企业官网建设流程全解析

Upscayl 批量放大教程：4 步完成一个文件夹的 AI 放大

【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

当你手头有一文件夹低分辨率的产品图、旧截图或游戏图片，需要放大到更大的尺寸且保持清晰时，一张张手动处理会非常繁琐。Upscayl 的批量放大功能（Batch Upscayl）就是为这个场景准备的：选中一个文件夹、选好模型、点击一个按钮，它会自动放大并保存该文件夹里的全部图片。下文会用 4 步带你跑通第一次文件夹级放大。

Upscayl 是什么：三句话了解这个项目

• 免费开源的 AI 图像放大工具，支持 Windows 10+、macOS 12+ 与 Linux（安装说明见 README.md）。
• 完全本地运行：基于 Real-ESRGAN 模型和 NCNN Vulkan 后端，在你自己的显卡上完成放大，图片不会上传到任何服务器。
• 适合需要成批放大低清、像素化图片的场景（电商、设计、照片整理）。注意：它对模糊、失焦的图片效果有限，因为放大不等于去模糊。

系统要求与安装：运行前确认 3 件事

1. 显卡⚠️ Upscayl 要求一张支持 Vulkan 的独立显卡，多数核显（iGPU）和纯 CPU 环境无法运行，这是 README.md FAQ 中明确说明的前提。

2. 下载与安装：

• Windows：从官网或 Releases 页面下载.exe安装包，双击安装；若出现 SmartScreen 警告，点"更多信息"再"仍要运行"。
• macOS（12 及以上）：下载.dmg后拖入"应用程序"，首次启动右键选择"打开"；也可以用 Homebrew 执行brew install --cask upscayl。
• Linux：通过系统软件源（Flatpak/Snap）安装，或下载 AppImage 文件，右键属性勾选"允许作为程序执行"后运行。

3. 首次运行确认显卡：安装后随便选一张图片点一次底部 "Upscayl" 按钮做测试，然后打开 Settings 标签页，滚到底部日志区（Log Area）。看到一串 GPU ID 列表说明显卡已被识别；如果出现 GPU Error，按 docs/troubleshooting/ 里的指引处理。

4 步完成一个文件夹的批量放大

所有操作都在主界面的 Upscayl 标签页完成，界面本身就是 Step 1 到 Step 4 的分步布局。

第 0 步：开启批量模式。勾选顶部的 "Batch Upscayl" 开关。开启后，Step 1 的按钮会从 "Select Image" 变成 "Select Folder"，表示本次任务将处理整个文件夹。

Step 1：Select Folder。点击按钮选择输入文件夹。文件夹里应只放受支持格式的图片：PNG、JPG、JPEG、WEBP（定义见 common/image-formats.ts），混入其他文件可能导致任务报错。

Step 2：Select AI Model。点击打开模型选择对话框，内置 7 个模型并附放大前后对比图，按图片类型选（列表见 common/models-list.ts）：

• Upscayl Standard：适合大多数图片，第一次使用直接选它。
• Digital Art：适合插画和 CG。
• Remacri / Ultramix / Ultrasharp：适合自然照片，但许可证限制商业用途。

模型下方是 Image Scale（放大倍数）。内置模型均为 4x；如果选 1x/2x/3x，Upscayl 会先放大 4x 再降采样到目标倍数。

Step 3：Set Output Folder。点击 "Set Output Folder" 按钮选择输出位置，不选则默认使用输入文件夹所在位置。保存时 Upscayl 会在输出目录下自动创建形如upscayl_jpg_upscayl-standard-4x_4x（格式_模型_倍数）的子文件夹，方便区分不同任务的产物。

Step 4：启动。点击底部 "Upscayl" 按钮。进度条出现后按钮变为进行中状态，完成后会弹出系统通知；中途可用 "STOP" 按钮中止（中止后的表现见下文排查一节）。

完整示例：一次放大 5 张产品图

从头到尾走一遍：

1. 新建文件夹products/，放入 5 张 JPG（假设 500×500），不放其他文件。
2. 开启 "Batch Upscayl"，在 Step 1 选中products/。
3. Step 2 选择 "Upscayl Standard"，倍数保持默认 4x。
4. Step 3 将输出文件夹设为products/output。
5. 点击 "Upscayl"，等进度条走完（时长取决于图片数量和显卡性能）。
6. 打开products/output/upscayl_jpg_upscayl-standard-4x_4x/，可以看到 5 张放大到 2000×2000 的图片。

如果希望放大后的图片保留原图 EXIF 信息（相机、拍摄时间等），先在 Settings 里打开 "COPY IMAGE METADATA"，批处理完成后会自动把元数据复制到输出文件。

内置模型的放大前后对比，更多示例可在 COMPARISONS.MD 中查看。

3 个值得调的参数：Scale、TTA Mode、Tile Size

• Image Scale（放大倍数）：最常用的选项。内置模型只原生支持 4x，选 2x/3x 时是"先 4x 再缩小"。如果希望模型原生输出 2x/3x，需要导入自定义模型，做法见 docs/Guide.md 的 "Scale Option" 和 "Custom Models" 两节。另外注意：倍数高于 5x 只做常规缩放，不再走 AI 放大，且可能带来性能问题。
• TTA Mode（测试时增强）：能去除更多伪影、提升质量，但处理时间会增加约 8 倍，批量任务不建议开启，只在对单张重要图片精修时尝试。
• Custom Tile Size（分块大小）：图片处理时会切块进行，分块大小影响显存占用。如果提示 tile size 相关错误或大图时崩溃，在 Settings 中调整该项或设为 0 恢复默认。

输出相关的还有两项： "SAVE IMAGE AS" 选择输出格式（PNG 无损但文件大，JPG/WEBP 有损且可通过 "Image Compression" 压缩体积），一般网页用途选 WEBP 或 JPG 即可。

出错时看这里：3 种最常见情况

现象 1：提示 GPU Error，或放大速度异常慢。原因：显卡不支持 Vulkan，或多显卡机器用错了卡。 解决：在 Settings 日志区查看可用 GPU 列表，把对应编号填入 "GPU ID" 输入框（查找方法见 docs/Guide.md 开头 "GPU ID" 一节）；Windows 用户还要在显示设置中把 Upscayl 设为高性能模式，否则系统可能覆盖该设置。

现象 2：任务中途报错，或输出文件夹缺了部分图片。原因：输入文件夹混入了非图片文件，或某张图片本身有问题导致整个任务中止。 解决：确认文件夹只包含 PNG/JPG/JPEG/WEBP；在 Settings 点 "COPY LOGS" 复制日志定位具体错误，然后重跑任务。

现象 3：点过 STOP 后，输出文件夹里的图片没有被压缩或倍数不对。原因：对于模型不支持的动作（比如降采样到目标倍数），Upscayl 会先把所有图片放大完，再统一做后处理；中途停止时这一步没有执行。 解决：等待流程自然结束；如果已经停止，重新跑一遍批量任务即可。

延伸与资源：文档和源码都在仓库里

• docs/Guide.md：GPU ID 查找、日志阅读、自定义模型导入的完整说明。
• docs/troubleshooting/：Windows、macOS、Linux 分平台的排查指引。
• docs/openapi.yaml：想把放大能力接入自己的工作流，这里定义了任务创建、上传、状态查询的接口。
• electron/commands/batch-upscayl.ts：批量任务从启动、报错处理到完成后处理的全部调度逻辑。
• common/models-list.ts：内置模型清单，想扩展模型时可参考其结构。

从 1 个文件夹开始

Upscayl 批量放大把"逐张选图"变成"选一个文件夹"，所有图片共用一套模型与参数，结果保持一致且无需盯着屏幕。现在就可以建一个文件夹、丢进 5 张图片，按上面的 4 步跑一次，几分钟内就能看到第一批放大结果。

【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