Röviden a lényeg (BLUF): A felskálázó 2-4-szer nagyobbá teszi a videót vagy képet: egy kis keretből nagy lesz, a Real-ESRGAN neurális hálózat pedig újrarajzolja a részleteket. Minden a saját eszközén fut – a fájl soha nem kerül feltöltésre, nem számítanak fel tokeneket, és nincs mögötte fizetett API. A modell közvetlenül a böngészőben fut, így készítés közben látja az eredményt, és az elkészült videó az eredeti képkockasebességgel és hanggal töltődik le.
A felskálázó átveszi a fájlt, és megnöveli a felbontását: ×2 vagy ×4. Ez nem csak a kép nyújtása – a Real-ESRGAN neurális hálózat ránéz a keretre, és újrarajzolja a részleteket: a szélek ropogóssá válnak, a finom textúrák és a szőrzet nem válik péppé, és csökken a zaj és a tömörítési műtermékek mennyisége.
Az eszköz videót és egyetlen képet is elfogad. Egy videónál minden képkocka önmagában fel van léptetve, majd mindent visszaállítanak egy klipbe az eredeti képkockasebességgel és az eredeti hanggal. Egy kép esetén az eredmény PNG a nagyobb felbontásnál.
A fájl soha nem kerül elküldésre sem a mi szerverünkre, sem másnak. A Real-ESRGAN súlyok (BSD-3 licenc) egyszer betöltődnek a böngészőbe, majd a gyorsítótárból szolgálnak ki, és a számítás a grafikus kártyán fut WebGPU-ig. Ha a WebGPU nem érhető el, egy CPU tartalék lép életbe – lassabb, de mindenhol működik.
Ennél a modellnél nem számítanak fel tokeneket: egyáltalán nincs fizetett kérés. A videokockákat a WebCodecs dekódolja, mindegyiket helyileg felskálázza, és az eredményt MP4 (H.264 + AAC) vagy WebM (VP9 + Opus) formátumba állítja össze, attól függően, hogy melyiket támogatja a rendszer.
Két súlykészlet létezik. Általános – fényképekhez és normál videókhoz: ×2 (RealESRGAN_x2plus) és ×4 (RealESRGAN_x4plus). Anime — rajzokhoz, animékhez és rajzfilmekhez: ×4 (realesr-animevideov3). Külön anime ×2-es modell nem létezik, ezért az „Anime ×2”-t az ×4-es modellel számítják ki, majd óvatosan ×2-re csökkentik – a végső felbontás kétszerese az eredetinek.
A csempe mérete technikai beállítás. A keretet négyzetekre vágják, és mindegyiket külön-külön számítják ki: egy kisebb lapka kevesebb memóriát használ (fontos a telefonnál), a nagyobb csempék gyorsabbak egy erős grafikus kártyán. A csempe között nincsenek varratok: a széleket margóval veszik, majd levágják.
Egy kép esetén az eredmény azonnal megjelenik egyetlen felskálázott képként. Videóknál az előnézet feldolgozás közben frissül – megtekintheti, hogy a képkockák egyenként jelennek meg, és a folyamatjelző sáv mutatja, hogy hány képkocka készült már el.
A hosszú futás egy gombbal törölhető. A kész fájl egy kattintással letöltődik: egy kép PNG, egy videó MP4 vagy WebM.
A sebesség a fájl méretétől, a választott léptéktől és attól függ, hogy van-e WebGPU. Az CPU-en egy hosszú klip eltart egy ideig: egy rövid klip néhány percig is eltarthat. Kezdje egy képpel vagy egy rövid töredékkel, nézze meg az eredményt, majd készítsen egy nagyobb fájlt.
A videóhoz modern böngésző szükséges a következőkkel: WebCodecs — Chrome vagy Edge. Az eredménynek a böngésző technikai plafonja szab határt: ha a felskálázott keret a hosszú oldalon meghaladná a 8192 pixelt, az eszköz ezt őszintén mondja, és ×2-t vagy kisebb fájlt javasol.
A felskálázó a legjobban olyan kereteken működik, amelyek jól láthatóak: arcok, szöveg, építészet, természet. Az erősen tömörített és zajos forrásokat is megtisztítják, de csodát nem ígérnek: ha a részlet kikerül a keretből, a hálózat kitalálja a maga módján.
Animéhez és rajzokhoz válassza az Anime készletet – nem simítja ki a körvonalakat, és nem „fényképezi” a vonalmunkát.
Igen. A modell és súlyai betöltődnek a böngészőbe, és a számítás lefut az eszközön. A videókat és képeket soha nem küldik el sehova, és ebben a modellben nincs fizetős API.
Semmi. Az emelésért nem kell tokeneket fizetni: a feldolgozás az Ön számítógépén fut, nem a szerverünkön.
Igen. A videót visszaállítja az eredeti FPS, és a hangsáv átkerül az eredménybe (AAC a MP4, Opus a WebM esetén). Ha a böngésző nem tud hangot kódolni, az eszköz őszintén kijelenti, hogy a hangot nem lehet átvinni.
Az ×4 négyszer növeli a felbontást mindkét oldalon (azaz a terület 16-szorosa), és több részletet ad, de hosszabb ideig tart és több memóriát igényel. Az ×2 gyorsabb és könnyebb, jó telefonnak.
Igen, az eszköz képeket is fogad: az eredmény PNG nagyobb felbontásnál.
A sebesség a fájl méretétől, méretétől és attól függ, hogy a WebGPU elérhető-e. Az CPU készüléken egy hosszú klip többszöröse tovább tart – próbáljon ki egy rövid klipet vagy egy képet.