संक्षेप में (BLUF): अपस्केलर आपके वीडियो या छवि को 2 या 4 गुना बड़ा बनाता है: एक छोटा फ्रेम एक बड़े फ्रेम में बदल जाता है, और Real-ESRGAN न्यूरल नेटवर्क विवरण को फिर से बनाता है। सब कुछ आपके अपने डिवाइस पर चलता है - फ़ाइल कभी अपलोड नहीं की जाती है, कोई टोकन चार्ज नहीं किया जाता है और इसके पीछे कोई भुगतान API नहीं है। मॉडल सीधे ब्राउज़र में चलता है, इसलिए आप इसे बनाते समय परिणाम देख सकते हैं, और तैयार वीडियो मूल फ्रेम दर और ध्वनि के साथ डाउनलोड होता है।
अपस्केलर आपकी फ़ाइल लेता है और उसका रिज़ॉल्यूशन बढ़ाता है: ×2 या ×4। यह सिर्फ तस्वीर को खींचना नहीं है - Real-ESRGAN तंत्रिका नेटवर्क फ्रेम को देखता है और विवरणों को फिर से बनाता है: किनारे कुरकुरा हो जाते हैं, महीन बनावट और बाल गूदे में बदलना बंद हो जाते हैं, और शोर और संपीड़न कलाकृतियां कम हो जाती हैं।
यह टूल वीडियो और एकल छवि दोनों को स्वीकार करता है। एक वीडियो के लिए प्रत्येक फ्रेम को अपने आप बढ़ाया जाता है और फिर सब कुछ मूल फ्रेम दर और मूल ध्वनि के साथ एक क्लिप में वापस इकट्ठा किया जाता है। एक छवि के लिए उच्च रिज़ॉल्यूशन पर परिणाम PNG है।
फ़ाइल कभी भी हमारे या किसी अन्य के सर्वर पर नहीं भेजी जाती है। Real-ESRGAN वेट (बीएसडी-3 लाइसेंस) एक बार ब्राउज़र में लोड होता है और फिर कैश से परोसा जाता है, और गणना WebGPU तक आपके ग्राफिक्स कार्ड पर चलती है। यदि WebGPU अनुपलब्ध है, तो CPU फ़ॉलबैक शुरू हो जाता है - धीमा, लेकिन यह हर जगह काम करता है।
इस मॉडल के लिए कोई टोकन शुल्क नहीं लिया जाता है: कोई भुगतान अनुरोध नहीं है। वीडियो फ़्रेम को WebCodecs के साथ डिकोड किया जाता है, प्रत्येक को स्थानीय स्तर पर बढ़ाया जाता है, और परिणाम को MP4 (H.264 + AAC) या WebM (VP9 + Opus) में इकट्ठा किया जाता है, जो भी आपका सिस्टम समर्थन करता है।
वज़न के दो सेट हैं. सामान्य - फ़ोटो और सामान्य वीडियो के लिए: ×2 (RealESRGAN_x2plus) और ×4 (RealESRGAN_x4plus)। एनीमे - ड्राइंग, एनीमे और कार्टून के लिए: ×4 (realesr-animevideov3)। एक अलग एनीमे ×2 मॉडल मौजूद नहीं है, इसलिए "एनीमे ×2" की गणना ×4 मॉडल के साथ की जाती है और फिर सावधानीपूर्वक इसे घटाकर ×2 कर दिया जाता है - अंतिम रिज़ॉल्यूशन ईमानदारी से मूल से दोगुना है।
टाइल का आकार एक तकनीकी सेटिंग है. फ़्रेम को वर्गों में काटा जाता है और प्रत्येक की अलग से गणना की जाती है: एक छोटी टाइल कम मेमोरी (फोन पर महत्वपूर्ण) का उपयोग करती है, एक शक्तिशाली ग्राफिक्स कार्ड पर एक बड़ी टाइल तेज़ होती है। टाइलों के बीच कोई सीम नहीं हैं: किनारों को एक मार्जिन के साथ लिया जाता है और फिर काट दिया जाता है।
किसी छवि के लिए परिणाम तुरंत एकल उन्नत चित्र के रूप में दिखाया जाता है। किसी वीडियो के लिए प्रसंस्करण के दौरान पूर्वावलोकन अपडेट होता है - आप फ़्रेम को एक-एक करके प्रदर्शित होते हुए देख सकते हैं, और प्रगति बार दिखाता है कि कितने फ़्रेम पहले ही तैयार हो चुके हैं।
एक लंबी दौड़ को एक बटन से रद्द किया जा सकता है। तैयार फ़ाइल एक क्लिक से डाउनलोड होती है: एक छवि PNG के रूप में, एक वीडियो MP4 या WebM के रूप में।
गति फ़ाइल आकार, चुने गए पैमाने और आपके पास WebGPU है या नहीं, इस पर निर्भर करती है। CPU पर एक लंबी क्लिप में कुछ समय लगता है: एक छोटी क्लिप में कुछ मिनट लग सकते हैं। किसी छवि या छोटे टुकड़े से प्रारंभ करें, परिणाम देखें, फिर एक बड़ी फ़ाइल लें।
वीडियो को WebCodecs - Chrome या Edge वाले आधुनिक ब्राउज़र की आवश्यकता है। परिणाम ब्राउज़र की तकनीकी सीमा द्वारा सीमित है: यदि अपस्केल्ड फ़्रेम लंबी तरफ 8192 पिक्सेल से अधिक होगा, तो टूल ईमानदारी से कहता है और ×2 या छोटी फ़ाइल का सुझाव देता है।
अपस्केलर स्पष्ट विवरण वाले फ़्रेम पर सबसे अच्छा काम करता है: चेहरे, पाठ, वास्तुकला, प्रकृति। अत्यधिक संपीड़ित और शोर वाले स्रोतों को भी साफ किया जाता है, लेकिन किसी चमत्कार का वादा नहीं किया जाता है: यदि विवरण फ्रेम से चला गया है, तो नेटवर्क इसे अपने तरीके से आविष्कार करेगा।
एनीमे और रेखाचित्रों के लिए एनीमे सेट चुनें - यह रूपरेखा को चिकना नहीं करता है और लाइन के काम को "फोटोग्राफ" नहीं करता है।
हाँ। मॉडल और उसका वजन ब्राउज़र में लोड होता है और गणना आपके डिवाइस पर चलती है। वीडियो और चित्र कभी भी कहीं नहीं भेजे जाते हैं, और इस मॉडल में कोई भुगतान API नहीं है।
कुछ नहीं। अपस्केल के लिए कोई टोकन शुल्क नहीं लिया जाता: प्रोसेसिंग आपके कंप्यूटर पर चलती है, हमारे सर्वर पर नहीं।
हाँ। वीडियो को मूल FPS पर वापस असेंबल किया गया है और ऑडियो ट्रैक को परिणाम में ले जाया गया है (MP4 के लिए AAC, WebM के लिए Opus)। यदि आपका ब्राउज़र ऑडियो को एन्कोड नहीं कर सकता है, तो टूल ईमानदारी से कहता है कि ध्वनि को आगे नहीं बढ़ाया जा सकता है।
×4 प्रत्येक तरफ रिज़ॉल्यूशन को चार गुना बढ़ाता है (अर्थात् क्षेत्र का 16 गुना) और अधिक विवरण देता है, लेकिन इसमें अधिक समय लगता है और अधिक मेमोरी की आवश्यकता होती है। ×2 तेज़ और हल्का है, फ़ोन के लिए अच्छा है।
हां, टूल छवियों को भी स्वीकार करता है: उच्च रिज़ॉल्यूशन पर परिणाम PNG होता है।
गति फ़ाइल आकार, पैमाने और WebGPU उपलब्ध है या नहीं पर निर्भर करती है। CPU पर एक लंबी क्लिप कई गुना अधिक समय लेती है - एक छोटी क्लिप या छवि आज़माएँ।