企业官网建设流程全解析

QualityScaler 完整指南：本地 AI 画质增强工具，让图片与视频免费完成超分辨率放大

【免费下载链接】QualityScalerQualityScaler - image/video AI upscaler app项目地址: https://gitcode.com/GitHub_Trending/qu/QualityScaler

把一段 720p 的旧录像拖进 QualityScaler，选一个 AI 模型，等它跑完，输出的就是更清晰、细节更扎实的高分辨率视频——而且整个过程不需要联网。QualityScaler 是一个运行在 Windows 上的开源 AI 画质增强（图像超分）工具，从界面到推理后端全部用 Python 编写，同时支持图片与视频两种输入，处理结果只保存在你自己的电脑上。

快速上手：从克隆仓库到跑起来的三步

先把环境门槛说清楚：它要求 Windows 10/11、至少 8GB 内存，以及一张支持 DirectX 12、显存不低于 4GB 的显卡。满足之后，整个部署只有三条命令和两个文件放置动作：

1. 克隆仓库并进入目录：

git clone https://gitcode.com/GitHub_Trending/qu/QualityScaler cd QualityScaler

2. 安装依赖（建议 Python 3.11/3.12，官方在更新日志中注明新版本 Python 能带来约 10% 的性能提升）：

pip install -r requirements.txt

3. 按下图两处放置文件后运行：

python QualityScaler.py

• AI 模型文件（.onnx）要解压到 AI 模型目录，程序会按{模型名}_fp16.onnx的规则去那里找模型；
• ffmpeg.exe要放进 运行所需资源目录，视频拆帧、编码、复制元数据都依赖它。

依赖本身很精简，依赖清单 里主要是 onnxruntime-directml、customtkinter、opencv、Pillow 这几样。启动后界面是 Windows 11 风格的深色主题，左侧选文件，右侧是全部参数，点 "UPSCALE" 即可开跑。

功能亮点：一张表看清它能做什么

先看它支持的输入输出范围，再列几个少见于同类工具的特性。

内置的 AI 模型及官方标注的适用场景、大致显存占用如下（数据取自源码中的 VRAM 映射表）：

✅ 除“放大”之外，这些点值得单独记住：一次可混合处理多张图片或多个视频；大图会自动切块（tiling）以绕开显存上限；放大前可先按比例缩小输入（input scale %）、放大后按 output scale % 再缩放；原图与 AI 结果可按 OFF/Low/Medium/High 四档融合（blending）；视频支持中断后断点续跑（STOP & RESUME）；完成后可保留临时帧文件（Keep frames）；用户选择会存成本地 JSON，下次启动自动恢复；输出文件自动复制原文件元数据（经 exiftool）；并支持最多 4 张 GPU 中任选其一（Auto 模式自动挑最强的一张）。

典型应用场景

老照片放大。手里有一批扫描自底片的老照片，分辨率只有 480p 上下，直接拉大看全是糊的。选 BSRGANx4 或 RealESRGANx4（两者都标注为“高画质图像”模型），输入比例给到 100% 或 75%，输出比例 100%，跑完得到约 4 倍分辨率、纹理被补全的照片。这类模型处理视频会明显变慢，但对静态图片正合适。

旧录像提清晰度。手机早期视频或转录自录像带的片段，普遍存在低分辨率加压缩痕迹。这里官方推荐 LVAx2（专为实拍视频设计），配合 blending 选 OFF 或 Low；文件较大时用 STOP & RESUME 中途暂停也不丢进度，界面会实时显示剩余处理时间。跑完是一遍细节更干净的版本，音频随 ffmpeg 一起带入输出。

噪点视频降噪。低光环境下拍的视频噪点成片，这时放大反而会把颗粒一起放大。改用 IRCNN_Mx1 或 IRCNN_Lx1，它们放大倍数为 ×1，定位就是“视频/图像降噪”，官方提示此时 blending 设为 OFF。得到的是噪点被压下去、分辨率保持不变的干净画面，再决定是否二次放大。

技术原理（通俗版）

可以把 QualityScaler 的核心流程想成“分格修补一幅旧画”。一幅巨大的画直接塞进工作台会放不下，于是先按格子切开，一格一格送进“修图车间”；车间里站着一位见过上百万幅“模糊画→清晰画”对照样本的老技师，他不必逐笔重画，而是给每格“对表”补出纹理；补完再按原来的位置拼回整幅。切块的大小由你设置的显存上限决定（VRAM 越小，格子切得越小），这就是自动 tiling 的由来。

