Immich 人脸识别怎么用：自动分组、命名与手动修正

人脸识别是 Immich 从「存照片的」变成「懂照片的」的那一步。机器自动把几十万张脸聚成一团团，你只负责给每团起名字——之后按人浏览、按人搜索都水到渠成。

工作原理：先检测，再聚类

两阶段流水线：

1. 检测：机器学习容器逐张扫描照片，框出所有的人脸；
2. 聚类：把长得像的脸归成同一组（同一「人物」），同时为每张脸生成单独的小缩略图。

理解「聚类」这个词很关键：机器不知道谁是谁，它只知道哪些脸像。所以初次处理完，你看到的是「人物 1、人物 2……」一堆未命名分组，等着你命名。

日常操作：命名与浏览

入口在网页端/手机端的人物（People）页。点开一个未命名的人物分组，输入名字（可加生日）保存即可。命名后：

• 人物页变成带名字和头像的相册墙；
• 高级筛选 里可以直接按人物筛；
• 点开某个人物，看到这个人出镜的所有照片，可以设置「收藏人物」置顶。

修正：机器错漏怎么手动补

聚类不是百分百准，官方给了两把修正工具：

• 手动标注：打开任何一张照片，在人脸区域点选即可把它标给某个已命名人物，或新建人物——漏检、认错的都能改；
• 移除错误标注：同样入口，把不属于某人的脸摘出来。

聚类效果不好时调参数

管理后台 Machine Learning Settings → Facial Recognition 有两个核心旋钮：

• 最小检测分数/人脸数：控制「多像才算同一人」的门槛，调小 → 合并更激进（组变少），调大 → 分组更保守（组变多）；
• 改完参数需要对全库重跑人脸识别任务（任务队列 触发）。

社区还有一篇官方指南专门讲「如何获得更好的人脸聚类」，核心思路就一句：先手动把明显错分的脸修正一批，再重跑聚类，机器会跟着你的修正收敛。参数随版本可能调整，以官方文档为准。

进阶：跨用户的人脸共享（v3.2 起）

同一台服务器上，机器只见过各自用户库里的脸，所以「你库里孩子的脸」和「伴侣库里孩子的脸」默认是两个不相干的人物。v3.2.0 的 cluster group（聚类分组） 开始打通这层：互信的用户加入同一分组后，机器学习可以在合并后的更大脸池上聚类，你能在彼此共享的照片里看到自己已命名的人物。首次启用需要对分组内所有用户重置人脸识别（名字会丢，需重新命名），官方也在持续改进这个方向——细节以当前版本文档为准。

内存与关闭

人脸识别和 语义搜索 一样吃机器学习资源。低配机器可以在设置里单独关掉人脸识别、保留语义搜索（或反过来）；两者全关的后果见 硬件要求。