QualityScaler 使用指南如何在 Windows 上对图像和视频做 AI 超分与降噪【免费下载链接】QualityScalerQualityScaler - image/video AI upscaler app项目地址: https://gitcode.com/GitHub_Trending/qu/QualityScaler照片随着时间变得模糊、噪点明显旧视频放大后细节几乎丢失这是很多内容处理中绕不开的问题。QualityScaler 是一款 Windows 桌面应用用本地 AI 模型对照片和视频做超分辨率放大与降噪增强全程离线运行不需要把文件上传到任何在线服务。它解决的问题老照片与低清图像的 AI 放大把 JPG、PNG、TIF、BMP、WEBP、HEIC 图像拖入界面即可放大。程序内置 BSRGAN、Real-ESRGAN、IRCNN、SRVGGNetCompact 等 AI 模型可按文件特点切换放大倍率为 4 倍若担心放大后体积过大还可在超分前按系数缩小输入、或在超分后调整输出分辨率。处理结果与原图的元数据可通过 Assets/ 中随附的 exiftool 复制过来便于归档。旧视频降噪与画质提升视频是更耗时的场景。QualityScaler 支持 mp4、mkv、flv、gif、avi、mov、mpg、qt、3gp 等格式的批量超分处理时保留音轨并提供了视频超分的停止与断点续做STOP RESUME中断后重新打开同一输出目录即可继续。逐帧推理采用多线程视频编码支持 nvenc / amf / qsv 硬件加速帧提取由 FFMPEG 完成Assets 文件夹内的 exiftool.exe 负责元数据环节。输出容器可选 mp4、mkv、avi、mov并可指定编码器。细节保留的插值调节AI 放大有时会重绘掉原图特征。QualityScaler 提供原始文件与放大结果之间的插值Blending分低、中、高三档适合既想提升清晰度、又不希望画面被模型改得面目全非的照片。大文件与多显卡场景大图会自动切块tilling推理绕开单块推理的显存限制再拼回完整图像多显卡机器核显加独显可分别指定处理设备。上手流程环境要求Windows 10/11、8GB 以上内存、任意 DirectX 12 兼容显卡4GB 以上显存以及已安装的 Python。git clone https://gitcode.com/GitHub_Trending/qu/QualityScaler pip install -r requirements.txt准备工作有两项把 AI 模型文件解压到 AI-onnx/ 目录该目录内有 DOWNLOAD_AI_ONNX_FILES_AND_PLACE_HERE.txt 占位说明把 ffmpeg.exe 放入 Assets/ 目录。之后运行 QualityScaler.py 即可打开图形界面依赖清单见 requirements.txt。技术底座整个项目从后端到前端均用 Python 编写推理层使用 onnxruntime-directml 调用 ONNX 模型从而覆盖 AMD、Intel、NVIDIA 等 DirectX 12 显卡界面基于 customtkinterWindows 11 风格图像读写与预处理依赖 OpenCV 与 Pillow。所有计算在本地完成无需联网素材不会离开电脑这是它相对在线放大服务的核心差异。边界与局限仅支持 WindowsmacOS、Linux 用户无法直接运行。有硬性硬件门槛DirectX 12 显卡且显存不低于 4GB纯核显或显存不足的机器体验会受限。模型文件与 ffmpeg.exe 不在仓库内需自行下载放置缺少任何一项都无法启动。输入图像格式与输出视频格式有明确清单清单之外的格式如部分 RAW 格式不在支持范围内。视频处理是逐帧推理耗时较长并非实时工具也不适合直播推流这类场景。单次放大倍率由所选模型决定4 倍更高倍率需依赖输出分辨率缩放而非重复过模型。如何选择与落地如果你有一批分辨率不足的照片、或需要修复画质一般的旧录像且电脑是 Windows 平台、显卡显存 4GB 以上QualityScaler 基本可以覆盖需求处理长视频时建议先用短视频试跑确认显存分块与多线程配置合适后再批量执行并利用 STOP RESUME 应对中断。若你追求的是实时画面增强或希望在非 Windows 系统上使用则需要另选方案。QualityScaler 把 AI 超分、降噪、批量视频处理集中在一个本地桌面程序里适合把它当作静态素材的离线画质处理工具。界面中所有选项模型、GPU、插值、编码器都会保存重复处理时可以直接复用配置。【免费下载链接】QualityScalerQualityScaler - image/video AI upscaler app项目地址: https://gitcode.com/GitHub_Trending/qu/QualityScaler创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考