至于 blending，相当于把技师修好的画和原画按一定透明度叠印：High 档偏向原画、只取修图后的细微增强，Low 档偏向 AI 结果。它特别适合低输入比例（<50%）或切块处理时抹平拼接痕迹。推理本身跑在 onnxruntime 的 DirectML 提供器上，所以 AMD、Intel、NVIDIA 的独显乃至核显（DirectX 12）都能加速，而不是绑定某一家显卡生态。

参数调优与进阶技巧

• 模型与场景先匹配。实拍视频优先 LVAx2；动画或劣化视频用 RealESR_Gx4/Ax4，blending 给 Low；静态照片用 BSRGAN/RealESRGAN 系列；噪点重的先过 IRCNN 再谈放大。模型菜单旁的“i”按钮里有官方逐模型提示。
• 用输入/输出比例换速度。Input scale % 越高画质越好但越慢（官方例子：1080p 给 25% 时 AI 实际只吃 480×270），低于 50% 时速度提升明显；Output scale % 低于 100% 可在 AI 出图后再缩小，省体积也省时间，高于 100% 则是纯插值放大，不会增加真实细节。
• 显存不够就交给 tiling。在 “GPU VRAM (GB)” 里填你显卡的真实显存，程序据此算出 tile 尺寸；核显（Intel HD、Vega 3/5/7）官方建议直接填 2GB 以避免失败。填得比实际大可能导致放大失败。
• 视频提速看两处。一是在 “AI multithreading” 里开 2~8 线程并行处理帧（线程越多越吃 CPU/GPU/RAM，注意温度，超出 GPU 能力时程序会自动回落到安全值）；二是选与你显卡匹配的硬件编码（nvenc/amf/qsv）替代 x264/x265 软编。
• 多显卡与输出路径。GPU 菜单可在 Auto 与 GPU 1~4 间选择，Auto 会挑最强的一张；选了不存在的 GPU 时程序会退回 CPU 处理。输出默认与输入同目录，也可用 SELECT 指定；完成后设置自动写入 Documents 下的QualityScaler_{版本}_userpreference.json。

⚙️ 小提醒：界面右上角的 App zoom（50%~175%）只是缩放 UI 字号与控件，不影响任何画质结果，小屏笔记本可以调大看得清。

常见问题速查

Q：处理速度太慢，怎么提速？A：先降 input scale %（<50% 提速最明显），再换更轻的模型（如 ×2 的 BSRGANx2/LVAx2 替代 ×4），视频场景换硬件编码并适度开多帧线程。

Q：放大失败、闪退或提示显存相关错误？A：核对 “GPU VRAM (GB)” 是否填成了真实显存，核显按官方建议填 2GB；大图会自动 tiling，一般无需手动干预；仍失败则降低 input scale % 或换占显存更小的模型。

Q：结果出现伪影，或“放大后反而不自然”？A：调整 blending 档位（Low 偏向 AI、High 偏向原图）；对重度压缩图建议先用 IRCNN 降噪再放大；换一两个模型横向对比，×4 模型在极糊素材上更容易“脑补”出错。

Q：处理后的视频没有声音，或编码选项里找不到想要的？A：确认 Assets 目录下的 ffmpeg.exe 可用（它是音频随路、编码、拆帧的依赖）；编码按显卡品牌选对应一列，NVIDIA 用 nvenc、AMD 用 amf、Intel 用 qsv，没有对应硬件时用 x264/x265 软编。

Q：界面里选了 GPU 却感觉没在加速？A：保持显卡驱动更新；如果所选 GPU 实际不存在，程序会退回 CPU 处理。集显 + 独显的机器可先试 Auto，让它选独显。

QualityScaler 把“选文件—选模型—点 UPSCALE”压缩成了最短路径，重活交给本地 GPU。先拿一张老照片或一段短视频跑通流程，再按上面的参数逐项微调，基本就能覆盖大多数日常放大与降噪需求。

【免费下载链接】QualityScalerQualityScaler - image/video AI upscaler app项目地址: https://gitcode.com/GitHub_Trending/qu/QualityScaler