella macchina. Tienila sulla tua rete locale o dietro una VPN, mai esposta direttamente su Internet.
Le altre funzioni
Le mappe, il controllo della versione o altre impostazioni possono contattare servizi esterni. Sono indipendenti dalla ricerca CLIP; rivedi le impostazioni del server se punti a un funzionamento senza connessioni in uscita.
Disattivare
Il machine learning, o soltanto la ricerca intelligente, può essere disattivato nelle impostazioni. Le tue foto restano accessibili; perdi solo la ricerca per descrizione.
→
Server senza accesso a Internet
Se il tuo server è isolato, il modello non potrà essere scaricato. Un approccio consiste nel lasciare l'accesso in uscita il tempo del primo download, poi disattivarlo: il modello resta nel volume di cache. Verifica poi nei log del container ML che carichi effettivamente il modello dalla cache.

#Errori frequenti e risoluzione dei problemi

La ricerca non restituisce nulla o dà un errore
Il container ML è fermo o irraggiungibile, oppure l'URL nelle impostazioni è sbagliato. Controlla docker compose ps e i log di immich-machine-learning.
Download del modello non riuscito
Nome del modello scritto male, nessun accesso a Hugging Face o disco pieno. I log del container ML indicano in genere quale sia la causa.
Il container ML si riavvia in loop
Spesso si tratta di memoria insufficiente con un modello grande, oppure di un'immagine con accelerazione (ad esempio -cuda) che non corrisponde all'hardware. Torna a un modello più piccolo o all'immagine CPU per isolare il problema.
Risultati scadenti dopo il cambio di modello
Il job Smart Search è stato avviato solo sulle foto mancanti, oppure non è terminato. Rilancialo su tutte le foto.
Risultati scadenti in francese, corretti in inglese
Il modello attivo è monolingue (ad esempio quello predefinito, ViT-B-32__openai). Passa a un modello multilingue e reindicizza.
Nuove foto introvabili
L'indicizzazione dei nuovi file passa per la coda dei job. Se è in pausa o satura, le foto recenti non hanno ancora un vettore. Controlla la pagina dei job.
Terminale — riavviare il servizio ML dopo una modifica
# Redémarrer uniquement le conteneur de machine learning
docker compose restart immich-machine-learning

# Afficher les 100 dernières lignes de journal
docker compose logs --tail=100 immich-machine-learning

#Limiti e fonti

Questa guida non pubblica tempi di indicizzazione, consumi di memoria misurati né punteggi di pertinenza: non abbiamo misurazioni documentate (hardware, versione, modello, dimensioni della libreria fotografica) da presentarti. Gli ordini di grandezza che troverai online dipendono fortemente da questi parametri; l'unico riferimento affidabile è un test sul tuo server, con alcune query di cui conosci la risposta.

Immich evolve rapidamente. Le voci dei menu, l'elenco dei modelli disponibili e i tipi di ricerca cambiano da una versione all'altra. Le informazioni riportate sopra si basano sulla pagina «Searching» della documentazione ufficiale, consultata dalla redazione il 30 ottobre 2026; non sono state ricontrollate il giorno della pubblicazione. In caso di discrepanze, fa fede la documentazione della tua versione: docs.immich.app/features/searching/.

i
Ricerca CLIP e RAG, stessa idea
La ricerca CLIP funziona come la parte di «ricerca» di un RAG: embedding memorizzati, una query codificata, un confronto di similarità. La differenza è che il modello codifica sia immagini sia testo nello stesso spazio. Se hai già messo in piedi un RAG sui tuoi documenti, hai il modello mentale giusto.

#Per approfondire

La ricerca CLIP ritrova le foto; per descriverle, interrogarle o estrarne il testo serve un modello di visione. Queste guide del sito approfondiscono l'argomento.

LLM multimodale con capacità visive in locale: analizzare immagini con Ollama
La guida correlata: descrivere un'immagine, fare OCR, interrogare una foto con un modello di visione locale. Il complemento naturale della ricerca CLIP.
Qwen3-VL in locale con Ollama
Un modello di visione preciso per analizzare nel dettaglio le foto che la ricerca di Immich ti ha permesso di ritrovare.
BGE-M3: embedding che parlano francese
Lo stesso principio degli embedding multilingue applicato al testo, per capire perché un modello monolingue penalizza le query in francese.
Questa guida ti è stata utile?

Un feedback, un errore, una precisazione? Facci sapere, così la guida migliora per tutti.