34 秒 vs 122 秒：Jasna 视频马赛克修复为什么值得等一小时首编？
【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna
第一次任务的进度条卡在模型编译最长一小时，像死机。编完，一条 3:22 的 1080p 视频，34 秒跑完马赛克修复。Jasna 是本地 GPU 视频马赛克修复工具：只把每帧被马赛克遮挡的小区域送进模型，其余画面原样复制，一帧不动。
一、它是什么，不是什么
它是个只修"被遮部分"的本地工具。思路：先逐帧自动检测马赛克，默认模型rfdetr-v6按 576 分辨率推理，得分阈值 0.35，4K 可换rfdetr-v6-large（768 分辨率、阈值 0.40），配置写在 detection_registry.py。
再把同一马赛克的帧跨时间编成 clip，只把 256×256 的小区域送进修复模型，结果回填原帧，其余像素复制。只修指定片段时，无马赛克帧直接复制、不重编码，见 segments 文档。
全程是一条七步 GPU 流水线：解码、检测、追踪、修复、可选二次增强、混合、编码，不落地 CPU，音频直接拷贝，细节见 README。
边界同样明确：它不做整片超分、不去噪，非马赛克区域保留原始画质；VR180 有专用检测模型，但 LTX 不支持 VR180 和流式播放；GTX 10 系及更老显卡不跑。
二、怎么跑起来：4 步看到第一个结果
- 下载与系统、GPU 匹配的官方 release 包；源码方式
git clone https://gitcode.com/GitHub_Trending/ja/jasna，注意源码只能跑免费 BasicVSR++，支持者模型要官方发布包。 - 解压到纯英文路径：Windows 用 NTFS，Linux 用 ext4/Btrfs/XFS/ZFS，全部本地盘，SSD 优先。
- Windows 双击
jasna.exe，Linux NVIDIA 直接跑jasna文件；AMD Linux 先装一次 AMF。 - 添加视频、选设置、按 ▶。
首跑代价不藏：NVIDIA 第一个任务要 15–60 分钟，检测与修复模型在为你的卡编译 TensorRT engine，期间关掉其他程序。结果存在model_weights，之后每个任务直接复用；升级版本把这个文件夹拷过去就能跳过等待。注意 0.12 的 LTX 模型连 NVIDIA 也要重新下载。
LTX 是可选项：8GB 显存、16GB 内存起步，模型下载约 15GB（Standard）或 9GB（Fast）。有试用模式：不要许可证，只测你的卡跑它要多久，不出修复结果。
三、数字怎么说：基准、显存与翻车记录
速度：同长度 1080p H.264 输入，Lada 0.11.0 跑 02:02，Jasna v0.9.1 跑 00:34，3.6 倍；720p 01:47→00:32（3.4 倍）；2160p 04:56→01:03（4.7 倍）。机器是 RTX 5090，完整参数在 发布矩阵 和 README。
诚实说明，显存是 Lada 的主场：同为 1080p 输入，Lada 典型/峰值 2.0/3.3GB，Jasna v0.9.1 是 4.8/5.6GB；2160p 为 2.6/4.1 对 7.2/10.9。README 原话是 Lada 占显存更少。只有 4GB 显存的卡，建议两边都测。
翻车也写在仓库：CUDA Graphs 带来 2%–10% 提速，FP8 上采样子引擎把 720p 中位显存从 9050MB 压到 7890MB，但正式发布的 FP8 构建反而 +1.8GB，作者直接撤掉，全程见报告。benchmarks/ 里 20 多份报告逐行绑定 commit，驱动 595.84，显存每 0.5 秒采样中位数/峰值，连"没生效"的噪声行都保留。
显存不够怎么调
降--max-clip-size。同一条 1080p 视频、RTX 5090 实测：clip 30 占 3.4GB，clip 90 占 4.1GB，clip 360 占 6.3GB；4–6GB 的卡从 30 起步，4K 要多花约 1.5 倍显存。每张卡的起步值在调优文档。
四、谁在外面用它：教程、拆解与用户数据
按内容形态分三层。
整合包与部署教程：工作量集中在首编慢怎么解决。pyproject.toml 锁死torch==2.12.1+cu130、tensorrt==10.16.1.11、torch-tensorrt==2.12.0，Triton wheel 还分平台写，教程本质是给这份依赖清单做导读。
性能拆解：对着 benchmarks/ 的报告逐行复现，最近盯的是 CUDA Graph 提速与上面那个 FP8 回退事件。教程敢断言快几倍，因为每个数字都能在仓库里对上。
用户实操：Discord 里晒修复前后对比、交流--max-clip-size怎么配；GUI 有"建议更好 mask"按钮，你画的遮罩经 AES-256-GCM 加密（不含文件名、时间戳）上传，反哺检测模型训练，见 mask_feedback.py。
三层互相喂养：教程依赖可复现的基准，拆解依赖翻车记录，用户数据流回项目。这是长线热度，不是脉冲。
五、用，还是等：三档决策依据
✅ 现在适合：NVIDIA GTX 16 系/RTX 20 系及以上、库里马赛克视频多、愿意付一次首编等待。免费 BasicVSR++ 够用；LTX 在 $25 档（含 UNet 4x、SD 1.5，$15 档没有 LTX），一码 3 台设备。LTX 速度可核对：模型文档 里 RTX 5090 Standard 约一分钟视频花 1 分钟，RTX 2080 Ti 约 10 分钟。
⏳ 建议观望：AMD RX 7000/9000 用户（实验级支持，Windows AMD 的 LTX 还是 beta）；显存未达门槛又想上 LTX 的用户（内存、模型下载只是起步成本）。
❌ 不适合：要开箱即用的人（路径必须纯英文、首编要先付等待）；网络盘或非英文路径用户；显存紧张、只找替代方案的人——Lada 免费且显存占用更低，值得两边都测。
今天就拿最短的一条马赛克测试视频，用免费 BasicVSR++ 跑一遍，把首编等待当门票付掉，再看效果决定要不要上 LTX。
【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
