如何把 Jasna 二次修复拉满unet-4x、RTX Super Res 与 Topaz 三模型完整对比【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasnaJasna 是面向 JAV 视频的 GPU 马赛克修复工具其二次修复Secondary Restoration功能在主修复完成后把马赛克区域单独放大再融合回画面解决特写与 4K 视频修复后偏软的问题。本文对比 unet-4x、RTX Super Res、Topaz TVAI 三个二次修复模型的选型逻辑、耗时与显存实测。先给结论同一张 NVIDIA 卡优先选 unet-4x不想花一分钱选 RTX Super Res。问题场景主修复之后画面为什么会发糊Jasna 的主修复引擎 BasicVSR 是按块工作的每个马赛克区域被裁成256x256的块送进网络修好后填回原坐标。对普通 1080p 场景这足够清晰但下面三种情况会露馅马赛克面积大256 像素覆盖的区域放回原尺寸后被拉伸脸部特写镜头纹理细节本来就吃像素源视频是 4K256 的块相对整帧比例更小发糊更明显。二次修复的思路是给修复块单独补一道放大把 256x256 的块放大到 512x512 或 1024x1024 再融合回去皮肤纹理和发丝边缘因此更锐利。⚠️ 开始前先确认门槛仅限 NVIDIA 显卡AMD ROCm 构建只支持主修复流程unet-4x 是支持者专享模型需要激活许可证TVAI 需要 Windows 系统加付费安装的 Topaz Video选 LTX 主模型时二次修复会自动失效见 docs/zh/models.md。方案总览三个模型一张表维度unet-4xRTX Super ResTopaz TVAI定位综合首选免费快速档画质天花板成本许可证码解锁支持者专享免费、零额外安装需购买 Topaz Video质量接近 TVAI 的 iris-2尚可个别视频会闪烁与 unet-4x 相当速度CAWD 1080p 片段29 秒25 秒52 秒放大倍率固定 4x256→10242x 或 4x1x / 2x / 4x平台Windows / LinuxWindows / Linux仅 Windows三者差异可以压缩成一句话unet-4x 是为修复场景专门训练的速度快且质量不输 TopazRTX Super Res 用免费换一点画质TVAI 质量在线但时间代价翻倍。选哪个基本由预算和平台两个变量决定。方案详解按推荐度排序unet-4x时间感知的 4 倍上采样器一句话定位满档画质与速度的平衡点NVIDIA 卡且有许可证时的默认答案。核心机制unet-4x 不只看当前帧。它的输入有三个张量——lr_prev、lr_curr、hr_prev即前一帧的低清版、当前帧的低清版和前一帧的高清版见 jasna/restorer/unet4x_secondary_restorer.py。带上时间维度的信息放大结果在帧间更稳定不容易出现闪烁。模型在 NVIDIA 上会编译成 TensorRT 引擎fp16来跑。关键规格输入 256x256输出 1024x1024是三者中放大倍率最高的单 worker无倍率可调项需要支持者许可证未激活时 GUI 中该选项置灰。实测CAWD 1080p 片段29 秒 / 12.5 GB VRAM比无二次修复的基线22 秒 / 10.0 GB多 7 秒、2.5 GB。适合有 NVIDIA 卡、追求成片质感、愿意支持作者的多数场景。 不适合AMD 用户、显存只有 8 GB 且要跑 4K 的用户可降级到 RTX Super Res。RTX Super Resolution免费的快速档一句话定位不花钱就能开的最优解代价是个别视频可能闪烁。它基于 NVIDIA Maxine 的VideoSuperRes接口实现见 jasna/restorer/rtx_superres_secondary_restorer.py不需要安装任何第三方软件。可选项比另外两个都多CLI 默认值如下--rtx-scale2 或 4默认 4--rtx-qualitylow / medium / high / ultra默认 high--rtx-denoisenone ~ ultra默认 medium--rtx-deblurnone ~ ultra默认 none。实测25 秒 / 11.7 GBCAWD 1080p是三者中最快的。适合零预算、追求速度、显存偏紧的用户。 不适合对闪烁零容忍的场景——官方明确提示部分视频会闪烁务必先用 30 秒短片段验证。Topaz TVAI画质上限时间下限一句话定位已持有 Topaz Video 的 Windows 用户的精修选项。TVAI 的跑法很直接Jasna 拉起 Topaz 的ffmpeg.exe作为子进程把修复块以帧流形式喂进去再取回放大结果实现见 jasna/restorer/tvai_secondary_restorer.py。可选项--tvai-modeliris-2 / iris-3 / prob-4 / nyx-1官方推荐iris-2--tvai-scale1 / 2 / 4默认 4--tvai-workers并行 ffmpeg 进程数1~8默认 2--tvai-ffmpeg-path默认指向C:\Program Files\Topaz Labs LLC\Topaz Video\ffmpeg.exe。实测52 秒 / 12.1 GB2 workers, iris-2约是 unet-4x 的 1.8 倍耗时。适合Windows 平台、已购买 Topaz、不着急的重点片源。 不适合任何赶时间的场景以及 Linux 用户直接不可用。代价与权衡实测数据看时间账以下是官方对两段 1080p 视频的实测数据来自 docs/zh/models.md二次修复类型CAWD 1080pKV-109 1080p无二次修复基线22 秒 / 10.0 GB11 秒 / 10.7 GBunet-4x29 秒 / 12.5 GB14 秒 / 12.6 GBRTX Super Res25 秒 / 11.7 GB13 秒 / 11.4 GBTVAI2 workers, iris-252 秒 / 12.1 GB24 秒 / 12.4 GB所以呢时间上选 unet-4x 只比基线多 30% 左右TVAI 直接多一倍显存上三者各多占 1.5~2.5 GB。也就是说二次修复的主要代价是显存而非时间——12 GB 以上的卡开 unet-4x 几乎无感8 GB 卡跑 4K 则需要配合调参。上手指南GUI 与 CLI 开启步骤GUI 操作设置界面代码在 jasna/gui/settings_sections/secondary.py打开设置面板展开Secondary Restoration二次修复折叠区块在 None / unet-4x / TVAI / RTX Super Resolution 中点选目标引擎每个选项旁的 ⓘ 悬浮提示会说明细节若选 TVAI在展开的面板里确认 ffmpeg 路径、模型选 iris-2与倍率若选 RTX Super Res按需调整 scale / quality / denoise先用短片段试跑确认无闪烁再保存预设处理全片。CLI 一条命令即可以 unet-4x 为例jasna --input input.mp4 --output output.mkv --secondary-restoration unet-4xRTX Super Res 则追加参数jasna --input input.mp4 --output output.mkv --secondary-restoration rtx-super-res --rtx-scale 4 --rtx-quality high 操作前检查显卡是 NVIDIAunet-4x 选项可点已激活TVAI 用户确认TVAI_MODEL_DATA_DIR与TVAI_MODEL_DIR两个环境变量已指向 Topaz 模型目录否则 jasna/gui/validation.py 的校验会直接报错。避坑与限制这些坑先知道RTX Super Res 闪烁这是官方明示的风险。缓解办法是换短片段重测或把--rtx-denoise从 medium 调到 high仍闪烁就换 unet-4x时间只多 4 秒CAWD 片段。显存不够怎么办优先降低--max-clip-sizeGUI 中最大片段大小。参考 GUI 提示1080p 下 90 约 4 GB、180 约 5 GB4K 需要约 1.5 倍。把片段从 180 降到 90 或 60通常就能腾出空间。详见 docs/zh/tuning.md。unet-4x 选项置灰原因是许可证未激活或本地缺少模型文件。激活后 GUI 会检测到模型文件并自动解锁见 jasna/gui/settings_sections/secondary.py 中的可用性判断。与 LTX 互斥主修复选 LTX 时CLI 传--secondary-restoration会直接报错退出GUI 中该区块也会整个隐藏这是设计如此。TVAI 报错排查顺序环境变量缺失 → ffmpeg 路径不存在 → workers 过高导致 OOM先把--tvai-workers降回 2。