Upscayl 完整指南:免费开源 AI 图像超分,7 个模型怎么选才不翻车【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 是一款免费开源的 AI 图像超分辨率工具,跑在本地、图片不上传,把模糊小图放大到 2 倍、4 倍甚至指定的像素宽度,Windows、macOS、Linux 全都能装。把一张 256×256 的截图拖进窗口、选好模型、点 Start Upscayl,几十秒后同一目录里多出一张 1024×1024 的图,文件名自动带上放大倍数和模型名,一眼就能认出是哪张。第一次打开它:装好就能用,没有注册和激活AppImage 直接双击,macOS 拖进 Applications,Windows 走一遍安装向导,都不需要账号。启动后先看到一张引导卡片,按选图 → 选模型 → 选输出 → 开始的路子往下走。第一次别碰设置,最短路径是:拖一张 JPG 进窗口 → 模型保持默认的 upscayl-standard-4x → 点 Start Upscayl。输出默认落在图片所在目录,命名规则是原名_upscayl_4x_模型名.格式。想自己编译的话,git clone https://gitcode.com/GitHub_Trending/up/upscayl,然后npm install、npm run dev就能跑起来。各平台的打包脚本(AppImage、dmg、nsis)都写在 package.json 里。拿真活儿试试:三个场景对号入座动漫插画:线条糊了,但别让它长肉。问题出在二创图放大后线条发虚、色块出现条纹。把模型换成 digital-art-4x——这是专门给动漫和插画训练的,4 倍直接上。效果是线稿重新变利落,平涂色块干净,不会像通用模型那样给画面盖一层照片感的颗粒。老照片与风景大图:要细节,更要自然。低分辨率风景图放大后容易出油画味伪影,high-fidelity-4x 对付这个最稳,输出格式选 PNG,别让低压缩 JPEG 再丢一层细节。放大后建筑边缘、植被纹理补得很满,光影过渡没被塑料感盖住,拿去做打印底稿够用。一整文件夹:批量跑,睡一觉收工。几十张同规格素材用Upscayl Folder入口一次丢进去,它会自动建一个upscayl_格式_模型_倍数的子目录存放结果,单张失败不拖垮整个队列。它背后在干什么:一个壳 一台本地推理引擎界面上的按钮其实只是在收集参数。真正干活的是打包在应用里的本地推理程序:electron/commands/image-upscayl.ts 把你的选择翻译成一串命令行参数,再交给 electron/utils/spawn-upscayl.ts 拉起子进程。模型本身是 NCNN 格式的.param/.bin文件,推理全部在本机的 GPU 或 CPU 上完成,图片不经过任何服务器。子进程把日志打到 stderr,主进程逐行读回:数字就当进度条,看到 Resizing 就提示正在缩放转换,出现 Error 立刻杀掉进程并弹通知。这也解释了为什么处理再久界面也不卡——重活根本不在界面进程里跑。一个容易被忽略的细节:模型的基础倍数是读出来的。common/check-model-scale.ts 看模型名里有没有 x2、x3,默认按 x4 处理,只有你选的倍数和模型自带倍数不一致时,才把-s参数传给子进程。值得拨动的三个旋钮TTA 模式(-x):同一张图多方向多次推理再取平均,细节更稳,代价是耗时接近翻倍。日常不勾,要打印、做放大主图的片子再开。Tile 分块大小(-t):图太大、显存吃紧时把分块调小,能避免 OOM;但别调得太碎,块与块交界处会有轻微接缝感。输出格式与压缩(-f/-c):WebP 适合发网页,同画质下体积最小;PNG 适合存档;选 JPEG 时压缩值别低于 80,否则放大好不容易换来的细节又被再压掉一层。坑与冷知识️ 自定义模型文件夹必须就叫models,且只放.param和.bin文件,混进别的文件整个目录会被判定无效并弹错误框,校验逻辑在 electron/commands/custom-models-select.ts。️ 输出文件已存在时会直接跳过、不再放大(除非开 overwrite)。改了参数想重跑同一张图?它纹丝不动——想对比参数,要么删掉旧文件,要么换个输出目录。️ Windows 路径上限 255 字符,长文件名 长模型名 深层目录,组合起来就触发文件名过长报错,这是主流程里主动拦截并提示的,不是随机故障。谁适合把它留在手边照片、插画、截图的批量翻新,它省掉了在线工具的上传、排队和会员费;没有独显的机器也能跑,只是慢。想再往深处玩,可以照 模型转换指南 把自己训练的 Real-ESRGAN 模型转成 NCNN 格式丢进 models 文件夹,七个内置模型就变八个。代码是 AGPL-3.0,觉得哪里别扭,提 issue 或者直接 fork 改。【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 Upscayl 完整指南:免费开源 AI 图像超分,7 个模型怎么选才不翻车
