Upscayl：5 分钟用免费开源的本地 AI 图像放大工具完成 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
把一张模糊的老截图放大到 1080p，全是锯齿、文字糊成一团，这种挫败感你肯定遇到过。Upscayl 就是干这个的：一款免费、开源（AGPL-3.0）、完全本地运行的 AI 图像放大桌面工具，图片全程不出你的电脑。它的机制很直白：基于 Real-ESRGAN 算法，让 AI 模型通过 NCNN Vulkan 引擎在显卡上"猜出"压缩时丢失的细节并重建，而不是简单拉伸像素。
先说清楚：Upscayl 是什么、不是什么
它是一个桌面图形界面程序，支持单张放大和整文件夹批量放大，内置 7 个放大模型，当前版本 v2.15。
它不是云端服务：所有计算都在本机 GPU 上完成，没有上传、没有额度。
它也不是万能修复器：官方 FAQ 明确说明，它能增强低分辨率和像素化的图片，但无法去除模糊、无法校正失焦。照片如果是完全拍糊或运动模糊，它救不了你。
能不能跑：开始前的三项预检
- 系统：Windows 10+、macOS 12+、Ubuntu 20.04+（完整名单见 docs/Compatibility-List.md）
- 显卡：必须支持 Vulkan。多数集显跑不了；实测可用的集显只有 Intel HD 620、Intel Iris 和大部分 AMD Vega；独显基本都能用，仅 GTX 7xx 系列被反馈不行
- 格式：输入 png、jpg、jpeg、webp；输出同样可选这 4 种
三项都满足再装，否则大概率卡在第一步。
安装 Upscayl 并拿到第一个 4 倍结果
Windows：下载upscayl-x.x.x-win.exe双击安装；若弹出 SmartScreen 警告，点"更多信息"再"仍要运行"。
macOS：终端一条命令装好，或下载 dmg 拖进 Applications：
brew install --cask upscaylLinux：推荐 AppImage、Flatpak 或 Snap。走 AppImage 最省事：右键文件 → 属性 → 勾选"允许执行"，再双击启动。
首次运行最小路径（我实测）：用仓库自带的测试图 ups/to_upscale.jpeg（256×256），其他全用默认——模型 upscayl-standard-4x、倍率 4x、输出 png——指定一个输出文件夹，点放大按钮。得到的结果是一张 1024×1024 的 png，边缘明显比原图干净。处理完成会弹出 "Image upscayled successfully" 通知，打开输出文件夹把原图和结果并排对比即可。
选什么先想什么：模型、批量、格式、倍率、自定义
7 个内置模型，按图片类型选。默认的 upscayl-standard-4x 适合通用照片；upscayl-lite-4x 更轻更快；截图和文字选 ultrasharp-4x；动漫插画选 digital-art-4x；人像选 high-fidelity-4x；ultramix-balanced-4x 是均衡型；remacri-4x 偏重人脸。选错模型是"效果不理想"的第一大原因。
批量模式：打开侧边栏的 Batch 开关，把选图换成选文件夹，文件夹内所有受支持格式的图片依次放大，结果统一写入输出文件夹下按"格式_模型_倍率"命名的子目录（例如upscayl_png_upscayl-standard-4x_4x），适合整理整批素材。
输出格式与压缩：默认 png；想压体积就切 jpg 或 webp 并调压缩参数；还可开启"记住输出文件夹"和"允许覆盖同名文件"（默认不覆盖）。
倍率：内置模型原生支持 4 倍；v2.8 起，对不支持 x2/x3 的模型，它会先放大 4 倍再缩小来模拟 x2、x3 输出。
自定义模型：v2.5 起可导入 NCNN 格式（.bin + .param）。建一个 models 文件夹放入模型，在设置的 Add Custom Models 区选中该文件夹，新模型就会出现在下拉列表里，转换方法见 docs/Model-Conversion-Guide.md。
挑个真实任务练手：三组输入 → 输出
老照片翻新：输入一张 640×480 的模糊老照片 → 选 high-fidelity-4x，4 倍放大，输出 png → 得到 2560×1920 的图片。适用判断：只适合"分辨率低但清晰"的图，完全失焦的照片换它也没用。
截图锐化：输入一张 150px 宽的网页截图 → 选 ultrasharp-4x，4 倍放大 → 文字边缘明显变直，可以直接放进 PPT。适用判断：图里文字和线条占比越高，收益越大。
设计素材补量：输入一批分辨率不够的海报底图 → 开 Batch + upscayl-standard-4x，输出 webp 并调压缩 → 一次拿到整批可交付体积的素材。适用判断：要批量、要控体积时才开批量，单张别这么折腾。
进阶调优：GPU 编号、分块尺寸与另外两个开关
GPU ID（多显卡或选错卡时用）：在设置的日志区能看到检测到的所有设备编号（官方示例中 0 是 AMD Radeon、1 是 Nvidia、2 是 llvmpipe），把目标显卡的编号填进 GPU ID 输入框即可。注意 Windows 上如果没把 Upscayl 设为高性能模式，系统可能覆盖该设置。
Tile Size（显存不足或大图卡顿时用）：调小分块尺寸（如 256）可以避免爆显存，代价是速度略降。
Double Upscayl（追求更多细节时用）：对结果再跑一遍模型，细节更足但耗时翻倍。
TTA 模式（追求输出稳定时用）：花少量时间换更稳定的结果，批量任务一般没必要开。
常见问题：四个高频故障怎么修
打不开或日志报 GPU 错误→ 原因是显卡不支持 Vulkan 或驱动太旧 → 更新显卡驱动并指定 GPU ID；Linux 用户先用 VulkanCapsViewer 确认 GPU 支持 Vulkan，再对照 docs/Compatibility-List.md 查自己的卡是否在可用名单。
处理速度慢→ 多半跑在集显或分块过大 → 在 GPU ID 里指定独立显卡编号，或换更轻的 upscayl-lite-4x 模型。
放大后感觉"没变化"→ 原因不是软件问题，而是它无法去模糊、无法校正失焦，只对低清和像素化图片有效 → 确认原图确实是低清而非拍糊，并换对模型（人像、动漫、文字各不同）。
批量任务中途停止，文件不对→ 模型不支持的操作会被排到所有图放大完成后统一后处理 → 别手动中断，等流程真正跑完。
资源索引：官方文档入口
- 使用指南（GPU ID、日志、自定义模型、倍率）：docs/Guide.md
- 操作系统与显卡兼容性列表：docs/Compatibility-List.md
- 分平台故障排除（Windows / macOS / Linux）：docs/troubleshooting/
- 自定义模型转换教程：docs/Model-Conversion-Guide.md
- 项目 README（安装、FAQ、路线图）：README.md
打开 Upscayl，挑一张手头最糊的图，把剩下的交给 4 倍按钮。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