决策速查按人群对号入座你的情况推荐方案一句话理由NVIDIA 卡 ≥12 GB 显存愿支持作者unet-4x质量近 TVAI速度只有其一半4x 放大倍率最高零预算、要快RTX Super Res免费免安装先跑 30 秒片段验证不闪烁即可全片Windows 已购 Topaz 时间充裕TVAI iris-2画质与 unet-4x 相当适合重点片源精修AMD 显卡不可用二次修复仅限 NVIDIA只走主修复✅ 共同建议无论选哪个先用短片段试跑确认无闪烁、显存不爆再上全片。常见问题AMD 显卡能用二次修复吗不能。二次修复目前仅限 NVIDIAAMD ROCm 构建只支持主修复流程这也是 docs/zh/models.md 中明确标注的限制。unet-4x 在 GUI 里是灰色的点不了说明许可证未激活或模型文件未就位。按 README.zh.md 的支持本项目章节完成激活后GUI 检测到模型文件会自动解锁该选项。开了二次修复输出文件会变大很多吗不会显著变大。输出分辨率不变只是修复区域细节更多码率可能略升默认编码器设置可以应对无需额外调整。4K 视频建议开哪个显存 ≥12 GB 直接上 unet-4x显存吃紧则用 RTX Super Res多占的显存最少并把最大片段大小降到 60~90。二次修复和 LTX 能一起用吗不能。选 LTX 主模型时二次修复会被自动关闭CLI 侧传参也会报错。想要细节更多应该用 LTX 本身而不是叠加二次修复。RTX Super Res 出闪烁是显卡问题吗不是硬件故障是模型对个别素材的已知风险。先用短片段复现调整 denoise 档位或改选 unet-4x两者实测时间差只有几秒。结语二次修复解决的是修好了但不够锐这一个具体问题代价可控时间多三成以内显存多 1.5~2.5 GB。把决策变量收敛到预算和平台答案就很简单——有许可证选 unet-4x没预算选 RTX Super ResTVAI 留给 Windows 上的精修场景。延伸阅读docs/zh/models.md模型选择与二次修复完整参数docs/zh/tuning.md显存与速度调优docs/zh/advanced_processing.md降噪、LUT、锐化等进阶处理README.zh.md安装与许可证说明【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何把 Jasna 二次修复拉满unet-4x、RTX Super Res 与 Topaz 三模型完整对比【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasnaJasna 是面向 JAV 视频的 GPU 马赛克修复工具其二次修复Secondary Restoration功能在主修复完成后把马赛克区域单独放大再融合回画面解决特写与 4K 视频修复后偏软的问题。本文对比 unet-4x、RTX Super Res、Topaz TVAI 三个二次修复模型的选型逻辑、耗时与显存实测。先给结论同一张 NVIDIA 卡优先选 unet-4x不想花一分钱选 RTX Super Res。问题场景主修复之后画面为什么会发糊Jasna 的主修复引擎 BasicVSR 是按块工作的每个马赛克区域被裁成256x256的块送进网络修好后填回原坐标。对普通 1080p 场景这足够清晰但下面三种情况会露馅马赛克面积大256 像素覆盖的区域放回原尺寸后被拉伸脸部特写镜头纹理细节本来就吃像素源视频是 4K256 的块相对整帧比例更小发糊更明显。二次修复的思路是给修复块单独补一道放大把 256x256 的块放大到 512x512 或 1024x1024 再融合回去皮肤纹理和发丝边缘因此更锐利。⚠️ 开始前先确认门槛仅限 NVIDIA 显卡AMD ROCm 构建只支持主修复流程unet-4x 是支持者专享模型需要激活许可证TVAI 需要 Windows 系统加付费安装的 Topaz Video选 LTX 主模型时二次修复会自动失效见 docs/zh/models.md。方案总览三个模型一张表维度unet-4xRTX Super ResTopaz TVAI定位综合首选免费快速档画质天花板成本许可证码解锁支持者专享免费、零额外安装需购买 Topaz Video质量接近 TVAI 的 iris-2尚可个别视频会闪烁与 unet-4x 相当速度CAWD 1080p 片段29 秒25 秒52 秒放大倍率固定 4x256→10242x 或 4x1x / 2x / 4x平台Windows / LinuxWindows / Linux仅 Windows三者差异可以压缩成一句话unet-4x 是为修复场景专门训练的速度快且质量不输 TopazRTX Super Res 用免费换一点画质TVAI 质量在线但时间代价翻倍。