Upscayl：500×500 进、2000×2000 出，免费开源 AI 图像增强与批量 4 倍超分一次跑通

Upscayl500×500 进、2000×2000 出免费开源 AI 图像增强与批量 4 倍超分一次跑通【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/upscaylUpscayl 是免费开源AGPL-3.0的 AI 图像增强工具纯本地运行把低清图片放大 4 倍还能整个文件夹批量处理适合不愿把图传上服务器的个人用户。我实测一张 500×500 的图约 30 秒放大到 2000×2000全程不上传、不收费。上手前三个自检问题先确认 GPU、素材和目标装之前先过三道自检题任何一题答“否”就省时间换条路走。硬件有 Vulkan 兼容的独立显卡吗Upscayl 的推理引擎跑在 GPU 上多数核显带不动装之前先确认显卡规格。素材你的图是“低清但清晰”还是“本身糊了”失焦、严重模糊的图它无能为力——它只负责补细节不负责去模糊模糊喂进去还是糊。目标你需要批量、隐私、或只能在 Linux 上跑吗整文件夹一键处理、图片不出硬盘、三大平台通吃正是它和在线工具拉开差距的地方。三道题都是“是”再看它和另外两条常见路线的差距对比项Upscayl付费桌面放大软件在线放大网站费用免费AGPL-3.0 开源数百元买断免费额度 订阅图片是否出机器否本地 GPU 推理否是必须上传服务器批量处理整文件夹一次跑支持部分支持自带模型可加载任意 NCNN 模型不支持不支持平台Windows / macOS / Linux以 Win / mac 为主有浏览器即可下载安装五步走各平台安装包下载与界面操作说明以当前版本 v2.15.0 为例从下载出图我只做了五件事拿安装包去项目 Releases 页Windows 选 .exemacOS 选 .dmgLinux 可选 AppImage、Flatpak、Snap、deb、rpm源码党直接git clone https://gitcode.com/GitHub_Trending/up/upscayl。安装启动Windows 首启可能弹 SmartScreen 拦截点“更多信息”再“仍要运行”即可。看主界面左侧一排四步——选图、选模型、设输出、启动默认模型就是 Upscayl 标准 4x保持不动。喂图拖一张测试图进窗口左侧立刻出现原图预览和文件名更省事的办法是截图后直接 CtrlV 粘贴进列表对应实现见 electron/commands/paste-image.ts。点 Start进度条走完主区变成原图与结果并排对比支持滑块和放大镜两种视图。从拖图到出图500×500 进、2000×2000 出中等独显单张约 30 秒到这里就完整走通了一遍 AI 图像超分。放大为什么不是复制像素7 个内置模型选型表把放大想象成修复师看一张糊掉的老照片他凭纹理走向和上下文猜出五官原本该长什么样。AI 超分干的是同一件事——模型根据画面内容推断高清时该有的细节而不是复制像素。这活儿吃算力所以离不开 GPUNCNN 推理引擎跑在显卡上的开源推理框架把计算分给显卡上几千个并行单元像食堂同时开几十个窗口一张 1080p 图 4 倍放大通常一两分钟内完成。数据边界也很清晰图片从打开到输出不离开你的机器不过服务器、不花钱、没有额度限制。内置 7 个模型定义在 common/models-list.ts照表选模型特点推荐场景Upscayl 标准 4x通用均衡默认模型日常照片、风景、通用素材Upscayl 轻量 4x速度最快质量损失最小批量处理、赶时间高保真 4x纹理平滑还原真实质感人像、老照片、产品图Remacri 4x锐度与细节增强非商用自然风光Ultramix 均衡 4x锐度与细节的平衡点非商用自然图像Ultrasharp 4x锐利度拉满非商用追求细节锐度数字艺术 4x保持艺术风格强化线条插画、动漫、游戏原画拿不准就用标准 4x我几十张图下来没翻过车。想加载自己训练的模型把 NCNN 的 .bin 与 .param 文件放进一个文件夹在设置里指过去即可仓库的 docs 目录还附了 PyTorch 模型转换指南。实测单张电商细节图 4x 放大与 30 张扫描件批量处理任务 A电商产品细节图放大到可印刷尺寸目标800×800 的商品细节图升到 3200×3200细节要稳。步骤拖图 → 模型选高保真 4x → 输出格式选 PNG → Start。数据输入 800×800 JPG输出 3200×3200 PNG单张约 40 秒中等独显。任务 B30 张旧书扫描页批量处理目标640×800 的扫描页批量升到可阅读宽度全程不插手。步骤打开 Batch Upscale 开关选图方式变成选文件夹→ 选整个目录 → 自定义输出宽度填 2560高度按原图比例自动算→ 格式 PNG → Start。数据输入 640×800输出宽 2560单张 30~60 秒30 张跑完无人值守无一张返工。六个高频故障症状、原因与解法对照自查症状原因解法启动或点 Start 报 Vulkan 错误NCNN 后端强依赖 Vulkan 兼容 GPU多数核显跑不动装前确认显卡支持 VulkanWin / Linux 有社区 CPU 变通方案macOS 暂无放大后还是糊甚至更糊它不去模糊、不对焦只喂“低分辨率但清晰”的素材批量中途停止输出文件夹是空的该模型不支持这个动作会先把整批升完再统一后处理等当前批次跑完它会自动停下Windows 上设了 GPU ID 仍走核显系统没把 Upscayl 设为高性能模式覆盖了指定在高级显示设置里改为高性能详见 docs/Guide.md开了 TTA一批图跑一下午TTA测试时增强减少伪影耗时约为原来 8 倍只用于单张精修批量前先关选 2x / 3x 不是原生放大7 个内置模型只原生支持 4x其余倍率是 4x 结果缩小模拟的加载 models/ 里的 realesr-animevideov3-x2、x3 等原生倍率模型两年用下来我的体会是AI 超分对“低清但清晰”的图才有效喂失焦的照片模型再好也救不回来。我自己的顺序是从轻到重——先用轻量模型跑一张小图看感觉再拿标准模型加 TTA 精修单张重要的图最后才开批量放它跑。遇到问题别乱搜GPU ID 查法、日志位置、自定义模型用法都在 docs/Guide.md各平台常见故障按系统整理在 docs/troubleshooting/。把那些“舍不得删又看不清”的图翻出来跑一遍试试 【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