Du har ett nettverktøy for komprimering, ett for bakgrunnsfjerning og ett for formatkonvertering, og krysser fingrene for hva hver av dem gjør med bildene dine etterpå. SnapOtter samler alt dette i én container. Det er et åpen kildekode, selvhostet bildestudio lisensiert under AGPLv3, bygget som et TypeScript-monorepo med et Python-lag for KI-funksjonene, og hele stacken kompilerer til ett enkelt Docker-image. Ingen Redis, ingen Postgres, ingen eksterne tjenester å passe på.
Oppstart er én linje: docker run -d --name snapotter -p 1349:1349 -v snapotter-data:/data snapotter/snapotter:latest, og du er i gang på localhost:1349. Verktøybiblioteket dekker over 50 oppgaver, fra resize, beskjæring, komprimering og metadata-stripping til favicon-generator, QR-koder og en collage-bygger med over 25 maler. KI-delen kjører lokalt: bakgrunnsfjerning, oppskalering med super-oppløsning, objektsletting, ansiktssløring for PII, OCR og fargelegging av svart-hvitt-bilder. Hver KI-funksjon laster ned sin egen modell på mellom 500 MB og 5 GB første gang.
For deg som automatiserer, ligger verdien i pipeline-systemet og API-et. Du kan kjede sammen verktøy til gjenbrukbare arbeidsflyter, for eksempel komprimer, strip metadata og konverter til WebP, og kjøre dem mot et ubegrenset antall bilder i én batch. Hvert eneste verktøy er også eksponert via et REST API med nøkkel-autentisering og interaktiv OpenAPI-dokumentasjon i containeren, så du kan koble bildeprosessering rett inn i et dashbord, en lokal LLM eller et eget skript. Har du en Nvidia-GPU og Container Toolkit på plass, gir --gpus all maskinvareakselerasjon, og ARM64 støttes, så en Raspberry Pi 4 eller 5 holder.
Hva bør du gjøre?
- Kjør Docker-kommandoen på hjemmeserveren og bytt standardpassordet før du eksponerer port 1349.
- Bygg en pipeline for en oppgave du gjør ofte, som å konvertere og komprimere bilder til WebP, og kjør den som batch.
- Legg til
--gpus allhvis du har Nvidia-GPU og skal kjøre tunge KI-funksjoner som oppskalering på mange bilder.