选哪个基本由预算和平台两个变量决定。方案详解按推荐度排序unet-4x时间感知的 4 倍上采样器一句话定位满档画质与速度的平衡点NVIDIA 卡且有许可证时的默认答案。核心机制unet-4x 不只看当前帧。它的输入有三个张量——lr_prev、lr_curr、hr_prev即前一帧的低清版、当前帧的低清版和前一帧的高清版见 jasna/restorer/unet4x_secondary_restorer.py。带上时间维度的信息放大结果在帧间更稳定不容易出现闪烁。模型在 NVIDIA 上会编译成 TensorRT 引擎fp16来跑。关键规格输入 256x256输出 1024x1024是三者中放大倍率最高的单 worker无倍率可调项需要支持者许可证未激活时 GUI 中该选项置灰。实测CAWD 1080p 片段29 秒 / 12.5 GB VRAM比无二次修复的基线22 秒 / 10.0 GB多 7 秒、2.5 GB。适合有 NVIDIA 卡、追求成片质感、愿意支持作者的多数场景。 不适合AMD 用户、显存只有 8 GB 且要跑 4K 的用户可降级到 RTX Super Res。RTX Super Resolution免费的快速档一句话定位不花钱就能开的最优解代价是个别视频可能闪烁。它基于 NVIDIA Maxine 的VideoSuperRes接口实现见 jasna/restorer/rtx_superres_secondary_restorer.py不需要安装任何第三方软件。可选项比另外两个都多CLI 默认值如下--rtx-scale2 或 4默认 4--rtx-qualitylow / medium / high / ultra默认 high--rtx-denoisenone ~ ultra默认 medium--rtx-deblurnone ~ ultra默认 none。实测25 秒 / 11.7 GBCAWD 1080p是三者中最快的。适合零预算、追求速度、显存偏紧的用户。 不适合对闪烁零容忍的场景——官方明确提示部分视频会闪烁务必先用 30 秒短片段验证。Topaz TVAI画质上限时间下限一句话定位已持有 Topaz Video 的 Windows 用户的精修选项。TVAI 的跑法很直接Jasna 拉起 Topaz 的ffmpeg.exe作为子进程把修复块以帧流形式喂进去再取回放大结果实现见 jasna/restorer/tvai_secondary_restorer.py。可选项--tvai-modeliris-2 / iris-3 / prob-4 / nyx-1官方推荐iris-2--tvai-scale1 / 2 / 4默认 4--tvai-workers并行 ffmpeg 进程数1~8默认 2--tvai-ffmpeg-path默认指向C:\Program Files\Topaz Labs LLC\Topaz Video\ffmpeg.exe。实测52 秒 / 12.1 GB2 workers, iris-2约是 unet-4x 的 1.8 倍耗时。适合Windows 平台、已购买 Topaz、不着急的重点片源。 不适合任何赶时间的场景以及 Linux 用户直接不可用。代价与权衡实测数据看时间账以下是官方对两段 1080p 视频的实测数据来自 docs/zh/models.md二次修复类型CAWD 1080pKV-109 1080p无二次修复基线22 秒 / 10.0 GB11 秒 / 10.7 GBunet-4x29 秒 / 12.5 GB14 秒 / 12.6 GBRTX Super Res25 秒 / 11.7 GB13 秒 / 11.4 GBTVAI2 workers, iris-252 秒 / 12.1 GB24 秒 / 12.4 GB所以呢时间上选 unet-4x 只比基线多 30% 左右TVAI 直接多一倍显存上三者各多占 1.5~2.5 GB。也就是说二次修复的主要代价是显存而非时间——12 GB 以上的卡开 unet-4x 几乎无感8 GB 卡跑 4K 则需要配合调参。上手指南GUI 与 CLI 开启步骤GUI 操作设置界面代码在 jasna/gui/settings_sections/secondary.py打开设置面板展开Secondary Restoration二次修复折叠区块在 None / unet-4x / TVAI / RTX Super Resolution 中点选目标引擎每个选项旁的 ⓘ 悬浮提示会说明细节若选 TVAI在展开的面板里确认 ffmpeg 路径、模型选 iris-2与倍率若选 RTX Super Res按需调整 scale / quality / denoise先用短片段试跑确认无闪烁再保存预设处理全片。