作为一个偶尔拍照的人，拥有手机这么多年，手头也是积攒了很多照片的。想有一个在线相册很久了，一直不太确定使用哪些工具构建。最近在一封 newsletter 中遇到了这个代码库 petrovicz/astro-photoswipe，我挺喜欢的，顺便尝试一下以前没接触过的 Astro。至于 PhotoSwipe，它可是老朋友了，曾经用过一段时间，后来精力放在其他地方就没再使用。
Image to text
部署好整相册网站后，我注意到没有图片说明。一开始想的是可以手写，但这么多图片工作量很大，后来想着想着就想到：有没有可以图片转文字的 AI 模型呢？这个网站部署在 Cloudflare Pages 上，很自然地就去 Workers AI 那里找模型，有两个模型（ @cf/llava-hf/llava-1.5-7b-hf 和 @cf/unum/uform-gen2-qwen-500m ）。
本来想着能不能实时生成呢？就是我点击一张图片，瞬间生成这张图片的说明，没找到办法。我通过 Node.js 脚本测试批量后发现生成 230 张左右的图片需要 2 分钟，其中包括了因为图片太大而无法生成、网络连接问题的情况。
在借助 AI 的帮助下完成了这个脚本的编写，遇到的一些问题：
- 本地网络无法连接 Cloudflare 的 API，动不动就超时，解决办法：将运行环境放到 GitHub Action 中，还添加了 15 秒的超时；
- Cloudflare Workers AI 对于 Image to Text 类模型有每分钟 720 次请求的限制，解决办法：限制最大并发请求频次；
- 怎样在得到图片说明后，把所有图片的说明文本上传到 Worker KV 中，解决办法：使用
Promise.all()（它可以将多个迭代期约合并为一个并输出）。
一些感受：
这个脚本现在看起来不觉得有什么了不起，但在写出来以前，我也是很头疼，思考怎么解决上面这几个问题。在 AI 的帮助下，总算是完成了我的目的。写这个脚本时，参考了 dgurns/magic-ai-box 才直接用的 REST API，而不是 Cloudflare 的官方 SDK。
后来想到：
需要一个限定条件：如果生成文本失败就不上传了。如果不这样做会出现一个问题：如果同一张图片前一次生成成功、这一次生成失败，会使得原有的文本被移除。在实现的时候遇到一个 BUG——执行代码无法停止。
- 第一次修改（40b7a92）：使用了
data.result.description进行过滤，后来通过日志发现data.success更简洁。 - 第二次修改（2d62d50）：这次修改了很多内容，这一步的修改导致了代码执行陷入死循环，经过排查发现是在处理图片时期约无法停止造成的。
- 第三次修改（0184d83）：在这一步里对
processImagesConcurrently函数进行了调整。
另一个实现方法，使用 xenova/transformers.js：
import { pipeline } from '@xenova/transformers';
const captioner = await pipeline('image-to-text', 'Xenova/vit-gpt2-image-captioning');
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/cats.jpg';
const output = await captioner(url);
// [{ generated_text: 'a cat laying on a couch with another cat' }]
console.log(output);Remove exif info
两天以后，我注意到一个问题：拍摄的图片都来自手机，那么如果不把图片中附带的手机型号等信息删除，是很大的安全隐患。于是，我又写了个脚本来移除所有图片的 exif 信息。大致流程：
- 遍历目标文件夹下的所有图片，判断还有没有 exif 信息；
- 如果没有就不用处理，如果还有就移除 exif 信息。
代码仓库在GitHub。网址也在那里。