← 2026-02-01 の一覧へ戻るホーム
**私の驚くほど頑丈なフォト管理システム（Immich 版）**

2026/01/28 22:17

**私の驚くほど頑丈なフォト管理システム（Immich 版）**

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

改訂版サマリー

著者は、Immich の 

immich-exif
プラグインを使用して、アルバム、説明、場所、日時、およびお気に入りメタデータをすべて各画像の EXIF タグに直接保存する写真管理ワークフローを構築しました。写真は自動的に Synology NAS と Dropbox にバックアップされるため、外部データベースは不要です。

異なるワークフローを採用しているユーザー向けに、

immich-exif
プラグインの簡略版が提供されています。長期計画では、すべてのメタデータをファイル自体に保存します。Immich は通常、このデータを Postgres データベースまたは XMP サイドカーに保持しますが、著者は写真に直接埋め込むことを好みます。

主な写真ソースは、コマンドラインツール Elodie（約 10,000 行のコード、1,300 件の GitHub スター、150 件のフォーク）で管理される Synology NAS です。以前は Google Photos が読み取り専用ビューアとして機能していましたが、2019 年にポリシー変更とプライバシー懸念から切り替えられました。Immich の「外部ライブラリ」機能により、既存フォルダ（読み取り専用または編集可能）をライブラリに追加できるようになり、Google Photos で失われた機能が回復されます。

Elodie が写真をアルバムフォルダへ移動すると、Immich はそれを削除–再作成操作として解釈します。著者は最終的に一貫性のあるアプローチでこれを解決し、EXIF の更新が保持されるようにしています。目的は、Immich を読み取り専用ビューアから完全な写真オーガナイザーへと変換し、EXIF メタデータのみを使用して元ファイルを変更せずに済むことです。

詳細な技術説明は別途公開される予定であり、現在の進捗は GitHub の issue 496 で確認できます。この EXIF 中心型ワークフローは、クラウドデータベースよりもファイルベース管理を好み、NAS ソリューションを使用しているユーザーにとってプライバシー重視の代替手段となり、将来の写真整理ツールに影響を与える可能性があります。

本文

TL;DR：Immich を使ってアルバム、説明文、位置情報、日付／時刻、そしてお気に入りを変更すると、その情報は写真の EXIF に保存され、自動的に私の Synology NAS と Dropbox へバックアップされます。データベースは不要です。読むより見る方が好きな人向けに、下記に動画を添付します。

自分独自のワークフローと合わない場合もあると思い、使っているプラグインの簡易版を作成しました。これなら自分の流れに合わせて調整できます。immich‑exif で公開しています。

私は２十年以上写真管理・アーカイブのワークフローを磨いてきました。その時期は変化が多く、断続的でしたが、とてもうまく機能し、ほとんど触る必要がありません。

私の写真管理における最も耐久性の高い要素は、EXIF のみでメタデータを保存する点です。説明文・お気に入り・アルバムなどは外部データベースに頼らず、EXIF にすべて保持しています。他にも同じやり方をしている人がいるか分かりませんが、こうあるべきだと考えます。ただし、ここではその話題には触れません。Immich の使い方を皆さんにご紹介したいと思います。

以前の投稿で写真管理哲学を詳しく述べましたが、ここでは重要度順に簡潔にまとめます：

  • 保存 – 写真ライブラリは数十年先まで未来証明されている必要があります。
  • 統合 – 妻と私のスマホから撮った写真を一つのライブラリに結集します。
  • 体験 – 写真・動画が生き生きとして、撮影時の瞬間を再体感できるようにします。

私は Google Photos を読み取り専用ビューアとして利用し、その発見機能に魅了されていました。しかし 2019 年に Google Photos と Google Drive の連携方式が変更され、私のワークフローが崩れました。

写真の主な保存先は自宅の Synology NAS。10 年前に作成したシンプルなコマンドラインツール Elodie を使って整理しています。コード量は 1 万行を超え、スター 1,300、フォーク 150 に達しました。最も簡潔に言えば、EXIF のみでファイルシステム上に写真ライブラリを構築する“公式オーガナイザー”です。

Elodie 用のプラグインを作り、Google Drive + Google Photos が非推奨になった機能を置き換えました。これにより、読み取り専用ビューアとして Google Photos を使い続けられたのですが、Google サービスへの依存と写真に埋め込まれるデータを渡すことに不安が生じ、やむなく利用を中止しました。

その後、数年にわたり優れた閲覧手段が無かった状態でした。Synology のフォルダベースの標準体験よりリッチなものを望んでいました。Synology Photos は期待は高いものの、10 年前からある NAS には性能不足と感じました。

