Upscayl:拖进去,3 步拿回一张不糊的 AI 图像超分辨率结果
2026/8/31 10:27:25 网站建设 项目流程

Upscayl:拖进去,3 步拿回一张不糊的 AI 图像超分辨率结果

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl

抽屉里翻出一张 2004 年的老照片,手机拍的大头照、客户发来的压缩过的产品图,放大之后边缘发虚、色块发糊。传统插值放大只会把糊"放大",不会变清楚。Upscayl 是一款免费开源的 AI 图像超分辨率桌面应用,基于 Real-ESRGAN 模型在本地推理,照片、动漫、截图都能喂给它,全程不上传、不收费。适合手里有一堆低清素材、又想在离线环境里批量救图的摄影爱好者、设计师和电商卖家。

30 秒跑通:装包、拖图、导出

  1. 从仓库 releases 下载对应平台的安装包:Linux 选 AppImage,Windows 选 exe,macOS 选 dmg。装完打开,界面就是四步:选图、选模型、设输出、点增强。
  2. 把模糊的图直接拖进窗口,选一个模型,点"Upscayl"。
  3. 进度条走完,输出文件默认落在原图旁边,想换目录就在输出目录里指一个。

源码党其实就一步:

npm install && npm run start

前提是机器上有 Vulkan 兼容的显卡。没有的话,增强这一步会直接卡住。

先分清手里的素材,再挑模型

内置 7 个模型(定义见 common/models-list.ts),别按名字挑,按素材挑。

真实照片——旅行照、老照片、人像。默认 upscayl-standard-4x,它是在通用真实世界场景上做的,放大后纹理补齐自然,不添油加醋。要印刷或存档,换 high-fidelity-4x,它以保留原图信息为目标,少"加戏"。

动漫、漫画、手绘插画——选 digital-art-4x。这个模型专门针对线条、色块和描边做过优化:

用 Standard 跑动漫会往色块里添噪点,线条也会发毛,Digital-Art 则是把线稿重新描干净,色块保持平滑。

截图、UI、海报——选 ultrasharp-4x。它的锐化最狠,放大后边缘和文字更挺括,配"Double Upscayl"选项还能连跑两遍:

代价是容易过头。放大后出现塑料感,说明锐化过了,退一档换 ultramix-balanced-4x,它把细节和自然度做了平衡。追求速度就用 upscayl-lite-4x,轻量模型跑得快,适合批量过图。

卡点与进阶:遇到 X 就调 Y

显存不够、跑不动大图的报错最常见。别急着怪显卡,先把 Tile Size 从 Auto 调小,填 256 或 384,大图会分块处理,显存压力立刻下来。这是所有"卡死"类问题的第一反应动作。

多显卡机器上增强没跑在独显上,去设置的 GPU ID 框里指定独显编号,日志里能看到每张卡对应的编号,双卡可以写"0,1"。Windows 上这个设置可能被系统覆盖,记得把电源模式切到高性能。

老照片放大后还是糊,先停一下怀疑自己:Upscayl 做的是细节重建,不是去模糊。失焦的图它救不了,它擅长的是"对焦准但像素少"的素材。拿原图对焦清晰的版本再试。

批量增强中途发现图片没压缩、比例不对,别急着停。它会先把全部图片放大完,再做压缩等后处理,等它自然跑完就行。

有自己训练的 NCNN 模型,建个 models 文件夹,把 .bin 和 .param 两件套丢进去,在设置的"Add Custom Models"里指到该文件夹,模型名会直接出现在增强类型下拉框里。模型名带 x2、x3 的才能原生输出对应倍率,其余倍率是 x4 放大后再降采样模拟的。

输出格式按用途选:PNG 无损但最大,JPG 压得快,WebP 折中;压缩质量滑杆就是在文件大小和画质之间取舍。更多细节可以翻 docs/troubleshooting/ 目录,每个平台都有对应排错文档,核心参数拼装逻辑在 electron/commands/ 里,想看每张图最终怎么喂给推理后端,直接读源码。

回到那张老照片

开头那张发虚的老照片,和"能看的照片"之间只隔一次拖拽。从仓库拉最新的 upscayl 安装包,丢进去跑一遍 Standard,不满意再换模型——入口就是 docs/Guide.md,其余的交给实践。

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询