企业官网建设流程全解析

Upscayl 免费 AI 超分实战教程：本地把 1080p 截图批量放大到 4K

【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

上周末我把一文件夹 1080p 截图变成 4K 壁纸。在线工具要传图、有额度，我改用 Upscayl——免费开源、纯本地的 AI 图像超分工具，支持整文件夹批处理，也能加载自训模型。适合：一批低清但清晰的图要批量处理、隐私素材不愿上服务器的人。不适合：严重失焦的照片（它不去模糊）、只有核显的机器（跑不动 Vulkan）。

从安装到第一次超分：5 步跑通 v2.15.0

1. 到项目 Releases 页选安装包：Windows 下 .exe，macOS 下 .dmg（要求 macOS 12 以上），Linux 有 AppImage、Flatpak、Snap、deb、rpm 五种。用 Homebrew 的可以直接brew install --cask upscayl。预期状态：拿到一个几十 MB 到两百 MB 的安装文件。
2. 双击安装。Windows 弹 SmartScreen 时点"更多信息"再"仍要运行"。预期状态：桌面或开始菜单出现 Upscayl 图标。
3. 启动主界面。选图、选模型、设输出、Start 按钮一字排开，默认模型是 Upscayl Standard 4x。预期状态：四个控件一屏内可见。

4. 把一张测试图拖进窗口。预期状态：左侧出现原图预览和文件名，说明选图成功。
5. 指定输出文件夹，点 Start。预期状态：进度条走完，主区变成原图与结果并排对比，可用滑块或放大镜视图核对细节。

实测数据：我用一张 500×500 的图做首测，输出 2000×2000，中等独显下单张耗时几十秒，具体取决于你的显卡。

实测两个任务：老照片翻新与批量截图 4K 化

任务一：把 300×400 的老照片变成可打印版本

目标：扫描出来的低清老照片，放大到能装框打印。

1. 拖入照片（或 Ctrl+V 粘贴）。
2. 模型选 High Fidelity 4x，它对皮肤、手部这类细节更稳。
3. 指定输出文件夹，点 Start。
4. 进度条走完后用对比视图核对人脸边缘。

实测结果：输入 300×400 的 JPG，输出 1200×1600，中等独显单张约半分钟（视硬件浮动）。人脸轮廓比原图明显干净，装框尺寸够用，达标。

任务二：40 张 1080p 游戏截图一键升到 4K

目标：一文件夹 1080p 截图全部升到 3840 宽，全程不手动干预。

1. 打开主界面 Batch Upscale 开关，选图方式切换为选文件夹。
2. 选中整个截图文件夹。
3. 模型选 Standard 4x（游戏画面用它稳）或 Digital Art 4x。
4. 开启自定义输出宽度，填 3840，高度按原图比例自动算。
5. 输出格式选 PNG，点 Start。
6. 跑完点"打开输出文件夹"直达结果。

实测结果：40 张 1920×1080 全部变成 3840×2160 的 PNG，单张 30 秒到 1 分钟（视硬件浮动），无一返工，达标。

内置 7 个模型对照表：什么时候用哪个

内置模型定义在 common/models-list.ts，共 7 个，全部原生 4x：

拿不准就用 Standard 4x，多数场景不会翻车。另外注意：v2.8 起，界面里选的 x1、x2、x3 是把 4x 结果缩小模拟出来的，并非模型原生倍率，规则见 docs/Guide.md 的 Scale Option 一节。

原理速览：内部在做的三件事

• Real-ESRGAN：放大不是复制像素，模型根据纹理走向推断高清图该有的细节，像修复师看残缺的老照片，凭上下文补出五官轮廓。
• NCNN + Vulkan：推理引擎把计算分给显卡上的并行单元，相当于食堂同时开几十个窗口出菜，所以独显越好越快。
• 数据边界：图片从打开到输出全程不出你的机器，不经过任何服务器，不产生费用，也没有额度限制。

排障速查：5 个高频问题的三段式定位

1. 现象：点 Start 报 Vulkan 相关错误。原因：NCNN 后端要求 Vulkan 兼容的 GPU，多数核显不满足。解法：装前确认显卡支持 Vulkan；Windows 和 Linux 有社区 CPU 变通方案，macOS 目前没有，README.md 的 FAQ 有说明。
2. 现象：放大后还是糊，甚至更糊。原因：它不去模糊、不做对焦，只擅长"低分辨率但清晰"的图。解法：换清晰但低分的素材，失焦严重的别指望它。
3. 现象：批量中途点了停止，输出文件夹却是空的。原因：模型不支持当前动作时，它先把整批全部升完，再统一做后处理。解法：等它跑完，当前批次升完会自动停，README FAQ 专门解释过这条。
4. 现象：Windows 上填了 GPU ID，实际还是走核显。原因：系统没把 Upscayl 设成高性能模式，Windows 会覆盖该设置。解法：在高级显示设置里为 Upscayl 选高性能显卡，步骤见 docs/Guide.md 的 GPU ID 一节。
5. 现象：TTA 开着，批量跑的时间长得离谱。原因：TTA 让模型多跑几趟来减少伪影，耗时成倍增加。解法：TTA 只给单张精修用，跑批量前先关掉。

隐藏能力：3 个文档写得少的地方

• 剪贴板直贴：在截图工具里复制图片，回 Upscayl 按 Ctrl+V 就进了待处理列表，省掉先存文件这一步。实现在 electron/commands/paste-image.ts。
• EXIF 元数据保留：Settings 里打开"复制图片元数据"，输出图会经 exiftool 保留原始拍摄信息，摄影作品要发平台时这个开关很关键。实现在 electron/utils/copy-metadata.ts。
• 自训模型接入：v2.5 起，把 NCNN 模型（.bin + .param）放进一个文件夹，在 Settings 的 Add Custom Models 指定路径即可。仓库 models/ 目录放着 realesr-animevideov3 的 x2、x3、x4 模型文件做示例——想要原生 2x、3x，就得加载这种带对应倍率的模型；PyTorch 模型怎么转成 NCNN，照 docs/Model-Conversion-Guide.md 操作。

收尾：三步工作流与下载入口

我用了两年，顺序是这么排的：

1. 先用 Lite 4x 跑一张小图，确认效果方向没问题；
2. 单张精修再上 Standard 4x 加 TTA；
3. 最后开批量，全程无人值守。

顺序对了，显卡和时间都能省一半。

下载入口：项目 Releases 页（Windows .exe / macOS .dmg / Linux 五种格式）。源码党克隆仓库：

git clone https://gitcode.com/GitHub_Trending/up/upscayl

遇到问题先查 docs/Guide.md（GPU ID、日志、自定义模型），分平台故障整理在 docs/troubleshooting/。把那些"舍不得删又看不清"的图翻出来试试 ✨

【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