Video2X:AI 视频超分辨率,480p 老片一键放大 4 倍到 4K
【免费下载链接】video2xA machine learning-based video super resolution and frame interpolation framework. Est. Hack the Valley II, 2018.项目地址: https://gitcode.com/GitHub_Trending/vi/video2x
你翻出压在硬盘角落的 480p 老录像,拖进 4K 显示器只剩满屏模糊。Video2X 是免费开源(AGPLv3)的 AI 视频超分辨率框架:把老片放大 4 倍到 4K,还能补帧让 30fps 变 60fps,全程在你自己电脑上跑。
它能帮你解决什么
它像见过海量修复案例的老师傅,照着同类画面应有的样子,把每个像素"猜"得更完整。
- 🎞️ 家庭录像、纪录片模糊发虚:用 Real-ESRGAN 通用模型重建纹理,480p 直出 4K
- 🎬 番剧、动画线条发糊:Anime4K v4 或 Real-CUGAN 动漫模型,放大同时保住线条锐度
- ⚡ 录屏、体育片动作卡顿:RIFE 在相邻两帧之间插入新帧,30fps 补到 60fps
- 🔧 手里有 MPV 的 GLSL 滤镜想离线批量用:libplacebo 模式可加载任意 MPV 兼容着色器
开始前的检查清单
显卡装好驱动后,先跑video2x --list-gpus确认设备可见,再开工。
- CPU:预编译版要求 AVX2 指令集,Intel Haswell(2013)或更新、AMD Excavator(2015)或更新
- GPU:必须支持 Vulkan,NVIDIA GTX 600 系、AMD Radeon HD 7000 系、Intel HD 4000 起
- 系统:Windows 有 6.4.0 图形界面安装包(含简体中文);Linux 提供 AppImage、AUR 包和容器镜像
最快跑通路径
Windows 直接装图形界面,Linux 三条路任选,命令行党一条命令就够。
- Windows:下载 6.4.0 安装程序,装完打开图形界面,拖入视频、选模型、设目标分辨率,点开始
- Linux 其他发行版:下载
Video2X-x86_64.AppImage双击运行 - Arch 系:从 AUR 安装
video2x-qt6,依赖清单可参考 packaging/arch/PKGBUILD - 容器党:装好 Docker 后拉取容器镜像,启动加
--gpus all透传显卡 - 命令行备选:一条命令完成 4 倍放大
video2x -i input.mp4 -o output.mp4 -p realesrgan -s 4 \ --realesrgan-model realesr-animevideov3想要自定义分辨率(-w/-h)、指定显卡(-g)或调编码器参数(-e crf=17),见 命令行文档。
按场景选参数
先定素材类型再挑模型,比翻参数表快得多。
| 场景 | 推荐选择 | 一句话说明 |
|---|---|---|
| 番剧 / 动画 | Anime4K v4 或 Real-CUGAN | 动漫线条更锐利,Real-CUGAN 还有 pro、se 两档 |
| 老电影 / 家庭录像 | Real-ESRGAN 通用模型(如realesr-generalv3-x4) | 真实噪点多,兼顾去噪与纹理重建 |
| 游戏录屏 / 快速运动 | RIFE 补帧 | v2 到 v4.26 多个版本可选,30fps 补到 60fps |
| 自定义滤镜 | libplacebo + GLSL 着色器 | 任意 MPV 兼容着色器都能当滤镜,进阶用法见命令行文档 |
常见问题
Q:启动就报错,说指令集或设备不支持?
A:多半是 CPU 没有 AVX2,或显卡不支持 Vulkan。先核对 CPU 和显卡型号,再跑video2x --list-gpus确认显卡能被列出;不满足硬件门槛就先别硬跑。
Q:放大后出现奇怪的细节,效果不达预期?
A:原片越糊,倍数拉满越容易翻车。先剪一段 30 秒样片,-s 2和-s 4各跑一遍对比后再定正式参数;动漫素材配动漫模型,去噪档位宁低勿高。
Q:模型和参数到底选哪个?
A:按素材定大方向:动画用 Real-CUGAN 或 Anime4K,真人素材用 Real-ESRGAN 通用模型,画面卡顿上 RIFE 补帧。跑video2x --help可查看全部参数说明。
回到开头那段 480p 老录像——今晚就剪 30 秒样片,用-s 2先跑一遍,满意了再放开手脚上 4 倍。更多用法与源码构建见 README.md 与 docs/book/src/building/linux.md。
【免费下载链接】video2xA machine learning-based video super resolution and frame interpolation framework. Est. Hack the Valley II, 2018.项目地址: https://gitcode.com/GitHub_Trending/vi/video2x
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考