企业官网建设流程全解析

Upscayl AI 图像放大：本地 4 步完成首次 4 倍放大

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl

Upscayl 是一款免费开源的本地 AI 图像放大工具，Real-ESRGAN 模型运行在你自己的显卡上，把低分辨率照片、截图或插画放大并补全细节，全程不经过云端。选图、选模型、指定输出目录，一张小图即可得到 4 倍放大的清晰大图，还支持批量处理整个文件夹与加载社区自定义模型。下面先跑通一张图，再谈安装、模型选择与常见报错。

🚀 首次运行：从选图到出图的 4 步操作

这节解决"装好后第一张图点哪里"的问题——按左侧面板的四个步骤走一遍，500x500 的小图就会变成 2000x2000 的大图。

首次启动会进入欢迎向导，点Get Started进入主界面。此后每次放大都按左侧四步进行：

1. Step 1 选择图片：点Select Image选取一张图，仅支持 PNG、JPG、JPEG、JFIF、WEBP 五种扩展名；也可以把图片直接拖进窗口，或按Ctrl+V粘贴剪贴板里的图。
2. Step 2 选择 AI 模型：下拉框默认是Upscayl Standard 4x，通用照片保持默认即可，模型怎么选见后文。
3. Step 3 设置输出位置：默认保存到原图所在目录；想另存就点Set Output Folder。在设置页打开 "SAVE OUTPUT FOLDER" 开关后，这个目录还能跨会话记住。
4. Step 4 开始放大：点Upscayl按钮，按钮上方会显示尺寸换算（例如 "Upscayl from 500x500 to 2000x2000"），进度条走完即完成。完成后打开 More Options 抽屉，用Lens View（放大镜）或Slider View（滑杆）拖动查看前后对比；选错了随时点Reset重来。

🖥 安装方式速查与硬件硬性门槛

这节回答"怎么装"和"为什么必须有独显"两个问题——出过图之后可以回来核对硬件条件。

Upscayl 的放大计算依赖 Real-ESRGAN 的 NCNN Vulkan 后端。NCNN 是一个基于 Vulkan 图形接口的开源推理引擎，推理任务全部交给 GPU 执行，因此硬件上有硬性门槛：机器必须有一块Vulkan 兼容的独立显卡，大多数集显和纯 CPU 跑不了，启动或点放大时会报 "GPU Error"。系统版本下限为 macOS 12、Windows 10，Linux 各发行版均可，建议走 Flatpak 渠道。

各平台安装方式对照：

踩坑提示：Windows 安装时会弹出"是否允许对此设备进行更改"的确认框，发布方显示为 Unknown，点 Yes 继续即可。

🎨 按素材类型选模型：7 个内置选项对照

这节解决"7 个模型挑哪个"的问题——按素材类型对号入座，不必逐个试用。

内置的 7 个模型均为 4 倍放大，调校取向各不相同：

• 通用照片、不想纠结—— 默认的Upscayl Standard 4x，综合均衡。
• 图多、要求快——Upscayl Lite 4x速度优先，适合大批量快速出图。
• 写实照片、保真优先——High Fidelity 4x忠实还原，细节保真度更高。
• 动漫与数字绘画——Digital Art 4x针对插画风格优化，线条和色块边缘更干净。
• 自然景物照片（不可商用）——Remacri 4x、Ultramix Balanced 4x、Ultrasharp 4x均面向自然图像且标注 Non-Commercial，其中Ultrasharp 4x锐度更高。

仓库自带一组模型对比样例（renderer/public/model-comparison/），每张 after 图都是对应 before 小图的 4 倍放大结果。以 Upscayl Standard 为例，500x500 的金门大桥照片被放大到 2000x2000：

放大后桥身钢桁架的交叉斜杆、悬索与桥塔轮廓清晰可辨，山体岩石纹理和岸边植被边缘比原图锐利；桥塔被雾遮挡的区域 AI 补全得柔和，没有生硬的块状边缘。换用 Digital Art 模型处理同一素材，风格取向不同：线条与色块边缘更干净，色彩过渡更平滑，更适合插画类素材。

🗂 批量放大与进阶开关：场景—操作—注意

这节面向"一张图不够用"的场景：批量素材、社区模型、混合显卡、精确尺寸，按场景索引即可。

• 批量放大整个文件夹—— 勾选左侧顶部的Batch Upscayl，Step 1 按钮变成Select Folder，文件夹内所有图片一次跑完，结果统一进入输出目录。注意：文件夹里只放 PNG/JPG/JPEG/JFIF/WEBP 图片，混入其他格式会失败。
• 加载社区 NCNN 模型—— 建一个文件夹，放入成对的.bin+.param模型文件，在 Settings 页 "ADD CUSTOM MODELS" 区域点Select Folder指向它，主界面模型下拉框就会出现 "Imported Custom Models" 分组。模型转换方法见 docs/Model-Conversion-Guide.md。
• 集显 + 独显双卡误用集显—— 先放大一张图，到 Settings 页日志区查看可用 GPU 编号，填入 "GPU ID" 输入框，多张卡用逗号分隔。注意 Windows 上若系统未开性能模式，可能覆盖此设置。
• 原图过小、需要进一步放大—— 勾选Double Upscayl，对同一张图连续放大两遍（4x 模式下实际输出为 16x），耗时明显增加，适合极小原图。
• 画质要求高、不着急—— 开启TTA Mode（Test Time Augmentation，测试时数据增强），能减少伪影，但耗时约 8 倍。
• 需要精确尺寸或格式——Custom Output Width直接指定输出宽度，高度按比例自动计算，开启后会覆盖倍率设置；输出格式可选 PNG/JPG/WEBP 并调节压缩率，"Copy Image Metadata" 开关用于保留原图 EXIF 信息。

🩹 报错速查：5 个最常见问题的原因与修复

这节用于"报错或效果不对时先对照"，表内未覆盖的问题再查分平台文档。

平台相关的排错条目见 docs/troubleshooting/，含 Linux、macOS、Windows 分平台说明与日志查看方法。

🧭 下一步：文档、源码与开发环境

这节按"想走多深"整理后续入口，从查文档到跑开发环境逐级深入。

• 官方指南：docs/Guide.md 覆盖 GPU ID、日志、自定义模型、倍率选项等进阶操作；REST API 定义在 docs/openapi.yaml。
• 转换自己的模型：docs/Model-Conversion-Guide.md 说明如何把 PyTorch 模型转成 NCNN 格式。
• 看懂放大是怎么实现的：electron/commands/ 下单图任务在image-upscayl.ts、批量任务在batch-upscayl.ts；内置模型清单在 common/models-list.ts；界面代码在 renderer/components/。
• 本地跑开发环境：git clone https://gitcode.com/GitHub_Trending/up/upscayl，然后按 README 的 Development 一节执行npm install和npm run start，即可在本地启动开发服务器。

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl