QualityScaler：3 步在本地完成图像视频 AI 画质增强

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

抽屉里翻出一张 2003 年的合影，人脸已经糊成一团。QualityScaler 是一款本地 AI 画质增强工具，它在你自己的电脑上把图像和视频做超分辨率重建和降噪，全程不经过网络。

能力速览：它吃什么、不做什么

它支持的输入类型比较宽，界面是 Windows 桌面 GUI：

• 图像：jpg、jpeg、png、webp、bmp、tif、tiff、heic
• 视频：mp4、webm、mkv、flv、gif、m4v、avi、mov、qt、3gp、mpg、vob
• 输出：图像可选 .png / .jpg / .bmp / .tiff，视频可选 .mp4 / .mkv / .avi / .mov
• 不做的事：不做音频重采样（音轨原样搬运），不做直播实时推流增强，也不是跨平台应用——它是 Windows 程序

AI 模型分两组。放大类：LVAx2、RealESR_Gx4、RealESR_Ax4、BSRGANx2、BSRGANx4、RealESRGANx4、MSharpx4；降噪类：IRCNN_Mx1、IRCNN_Lx1（1 倍输出，只做去噪）。每个模型在代码里都标了显存占用，从 0.75GB 到 4GB 不等。

跑起来：三个命令

环境要求一行说清：Windows 10/11，8GB 内存以上，4GB 显存的 DirectX 12 显卡。

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

装依赖：

pip install -r requirements.txt

启动（完整部署步骤见 README）：

python QualityScaler.py

启动前有两件事必须做：把 AI 模型文件解到 AI-onnx/ 目录（仓库里目前只有一个占位说明文件，模型本身要自行下载，链接在 README 里）；把 ffmpeg.exe 放进 Assets/，视频抽帧和合成就靠它。exiftool.exe 仓库里已自带，负责把原文件的 EXIF 元数据搬到成品上。

老照片修复：选文件、点 UPSCALE

你要解决什么：一张 480p 的扫描老照片，人脸模糊、有色斑。

你点哪里：主界面左侧点 SELECT FILES，把照片拖进来。右侧选项里挑模型——照片这种要"脑补细节"的场景，RealESRGANx4 或 BSRGANx4 更合适；输入分辨率留 100%，让 AI 吃到最多信息。然后点 UPSCALE。

你会看到什么：程序把图切块、逐块推理、再拼回整图，成品落在与源文件相同的目录下，文件名里带上模型名和后缀。放大看人脸区域，皱纹和发丝这类细部比原片清晰，色斑被压下去了。如果结果看起来"过塑化"，把 AI blending 从 OFF 调到 Low 或 Medium，它会把原图和增强图按比例混合，细节和真实感之间找平衡。

视频提清晰度：模型、编码、断点续跑

你要解决什么：一段 720p 的手机录像，想提到 4K 归档。

你调什么参数：模型选 LVAx2 或 RealESR_Gx4 这类偏视频的权重；输出分辨率留 100% 就是 AI 原生输出，想控制体积就调低；编码按需选，有 NVIDIA 卡就挑 h264_nvenc / hevc_nvenc，硬件编码比 x264 快不少。显存富裕的话，把 AI multithreading 从 OFF 提到 4 threads，同时推多帧。

你会看到什么：进度条上显示剩余时间，成品 .mp4 保留原音轨，元数据从源文件复制过来。长视频跑到一半有事要关机？界面上有 STOP 和 RESUME，任务可以暂停再续，不必从头再来。

显存不够：切片机制和输入缩放

你要解决什么：4GB 显存的核显本，要处理一张 5000 万像素的照片，直接推理会爆显存。

你调什么：输入分辨率填 50% 甚至 25%，AI 在低分辨率上工作后再放大回去，速度成倍提升；GPU 选 Auto 让它自己找 DirectML 可用设备。

你会看到什么：代码会自动按显存大小算出 tile 边长，把图切成小块逐块过模型再拼回。配合 AI blending 用，低输入分辨率下的拼接痕迹会被原图"兜住"，观感比硬切干净得多。这也是为什么界面把 blending 说明和 tiling 绑在一起讲。

它凭什么快：ONNX 直连显卡

把整个流程想成裱画：AI 模型不是逐个像素硬算，而是看你在 AI-onnx/ 目录里放好的"裱框样板"（fp16 的 .onnx 文件），照着整块整块地"裱"出高清版；onnxruntime-directml 则像一台贴着显卡的裱画台，推理结果直接落在显存里，不走 CPU 绕路。这也是它只认 DirectX 12 显卡的原因——AMD、Intel、NVIDIA 的核显独显都能接这台裱画台，多显卡机器里还能手动指认 GPU 1 到 GPU 4。

技术栈就这几样（按 requirements.txt 列的）：

• onnxruntime-directml：模型推理，DirectX 12 加速
• OpenCV（opencv-python-headless）：图像视频读写、缩放、tile 拼接
• Pillow：图像编解码
• customtkinter：整个图形界面
• natsort / psutil：文件排序、进程降优先级（FFMPEG 抽帧时压到 idle，避免卡系统）

整个后端前端就是一个 QualityScaler.py，三千多行 Python，没有隐藏的编译依赖。

踩坑与排错

症状：视频处理失败或报错，抽帧一步就挂。 最可能原因：Assets/ 里没有 ffmpeg.exe，程序按固定路径找它。 解法：拿一个 release 版 ffmpeg，把 ffmpeg.exe 放进 Assets/ 目录，路径就是Assets/ffmpeg.exe，别放子目录。

症状：启动即报模型加载错误。 最可能原因：AI-onnx/ 目录是空的，仓库只放了个下载说明，模型要自己下。 解法：按 README 里的模型链接下载 fp16 版 .onnx 文件，解到 AI-onnx/，文件名要像RealESRGANx4_fp16.onnx这样带后缀，程序按模型名拼路径。

症状：大图处理极慢，或中途卡死。 最可能原因：模型和图都大，单块推理超过显存余量。 解法：输入分辨率降到 50% 以下，或换显存占用小的 BSRGANx4（约 0.75GB）；程序会自动按显存调 tile 大小，不用手动切图。

症状：增强结果"假"，皮肤发蜡、纹理发糊。 最可能原因：blending 处于 OFF，成品 100% 来自模型输出。 解法：AI blending 调 Low 或 Medium，和原图混合；低输入分辨率（<50%）时这个选项收益最大。

去哪找更多

• README.md：部署步骤、模型下载、版本路线图
• AI-onnx/：模型文件放置目录
• Assets/：ffmpeg.exe 与 exiftool.exe 所在目录
• QualityScaler.py：全部源码，GUI、推理、视频流水线都在这一个文件里
• LICENSE：开源许可

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