Upscayl5 分钟用免费开源的本地 AI 图像放大工具完成 4 倍放大【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把一张模糊的老截图放大到 1080p全是锯齿、文字糊成一团这种挫败感你肯定遇到过。Upscayl 就是干这个的一款免费、开源AGPL-3.0、完全本地运行的 AI 图像放大桌面工具图片全程不出你的电脑。它的机制很直白基于 Real-ESRGAN 算法让 AI 模型通过 NCNN Vulkan 引擎在显卡上猜出压缩时丢失的细节并重建而不是简单拉伸像素。先说清楚Upscayl 是什么、不是什么它是一个桌面图形界面程序支持单张放大和整文件夹批量放大内置 7 个放大模型当前版本 v2.15。它不是云端服务所有计算都在本机 GPU 上完成没有上传、没有额度。它也不是万能修复器官方 FAQ 明确说明它能增强低分辨率和像素化的图片但无法去除模糊、无法校正失焦。照片如果是完全拍糊或运动模糊它救不了你。能不能跑开始前的三项预检系统Windows 10、macOS 12、Ubuntu 20.04完整名单见 docs/Compatibility-List.md显卡必须支持 Vulkan。多数集显跑不了实测可用的集显只有 Intel HD 620、Intel Iris 和大部分 AMD Vega独显基本都能用仅 GTX 7xx 系列被反馈不行格式输入 png、jpg、jpeg、webp输出同样可选这 4 种三项都满足再装否则大概率卡在第一步。安装 Upscayl 并拿到第一个 4 倍结果Windows下载upscayl-x.x.x-win.exe双击安装若弹出 SmartScreen 警告点更多信息再仍要运行。macOS终端一条命令装好或下载 dmg 拖进 Applicationsbrew install --cask upscaylLinux推荐 AppImage、Flatpak 或 Snap。走 AppImage 最省事右键文件 → 属性 → 勾选允许执行再双击启动。首次运行最小路径我实测用仓库自带的测试图 ups/to_upscale.jpeg256×256其他全用默认——模型 upscayl-standard-4x、倍率 4x、输出 png——指定一个输出文件夹点放大按钮。得到的结果是一张 1024×1024 的 png边缘明显比原图干净。处理完成会弹出 Image upscayled successfully 通知打开输出文件夹把原图和结果并排对比即可。选什么先想什么模型、批量、格式、倍率、自定义7 个内置模型按图片类型选。默认的 upscayl-standard-4x 适合通用照片upscayl-lite-4x 更轻更快截图和文字选 ultrasharp-4x动漫插画选 digital-art-4x人像选 high-fidelity-4xultramix-balanced-4x 是均衡型remacri-4x 偏重人脸。选错模型是效果不理想的第一大原因。批量模式打开侧边栏的 Batch 开关把选图换成选文件夹文件夹内所有受支持格式的图片依次放大结果统一写入输出文件夹下按格式_模型_倍率命名的子目录例如upscayl_png_upscayl-standard-4x_4x适合整理整批素材。输出格式与压缩默认 png想压体积就切 jpg 或 webp 并调压缩参数还可开启记住输出文件夹和允许覆盖同名文件默认不覆盖。倍率内置模型原生支持 4 倍v2.8 起对不支持 x2/x3 的模型它会先放大 4 倍再缩小来模拟 x2、x3 输出。自定义模型v2.5 起可导入 NCNN 格式.bin .param。建一个 models 文件夹放入模型在设置的 Add Custom Models 区选中该文件夹新模型就会出现在下拉列表里转换方法见 docs/Model-Conversion-Guide.md。挑个真实任务练手三组输入 → 输出老照片翻新输入一张 640×480 的模糊老照片 → 选 high-fidelity-4x4 倍放大输出 png → 得到 2560×1920 的图片。适用判断只适合分辨率低但清晰的图完全失焦的照片换它也没用。截图锐化输入一张 150px 宽的网页截图 → 选 ultrasharp-4x4 倍放大 → 文字边缘明显变直可以直接放进 PPT。适用判断图里文字和线条占比越高收益越大。设计素材补量输入一批分辨率不够的海报底图 → 开 Batch upscayl-standard-4x输出 webp 并调压缩 → 一次拿到整批可交付体积的素材。