Em 29 de setembro de 2026, o desenvolvedor Simon Willison publicou em seu weblog o Photo Scrubber, uma ferramenta experimental que identifica rostos em fotografias, aplica desfoque sobre eles e ainda remove metadados do arquivo. O anúncio saiu às 16h45, no horário do próprio site.
O nome escolhido, local face blur & metadata removal, deixa claro o ponto central da proposta: o tratamento acontece na máquina de quem usa o programa.
A origem do projeto é pessoal e concreta. Willison conta que fez uma fotografia de manifestantes e hesitou em compartilhá-la.
Não gostava da ideia de publicar imagens de pessoas desconhecidas com rostos identificáveis.
Em vez de descartar o registro, decidiu resolver o problema por conta própria. Pediu ao GPT-6 Astra que construísse a ferramenta.
O trabalho foi registrado em um commit público no GitHub. O resultado pode ser acessado na página do Photo Scrubber.
Como o desfoque acontece dentro do navegador
Por baixo do capô, a ferramenta monta um pipeline de visão computacional com três peças conhecidas. A primeira é a MediaPipe, biblioteca do Google escrita em C++ e voltada a tarefas de percepção em tempo real.
A segunda é o pacote @mediapipe/tasks-vision, que permite compilar essa base para WebAssembly, o formato que roda dentro do navegador com desempenho próximo ao de código nativo. A terceira é o modelo de detecção facial BlazeFace, responsável por localizar os rostos na imagem antes que o desfoque seja aplicado.
A combinação é interessante por um motivo prático. O BlazeFace é um detector leve, pensado para operar em dispositivos com recursos limitados.
O WebAssembly permite executá-lo sem depender de uma GPU dedicada ou de conexão com servidores externos.
Na prática, a foto não precisa sair do computador ou do celular de quem usa o utilitário. É exatamente o que o nome da ferramenta sugere ao falar em processamento local.
O próprio autor descreve o Photo Scrubber como uma ferramenta experimental. É um protótipo criado para resolver uma necessidade pontual, e não um produto finalizado com garantias de acerto em todos os tipos de imagem, enquadramento ou iluminação.
Por que isso importa
Fotografar protestos, manifestações e cenas de rua virou rotina para jornalistas, pesquisadores e cidadãos comuns. O problema aparece depois, na hora de publicar: cada pessoa que aparece ao fundo, sem ter escolhido estar ali, ganha uma exposição que não pediu.
Borrar rostos automaticamente reduz esse atrito. Torna mais viável compartilhar o registro sem transformar terceiros em personagens involuntários da imagem.
A segunda função anunciada, a remoção de metadados, ataca outra camada de exposição. Informações que viajam embutidas no arquivo costumam passar despercebidas por quem publica a foto.
Limpar esses dados antes de compartilhar é uma etapa que muita gente esquece.
Ao reunir desfoque e limpeza em um único passo executado localmente, a ferramenta trata privacidade como parte do fluxo de publicação, e não como tarefa extra.
Há ainda uma dimensão de segurança. Por rodar no navegador, o utilitário evita o envio de imagens sensíveis para serviços de terceiros.
Isso é relevante para quem lida com material delicado, como cobertura de protestos ou documentos pessoais.
Prototipagem com modelos de linguagem
O caso também ilustra um padrão que se firmou ao longo de 2026. Em vez de esperar por um produto comercial que atendesse a um caso de uso específico, o desenvolvedor descreveu o problema e delegou a escrita do código ao GPT-6 Astra, um modelo de linguagem.
O commit público documenta essa passagem do incômodo pessoal ao software funcional em um intervalo curto, sem equipe e sem projeto formal.
Esse tipo de experimento mostra como modelos de linguagem estão sendo usados menos como chatbots e mais como ferramentas de construção. O resultado, no caso, é um utilitário pequeno, de escopo claro e voltado a uma tarefa única, um formato que combina bem com a prototipagem assistida por IA.
No mesmo dia em que publicou o Photo Scrubber, Simon Willison também divulgou em seu weblog uma cobertura ao vivo do OpenAI DevDay 2026.
Fontes e links
- Simon Willison's Weblog — matéria original sobre o Photo Scrubber
- Photo Scrubber, página da ferramenta
- Commit no GitHub, registro da construção do projeto
- BlazeFace, modelo de detecção facial utilizado