CLI 一条命令即可以 unet-4x 为例jasna --input input.mp4 --output output.mkv --secondary-restoration unet-4xRTX Super Res 则追加参数jasna --input input.mp4 --output output.mkv --secondary-restoration rtx-super-res --rtx-scale 4 --rtx-quality high 操作前检查显卡是 NVIDIAunet-4x 选项可点已激活TVAI 用户确认TVAI_MODEL_DATA_DIR与TVAI_MODEL_DIR两个环境变量已指向 Topaz 模型目录否则 jasna/gui/validation.py 的校验会直接报错。避坑与限制这些坑先知道RTX Super Res 闪烁这是官方明示的风险。缓解办法是换短片段重测或把--rtx-denoise从 medium 调到 high仍闪烁就换 unet-4x时间只多 4 秒CAWD 片段。显存不够怎么办优先降低--max-clip-sizeGUI 中最大片段大小。参考 GUI 提示1080p 下 90 约 4 GB、180 约 5 GB4K 需要约 1.5 倍。把片段从 180 降到 90 或 60通常就能腾出空间。详见 docs/zh/tuning.md。unet-4x 选项置灰原因是许可证未激活或本地缺少模型文件。激活后 GUI 会检测到模型文件并自动解锁见 jasna/gui/settings_sections/secondary.py 中的可用性判断。与 LTX 互斥主修复选 LTX 时CLI 传--secondary-restoration会直接报错退出GUI 中该区块也会整个隐藏这是设计如此。TVAI 报错排查顺序环境变量缺失 → ffmpeg 路径不存在 → workers 过高导致 OOM先把--tvai-workers降回 2。决策速查按人群对号入座你的情况推荐方案一句话理由NVIDIA 卡 ≥12 GB 显存愿支持作者unet-4x质量近 TVAI速度只有其一半4x 放大倍率最高零预算、要快RTX Super Res免费免安装先跑 30 秒片段验证不闪烁即可全片Windows 已购 Topaz 时间充裕TVAI iris-2画质与 unet-4x 相当适合重点片源精修AMD 显卡不可用二次修复仅限 NVIDIA只走主修复✅ 共同建议无论选哪个先用短片段试跑确认无闪烁、显存不爆再上全片。常见问题AMD 显卡能用二次修复吗不能。二次修复目前仅限 NVIDIAAMD ROCm 构建只支持主修复流程这也是 docs/zh/models.md 中明确标注的限制。unet-4x 在 GUI 里是灰色的点不了说明许可证未激活或模型文件未就位。按 README.zh.md 的支持本项目章节完成激活后GUI 检测到模型文件会自动解锁该选项。开了二次修复输出文件会变大很多吗不会显著变大。输出分辨率不变只是修复区域细节更多码率可能略升默认编码器设置可以应对无需额外调整。4K 视频建议开哪个显存 ≥12 GB 直接上 unet-4x显存吃紧则用 RTX Super Res多占的显存最少并把最大片段大小降到 60~90。二次修复和 LTX 能一起用吗不能。选 LTX 主模型时二次修复会被自动关闭CLI 侧传参也会报错。想要细节更多应该用 LTX 本身而不是叠加二次修复。RTX Super Res 出闪烁是显卡问题吗不是硬件故障是模型对个别素材的已知风险。先用短片段复现调整 denoise 档位或改选 unet-4x两者实测时间差只有几秒。结语二次修复解决的是修好了但不够锐这一个具体问题代价可控时间多三成以内显存多 1.5~2.5 GB。把决策变量收敛到预算和平台答案就很简单——有许可证选 unet-4x没预算选 RTX Super ResTVAI 留给 Windows 上的精修场景。延伸阅读docs/zh/models.md模型选择与二次修复完整参数docs/zh/tuning.md显存与速度调优docs/zh/advanced_processing.md降噪、LUT、锐化等进阶处理README.zh.md安装与许可证说明【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
