Fork me on GitHub

我做了一个 AI 图片重命名工具：看懂照片内容，再生成有意义的文件名

整理旅行照片时，我经常遇到一个问题：相机和手机生成的文件名通常是 IMG_8428.JPG IMG_0698.JPG 这样的编号。

当照片数量较少时，还可以逐张打开查看；但一次旅行拍摄几十甚至几百张照片后，仅凭文件名几乎无法知道照片内容。想找到“国清寺古建筑”“天台山瀑布合影”或者“琼台仙谷悬索桥”，只能不断翻看缩略图。

为了解决这个问题，我开发了一个带图形界面的 Python 工具：AI 照片与视频重命名器。

它可以调用本地视觉模型识别照片内容，自动生成类似下面这样的文件名：


IMG_0506.JPG

→ 20260812-天台山大瀑布景区-一家三口合影.JPG

IMG_8428.JPG

→ 20260813-国清寺-黄墙古树与石狮.JPG

IMG_8422.JPG

→ 20260812-琼台仙谷-悬索桥近景.JPG

相比没有含义的相机编号，这样的名称更容易搜索、归档和长期保存。

视频演示

这个工具能做什么？

工具使用 Python 和 Tkinter 开发，提供了一个简单的桌面操作界面。用户不需要编写命令，只需要选择照片目录、配置模型，然后按照“扫描—分析—预览—确认”的流程操作。

目前支持以下功能：

  • 选择指定的图片目录

  • 可选择是否递归扫描子目录

  • 支持 JPG、JPEG、PNG、WebP 和 BMP 图片

  • 支持 MOV、MP4、M4V、AVI 和 MKV 视频

  • 自定义视觉模型名称和 API 地址

  • 调用 Ollama 兼容接口分析图片内容

  • 自动生成带日期和场景描述的文件名

  • 重命名前预览全部结果

  • 支持手工修改 AI 生成的名称

  • 自动清理 Windows 文件名中的非法字符

  • 自动处理同名文件并添加序号

  • 不覆盖目录中已经存在的文件

  • 批量重命名失败时尝试回滚

整个过程只会修改文件名，不会修改图片、视频内容或照片中的 EXIF 信息。

为什么选择本地视觉模型？

这款工具默认连接本机运行的 Ollama 服务，例如：


LLM_MODEL=qwen3.8:27b

LLM_API_HOST=http://127.0.0.1:11434

使用本地模型有两个主要好处。

1. 照片不需要上传到第三方平台

当 API 地址配置为 127.0.0.1 时，图片分析请求只发送给本机运行的模型服务。家庭照片、旅行合影等内容不需要上传到外部云服务。

当然，程序也允许修改 API 地址。如果使用远程服务，需要自行确认服务的隐私政策和数据处理方式。

2. 模型可以自由切换

模型名称和 API 地址都可以在 .env 文件或图形界面中配置，因此程序不依赖某一个固定模型。

需要注意的是，所选模型必须支持视觉输入。纯文本模型无法识别照片内容。

图片和视频是怎样处理的？

直接把数 MB 甚至十几 MB 的原图发送给模型，会占用较多内存和视觉 Token。为此，程序会先对图片进行预处理：

  1. 读取并修正照片的 EXIF 方向；

  2. 将图片最长边缩小到 1280 像素；

  3. 转换为适合模型分析的 JPEG 数据；

  4. 调用视觉模型生成文件名描述。

这个过程只在内存中生成缩略图，不会修改原始照片。

对于视频，程序会通过 FFmpeg 获取视频时长，抽取中间位置的一帧，然后让视觉模型根据这一帧生成名称。临时画面会在分析结束后自动删除。

这种方案无法概括长视频的全部内容，但对于手机拍摄的短视频、Live Photo 片段和旅行记录，通常已经能够提供有意义的名称。

为什么不让 AI 直接修改文件？

AI 生成的名称并不一定每次都完全准确。例如，它可能无法确定具体景点，或者把人物关系描述得过于笼统。

因此，这个工具没有采用“分析后立即重命名”的方式，而是加入了一个预览确认流程：

  1. 扫描目录中的媒体文件；

  2. AI 逐个分析并生成建议名称；

  3. 用户检查全部结果；

  4. 对不满意的名称进行手工修改；

  5. 最后统一确认并应用。

只有用户点击“应用重命名”并再次确认后，程序才会真正修改文件名。

文件安全方面做了哪些处理？

批量重命名看起来简单，但需要考虑文件重名、非法字符和中途失败等情况。

程序会自动清理 Windows 不允许出现在文件名中的字符：


< > : " / \ | ? *

如果多个文件得到相同的名称，程序会自动添加序号：


天台山大瀑布-瀑布近景.JPG

天台山大瀑布-瀑布近景-02.JPG

天台山大瀑布-瀑布近景-03.JPG

正式重命名前，程序还会检查目标文件是否已经存在，避免覆盖原有文件。

批量操作采用两阶段重命名：文件首先被改成唯一的临时名称，确认全部进入临时状态后，再转换成最终名称。如果过程中发生异常，程序会尽可能恢复原始文件名。

安装和运行

项目使用独立的 Python 虚拟环境，不会把依赖安装到系统 Python 中。

进入项目目录后运行：


powershell -ExecutionPolicy Bypass -File .\setup.ps1

安装脚本会自动：

  • 创建 .venv

  • 安装锁定版本的 Python 依赖

  • 在缺少 .env 时从模板创建配置文件

然后编辑 .env：


LLM_MODEL=qwen3.8:27b

LLM_API_HOST=http://127.0.0.1:11434

启动程序：


powershell -ExecutionPolicy Bypass -File .\run.ps1

run.ps1 会始终使用项目目录下 .venv 中的 Python。如果虚拟环境不存在，它会先自动执行安装脚本。

使用流程

实际操作只需要几步：

  1. 点击“选择目录”，指定待处理的照片目录；

  2. 配置 API 地址和视觉模型；

  3. 点击“测试连接”；

  4. 点击“扫描目录”；

  5. 点击“AI 分析全部”；

  6. 检查并修改建议名称；

  7. 点击“应用重命名”。

分析过程采用顺序处理，不会同时把大量原图加载到内存中，更适合包含几十或几百张照片的目录。

当前版本的局限

目前版本仍有一些可以继续改进的地方：

  • 日期前缀暂时来自文件修改时间，还没有优先读取 EXIF 拍摄时间；

  • 视频只分析中间一帧，无法完整理解长视频内容；

  • 景点识别依赖视觉模型自身能力，模型可能只能描述画面而无法判断准确地点；

  • 目前主要针对 Ollama 原生接口，还没有加入 OpenAI 兼容接口切换；

  • AI 生成的名称仍建议在应用前人工检查。

未来可以继续增加 EXIF 拍摄时间、地理位置、多个视频关键帧、命名模板以及重复照片检测等功能。

项目源码

完整源码和安装说明已发布在 GitHub：

查看 GitHub 项目源码

如果你也有大量使用 IMG_XXXX.JPG 命名的旅行照片，希望这个工具能帮助你更高效地完成整理。

← Previous Post: Mindset 2026