适用判断要批量、要控体积时才开批量单张别这么折腾。进阶调优GPU 编号、分块尺寸与另外两个开关GPU ID多显卡或选错卡时用在设置的日志区能看到检测到的所有设备编号官方示例中 0 是 AMD Radeon、1 是 Nvidia、2 是 llvmpipe把目标显卡的编号填进 GPU ID 输入框即可。注意 Windows 上如果没把 Upscayl 设为高性能模式系统可能覆盖该设置。Tile Size显存不足或大图卡顿时用调小分块尺寸如 256可以避免爆显存代价是速度略降。Double Upscayl追求更多细节时用对结果再跑一遍模型细节更足但耗时翻倍。TTA 模式追求输出稳定时用花少量时间换更稳定的结果批量任务一般没必要开。常见问题四个高频故障怎么修打不开或日志报 GPU 错误→ 原因是显卡不支持 Vulkan 或驱动太旧 → 更新显卡驱动并指定 GPU IDLinux 用户先用 VulkanCapsViewer 确认 GPU 支持 Vulkan再对照 docs/Compatibility-List.md 查自己的卡是否在可用名单。处理速度慢→ 多半跑在集显或分块过大 → 在 GPU ID 里指定独立显卡编号或换更轻的 upscayl-lite-4x 模型。放大后感觉没变化→ 原因不是软件问题而是它无法去模糊、无法校正失焦只对低清和像素化图片有效 → 确认原图确实是低清而非拍糊并换对模型人像、动漫、文字各不同。批量任务中途停止文件不对→ 模型不支持的操作会被排到所有图放大完成后统一后处理 → 别手动中断等流程真正跑完。资源索引官方文档入口使用指南GPU ID、日志、自定义模型、倍率docs/Guide.md操作系统与显卡兼容性列表docs/Compatibility-List.md分平台故障排除Windows / macOS / Linuxdocs/troubleshooting/自定义模型转换教程docs/Model-Conversion-Guide.md项目 README安装、FAQ、路线图README.md打开 Upscayl挑一张手头最糊的图把剩下的交给 4 倍按钮。【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
Upscayl5 分钟用免费开源的本地 AI 图像放大工具完成 4 倍放大【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把一张模糊的老截图放大到 1080p全是锯齿、文字糊成一团这种挫败感你肯定遇到过。Upscayl 就是干这个的一款免费、开源AGPL-3.0、完全本地运行的 AI 图像放大桌面工具图片全程不出你的电脑。它的机制很直白基于 Real-ESRGAN 算法让 AI 模型通过 NCNN Vulkan 引擎在显卡上猜出压缩时丢失的细节并重建而不是简单拉伸像素。先说清楚Upscayl 是什么、不是什么它是一个桌面图形界面程序支持单张放大和整文件夹批量放大内置 7 个放大模型当前版本 v2.15。它不是云端服务所有计算都在本机 GPU 上完成没有上传、没有额度。它也不是万能修复器官方 FAQ 明确说明它能增强低分辨率和像素化的图片但无法去除模糊、无法校正失焦。照片如果是完全拍糊或运动模糊它救不了你。能不能跑开始前的三项预检系统Windows 10、macOS 12、Ubuntu 20.04完整名单见 docs/Compatibility-List.md显卡必须支持 Vulkan。多数集显跑不了实测可用的集显只有 Intel HD 620、Intel Iris 和大部分 AMD Vega独显基本都能用仅 GTX 7xx 系列被反馈不行格式输入 png、jpg、jpeg、webp输出同样可选这 4 种三项都满足再装否则大概率卡在第一步。安装 Upscayl 并拿到第一个 4 倍结果Windows下载upscayl-x.x.x-win.exe双击安装若弹出 SmartScreen 警告点更多信息再仍要运行。macOS终端一条命令装好或下载 dmg 拖进 Applicationsbrew install --cask upscaylLinux推荐 AppImage、Flatpak 或 Snap。走 AppImage 最省事右键文件 → 属性 → 勾选允许执行再双击启动。首次运行最小路径我实测用仓库自带的测试图 ups/to_upscale.jpeg256×256其他全用默认——模型 upscayl-standard-4x、倍率 4x、输出 png——指定一个输出文件夹点放大按钮。