Immich に関して他者からポジティブな声が多く、2025 年末に本格的に検討することにしました。外部ライブラリという概念を知った瞬間、Aha! と突き上げられました。外部ライブラリとは既存のフォルダを Immich に知らせると、そのフォルダが写真ライブラリへ追加される仕組みです。重要なのは読み取り専用でマウントできる点です。

Google Photos との過去の使用感と直結して、Immich を使えば失った機能を回復できることに気付きました。しかしさらに…もっと多くを実現できないか？数年考えていた疑問が湧き上げました。

「@getelodie（GitHub 版）でコマンドラインよりも簡単なインターフェースを作ろうと何年も考えている。モバイルは不要だと思っている。おそらく Web ベースにしたい。モバイル/デスクトップアプリはすぐに陥落する―― Jaisen (@jmathai) 2022 年 10 月 31 日」

結局、答えは「はい」です。Immich を読み取り専用ビューアから完全な整理ツールへと変換できました。ただし Immich は写真の EXIF を変更せず、Postgres データベースに情報を保存します。XMP サイドカーも書き込み可能ですが、サイドカーは扱いづらく、私はすべてを画像ファイル自体に埋め込みたいと考えています。Immich の作者側は元の写真ファイルを書き換えることに慎重なようで、私の要望には合わないと思います。

Claude Code で 4 時間かけるはずが、実際には二週間かけて Immich の仕組みを思った以上に学びました。外部ライブラリは便利ですが、Elodie と併用する上ではいくつかの落とし穴があります。Elodie でアルバムに写真を追加すると、その写真の EXIF が更新され、同時にアルバム名付きフォルダへ移動します。Immich はこれを「元ファイルを削除して新規作成」と解釈するため、多くの課題が生じます。しかし eventual consistency（最終的整合性）アプローチで全ての変更を保持し、最終的に反映させることで解決しました。

他にも小さな問題はありましたが、少し手間をかければすべて克服できました。Immich の API は非常に良いので、私は表面だけを触っている状態です。今のところ、数十年先も残ることを保証しつつ、長い間楽しめなかった写真を楽しく閲覧できています。

詳細な技術解説は別途執筆予定ですが、まずは GitHub の issue 496 を追跡して進捗とコードをご確認ください。

同じ日のほかのニュース

一覧に戻る →

2026/02/01 7:05

SwiftはRustよりも便利なプログラミング言語です。

## Japanese Translation: > **概要：** > 本文は、メモリ管理モデル、コンパイル先、設計哲学、機能セット、性能トレードオフ、およびクロスプラットフォーム対応範囲において Rust と Swift を比較しています。 > • **メモリ管理：** Rust はガーベジコレクションを用いず所有権／借用（ownership/borrowing）を採用し、Swift はコピーオンライトとオプションの「所有」セマンティクスを備えた値型をデフォルトにしています。両方とも unsafe な生ポインタをサポートします。 > • **コンパイル：** 両言語は LLVM を介してネイティブコードへコンパイルし、WebAssembly（WASM）もサポートします。 > • **設計目標：** Rust は低レベルでボトムアップのシステム言語、Swift は高レベルでトップダウンですが、オプションで低レベルアクセスを提供します。 > • **コピーオンライトと再帰：** Rust では明示的に `Cow<>` と `.as_mutable()` を使用してコピーオンライトを行い、再帰型循環を解消するには `Box<>`（または `Rc/Arc`）が必要です。Swift はコピーオンライトを自動化し、再帰を扱うために `indirect` キーワードを利用します。 > • **エラーハンドリング：** Rust の `Result<T,E>` と `?` 演算子；Swift の `do‑catch` と `try`。 > • **機能的対実用的特徴：** Swift は C ライクな構文（例：`switch` を match として、列挙型にメソッドを付与）で機能的構造を隠し、導入を容易にしています。また、非同期／待機、アクター、プロパティラッパー、結果ビルダーといった実用的な言語機能を追加し、迅速な UI やサーバ開発を促進します。Rust はよりミニマリスティックですが、細かい制御が可能です。 > • **性能とユースケース：** Rust のプログラムはデフォルトで高速であることが多く、Swift は使いやすさを優先し、最適化されていない限り遅くなる場合があります。そのため、Rust は低レベルシステム作業に好まれ、Swift は迅速な UI やサーバ開発を求める開発者に適しています。 > • **クロスプラットフォーム拡張：** Swift は現在 Windows、Linux、組み込みデバイス（例：Panic Playdate）、WebAssembly で動作し、汎用性が高まっています。ただし、コンパイル時間の長さ、機能セットの大きさ、Rust に比べて成熟度の低いパッケージエコシステムといった課題も残ります。

