local.Visual

Local visual interpreter AI — interpreta imágenes con modelos de visión locales via Ollama.

Fork de OpenVist enfocado exclusivamente en la interpretación de imágenes con IA local. OpenVist es el proyecto principal (computer-use + automatización de capturas); local.Visual es solo el intérprete — sin scripts de captura, sin bot de Discord, sin automatización.

Qué hace

vision_analyze.py recibe una imagen, la envía a un modelo de visión local (Ollama), y devuelve una descripción textual. Sin cloud, sin API keys, sin enviar imágenes a terceros.

python3 vision_analyze.py screenshot.png
python3 vision_analyze.py screenshot.png "Busca errores en la pantalla"
python3 vision_analyze.py screenshot.png --json
python3 vision_analyze.py screenshot.png --retry 3

Requisitos

• Ollama — servidor de modelos local
• Python 3

curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen2.5vl:7b

Modelos de visión soportados

Cualquier modelo de visión compatible con Ollama:

Modelo	Descripción	Comando
qwen2.5vl:7b	Por defecto — buen balance de velocidad y precisión	ollama pull qwen2.5vl:7b
qwen2.5vl:3b	Más rápido, menos preciso	ollama pull qwen2.5vl:3b
llama3.2-vision:11b	Mayor precisión, más lento	ollama pull llama3.2-vision:11b

Plantillas de prompt

Incluye plantillas predefinidas en prompts/:

Plantilla	Descripción
default	Describe en detalle lo que ves en la imagen
errors	Busca errores, advertencias y mensajes importantes
code	Analiza código visible en un editor o terminal
debug	Describe el estado de una sesión de debugging
ui	Describe el layout de la UI y elementos destacados

Variables de entorno

Variable	Por defecto	Descripción
OLLAMA_URL	http://127.0.0.1:11434	URL de la API de Ollama
VISION_MODEL	qwen2.5vl:7b	Modelo de visión
VISION_TIMEOUT	120	Timeout en segundos
VISION_NUM_CTX	4096	Tamaño de la ventana de contexto
OPENVIST_RETRY	1	Número de intentos
OPENVIST_COMPARE_IMAGE	—	Segunda imagen para modo comparación
OPENVIST_BANNER	—	Pie de página opcional en la salida

Configuración

mkdir -p ~/.config/local-visual
cp config.example.json ~/.config/local-visual/config.json

{
  "model": "qwen2.5vl:7b",
  "resize_target": "1024x1024>",
  "timeout": 120,
  "ollama_url": "http://127.0.0.1:11434",
  "num_ctx": 4096
}

Salida JSON

python3 vision_analyze.py screenshot.png --json

{
  "screenshot": "screenshot.png",
  "model": "qwen2.5vl:7b",
  "prompt": "Describe what you see in detail",
  "description": "The image shows a code editor with...",
  "timestamp": "2026-08-05T12:00:00Z",
  "duration_ms": 3400
}

Diferencia con OpenVist

Característica	OpenVist	local.Visual
Captura de pantalla (grim/slurp)	✅	❌
Bot de Discord	✅	❌
Automatización / computer-use	✅	❌
Systemd timers	✅	❌
Interpretación Ollama	✅	✅
Plantillas de prompt	✅	✅
JSON output	✅	✅
Comparación de imágenes	✅	✅

OpenVist es el proyecto completo: captura + automatización + interpretación. local.Visual es solo el intérprete: dale una imagen y te devuelve una descripción.

Seguridad

• 100% local — modelo de visión en Ollama (127.0.0.1:11434)
• Sin API keys, sin cuentas cloud, sin enviar imágenes a nadie
• Ideal para integrar en otros proyectos que necesiten interpretación visual local

Licencia

MIT