Upscayl 完整指南:免费开源 AI 图像超分,7 个模型怎么选才不翻车【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 是一款免费开源的 AI 图像超分辨率工具,跑在本地、图片不上传,把模糊小图放大到 2 倍、4 倍甚至指定的像素宽度,Windows、macOS、Linux 全都能装。把一张 256×256 的截图拖进窗口、选好模型、点 Start Upscayl,几十秒后同一目录里多出一张 1024×1024 的图,文件名自动带上放大倍数和模型名,一眼就能认出是哪张。第一次打开它:装好就能用,没有注册和激活AppImage 直接双击,macOS 拖进 Applications,Windows 走一遍安装向导,都不需要账号。启动后先看到一张引导卡片,按选图 → 选模型 → 选输出 → 开始的路子往下走。第一次别碰设置,最短路径是:拖一张 JPG 进窗口 → 模型保持默认的 upscayl-standard-4x → 点 Start Upscayl。输出默认落在图片所在目录,命名规则是原名_upscayl_4x_模型名.格式。想自己编译的话,git clone https://gitcode.com/GitHub_Trending/up/upscayl,然后npm install、npm run dev就能跑起来。各平台的打包脚本(AppImage、dmg、nsis)都写在 package.json 里。拿真活儿试试:三个场景对号入座动漫插画:线条糊了,但别让它长肉。问题出在二创图放大后线条发虚、色块出现条纹。把模型换成 digital-art-4x——这是专门给动漫和插画训练的,4 倍直接上。效果是线稿重新变利落,平涂色块干净,不会像通用模型那样给画面盖一层照片感的颗粒。老照片与风景大图:要细节,更要自然。低分辨率风景图放大后容易出油画味伪影,high-fidelity-4x 对付这个最稳,输出格式选 PNG,别让低压缩 JPEG 再丢一层细节。放大后建筑边缘、植被纹理补得很满,光影过渡没被塑料感盖住,拿去做打印底稿够用。一整文件夹:批量跑,睡一觉收工。几十张同规格素材用Upscayl Folder入口一次丢进去,它会自动建一个upscayl_格式_模型_倍数的子目录存放结果,单张失败不拖垮整个队列。它背后在干什么:一个壳 一台本地推理引擎界面上的按钮其实只是在收集参数。真正干活的是打包在应用里的本地推理程序:electron/commands/image-upscayl.ts 把你的选择翻译成一串命令行参数,再交给 electron/utils/spawn-upscayl.ts 拉起子进程。模型本身是 NCNN 格式的.param/.bin文件,推理全部在本机的 GPU 或 CPU 上完成,图片不经过任何服务器。子进程把日志打到 stderr,主进程逐行读回:数字就当进度条,看到 Resizing 就提示正在缩放转换,出现 Error 立刻杀掉进程并弹通知。这也解释了为什么处理再久界面也不卡——重活根本不在界面进程里跑。一个容易被忽略的细节:模型的基础倍数是读出来的。common/check-model-scale.ts 看模型名里有没有 x2、x3,默认按 x4 处理,只有你选的倍数和模型自带倍数不一致时,才把-s参数传给子进程。值得拨动的三个旋钮TTA 模式(-x):同一张图多方向多次推理再取平均,细节更稳,代价是耗时接近翻倍。日常不勾,要打印、做放大主图的片子再开。Tile 分块大小(-t):图太大、显存吃紧时把分块调小,能避免 OOM;但别调得太碎,块与块交界处会有轻微接缝感。输出格式与压缩(-f/-c):WebP 适合发网页,同画质下体积最小;PNG 适合存档;选 JPEG 时压缩值别低于 80,否则放大好不容易换来的细节又被再压掉一层。坑与冷知识️ 自定义模型文件夹必须就叫models,且只放.param和.bin文件,混进别的文件整个目录会被判定无效并弹错误框,校验逻辑在 electron/commands/custom-models-select.ts。️ 输出文件已存在时会直接跳过、不再放大(除非开 overwrite)。改了参数想重跑同一张图?它纹丝不动——想对比参数,要么删掉旧文件,要么换个输出目录。️ Windows 路径上限 255 字符,长文件名 长模型名 深层目录,组合起来就触发文件名过长报错,这是主流程里主动拦截并提示的,不是随机故障。谁适合把它留在手边照片、插画、截图的批量翻新,它省掉了在线工具的上传、排队和会员费;没有独显的机器也能跑,只是慢。想再往深处玩,可以照 模型转换指南 把自己训练的 Real-ESRGAN 模型转成 NCNN 格式丢进 models 文件夹,七个内置模型就变八个。代码是 AGPL-3.0,觉得哪里别扭,提 issue 或者直接 fork 改。【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