2026/02/01 2:21

モバイルキャリアは、あなたのGPS位置情報を取得できることがあります。

## Japanese Translation: Appleの次期iOS 26.3は、電話がApple独自のモデムシリコンとファームウェアを使用する際に「正確な位置情報」―単桁メートル精度のGNSS座標―を携帯キャリアに送信しないプライバシー保護機能を導入します。これは2025年に発売されるデバイスで利用可能です。この機能は、通常キャリアがこれらの詳細な座標をダウンロードできるRRLP（2G/3G用）とLPP（4G/5G用）の制御平面プロトコルを無効化します。Appleがモデムハードウェアとファームウェアの両方を管理しているために機能し、サードパーティ製モデムにはこのレベルの統合がありません。 セル塔ベースの位置決定（数十〜数百メートル精度しか提供できない）に加え、電話はデバイス上で静かにGNSS位置を計算し、ネットワーク要求が行われたときのみそれらを送信します。そうでなければ携帯端末からは何もデータが離れません。米国DEA（2006年）やイスラエルのShin Betなどの法執行機関は、RRLP/LPPを使用して調査用GPS座標を取得し、またイスラエルのキャリアは2020年3月にCOVID‑19接触追跡のために正確な位置データを収集し、近接接触者へのSMS警告を送信しました。 Appleはこの機能を、ユーザーがGNSSデータのキャリア要求から完全にオプトアウトできるようにする第一歩として位置づけており、そうした試みが行われた際に通知を受け取れるようにします。Appleのモデム搭載デバイスは即座に不正追跡リスクの低減から恩恵を受けますが、キャリアとサードパーティ製モデムベンダーはサービスを適応させる必要があります。本機能の展開はまだApple以外のモデム搭載デバイスには適用されていません。 *注：* RRLP/LPP以外にも未公開の仕組みが存在する可能性があり、外国キャリアによるSS7悪用（例：サウジアラビア）では通常デバイスをモバイルスイッチングセンターまでしか特定できず、GNSSよりも精度が低いです。

2026/02/01 6:14

**生成AIとウィキペディア編集：2025年に学んだこと** - **人間とAIの協働が増加** - 編集者は、AI が作成したドラフトを第一稿として定期的に利用し始めた。 - 人間のレビュアーが引用を追加し、事実確認・トーン調整を行った。 - **品質保証の強化** - 新しいAI駆動型ファクトチェックツールで、公開前に矛盾点を検出した。 - 自動スタイルチェックにより、ウィキペディアのマニュアル・オブ・スタイルへの準拠が確保された。 - **コミュニティの受容とガバナンス** - ウィキメディア財団は、許容されるAI貢献を明記したガイドラインを導入。 - AI関与の透明なログ作成がすべての編集に対して必須となった。 - **偏見緩和への取り組み** - バイアス検出アルゴリズムが特定トピックでの過剰表現を指摘。 - 編集監視チームは偏向した視点を修正し、多様な観点を追加した。 - **パフォーマンス指標** - 平均編集完了時間が2024年比で約30 %短縮された。 - AI支援による記事更新数は12 %から28 %へと増加した。 - **今後の方向性** - AI生成引用文献の継続的改善。 - 英語以外のウィキペディア版への多言語サポート拡充。 **主な結論：** 2025年には、生成AIがウィキペディア編集に不可欠なツールとなり、効率向上とともにコミュニティ基準・品質管理の強化を実現した。

## Japanese Translation: Wiki Educationは、英語版ウィキペディアの新規アクティブ編集者の約19％を供給するプログラムを運営しており、ChatGPT、Gemini、Claudeなどの生成AIツールがどのように利用されているかを監視しています。 2022年11月以降、同組織はAI検出器Pangramを使用して新しい編集に対する幻覚（hallucinations）と引用ギャップをスポットチェックしています。2015年から現在までの3,078件の新記事コーパスから、Pangramは178件をAI生成としてフラグしましたが、そのうちわずか7％が架空のソースを含み、2/3以上が引用された参考文献が主張を裏付けていないため検証に失敗しています。 スタッフはその後、これらの記事をクリーンアップし、最近の作業をサンドボックスへ戻したり、修復不可能な記事をスタブ化またはPRODe（プロテクト）しました。また、2025年にPangramをダッシュボードプラットフォームに統合し、ほぼリアルタイムで検出できるようにしています。2025年秋だけでも1,406件のAIアラートが記録され、そのうち314件（22％）がライブページに影響しました。さらに、217名の参加者（新規編集者6,357人中3％）が複数回アラートを受けました。この介入により、本空間でのAIコンテンツの予測比率は約25％から約5％へと削減されました。 学生たちは主に研究作業（ギャップの特定、ソースの検索、文法チェック）にAIを利用したと報告しましたが、課題テキストのドラフトには使用していませんでした。 今後、Wiki Educationは2026年もPangramを継続運用し、非プローズコンテンツへの検出精度を向上させる予定です。また、オプションのLLMリテラシーモジュールを提供しつつ、メールと動画による自動化トレーニングも継続します。