得到的结果是一张 1024×1024 的 png边缘明显比原图干净。处理完成会弹出 Image upscayled successfully 通知打开输出文件夹把原图和结果并排对比即可。选什么先想什么模型、批量、格式、倍率、自定义7 个内置模型按图片类型选。默认的 upscayl-standard-4x 适合通用照片upscayl-lite-4x 更轻更快截图和文字选 ultrasharp-4x动漫插画选 digital-art-4x人像选 high-fidelity-4xultramix-balanced-4x 是均衡型remacri-4x 偏重人脸。选错模型是效果不理想的第一大原因。批量模式打开侧边栏的 Batch 开关把选图换成选文件夹文件夹内所有受支持格式的图片依次放大结果统一写入输出文件夹下按格式_模型_倍率命名的子目录例如upscayl_png_upscayl-standard-4x_4x适合整理整批素材。输出格式与压缩默认 png想压体积就切 jpg 或 webp 并调压缩参数还可开启记住输出文件夹和允许覆盖同名文件默认不覆盖。倍率内置模型原生支持 4 倍v2.8 起对不支持 x2/x3 的模型它会先放大 4 倍再缩小来模拟 x2、x3 输出。自定义模型v2.5 起可导入 NCNN 格式.bin .param。建一个 models 文件夹放入模型在设置的 Add Custom Models 区选中该文件夹新模型就会出现在下拉列表里转换方法见 docs/Model-Conversion-Guide.md。挑个真实任务练手三组输入 → 输出老照片翻新输入一张 640×480 的模糊老照片 → 选 high-fidelity-4x4 倍放大输出 png → 得到 2560×1920 的图片。适用判断只适合分辨率低但清晰的图完全失焦的照片换它也没用。截图锐化输入一张 150px 宽的网页截图 → 选 ultrasharp-4x4 倍放大 → 文字边缘明显变直可以直接放进 PPT。适用判断图里文字和线条占比越高收益越大。设计素材补量输入一批分辨率不够的海报底图 → 开 Batch upscayl-standard-4x输出 webp 并调压缩 → 一次拿到整批可交付体积的素材。适用判断要批量、要控体积时才开批量单张别这么折腾。进阶调优GPU 编号、分块尺寸与另外两个开关GPU ID多显卡或选错卡时用在设置的日志区能看到检测到的所有设备编号官方示例中 0 是 AMD Radeon、1 是 Nvidia、2 是 llvmpipe把目标显卡的编号填进 GPU ID 输入框即可。注意 Windows 上如果没把 Upscayl 设为高性能模式系统可能覆盖该设置。Tile Size显存不足或大图卡顿时用调小分块尺寸如 256可以避免爆显存代价是速度略降。Double Upscayl追求更多细节时用对结果再跑一遍模型细节更足但耗时翻倍。TTA 模式追求输出稳定时用花少量时间换更稳定的结果批量任务一般没必要开。常见问题四个高频故障怎么修打不开或日志报 GPU 错误→ 原因是显卡不支持 Vulkan 或驱动太旧 → 更新显卡驱动并指定 GPU IDLinux 用户先用 VulkanCapsViewer 确认 GPU 支持 Vulkan再对照 docs/Compatibility-List.md 查自己的卡是否在可用名单。处理速度慢→ 多半跑在集显或分块过大 → 在 GPU ID 里指定独立显卡编号或换更轻的 upscayl-lite-4x 模型。放大后感觉没变化→ 原因不是软件问题而是它无法去模糊、无法校正失焦只对低清和像素化图片有效 → 确认原图确实是低清而非拍糊并换对模型人像、动漫、文字各不同。批量任务中途停止文件不对→ 模型不支持的操作会被排到所有图放大完成后统一后处理 → 别手动中断等流程真正跑完。资源索引官方文档入口使用指南GPU ID、日志、自定义模型、倍率docs/Guide.md操作系统与显卡兼容性列表docs/Compatibility-List.md分平台故障排除Windows / macOS / Linuxdocs/troubleshooting/自定义模型转换教程docs/Model-Conversion-Guide.md项目 README安装、FAQ、路线图README.md打开 Upscayl挑一张手头最糊的图把剩下的交给 4 倍按钮。【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
