Upscayl 实战教程：本地 4 倍超分低清图的 2 个真实场景 + 6 个避坑点

Upscayl 实战教程：本地 4 倍超分低清图的 2 个真实场景 + 6 个避坑点

【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

截图一放大就糊，手机里的老照片人脸一凑近就是色块，这种图大多数人相册里都有一堆。在线放大网站要么必须传图，要么免费额度用完就要订阅。Upscayl 是一款免费开源的 AI 图像放大工具，支持 Windows、macOS、Linux，用它把你本机的显卡跑起来，把低清图做 4 倍超分，不传图、不收费。我用了两年多，这篇用最新版 v2.15.0 把从安装到出图的全过程走一遍。

一、项目概览

三个核心卖点各一句话：免费且无额度无订阅；纯本地处理，隐私敏感素材放心用；可选整个文件夹批量处理，不用盯着。内置 7 个模型覆盖日常照片到动漫插画，清单定义在 common/models-list.ts 里。

提前预警一句：如果你的照片本身拍虚了，或者只有核显没有独显，这个工具帮不了你——它只做放大和细节补全，不做去模糊。

二、第一次跑通：从零到出第一个结果

1. 去 Releases 页下载对应平台的安装包：Windows 选 .exe、macOS 选 .dmg、Linux 有 AppImage 等多种格式，大小从几十 MB 到两百 MB 不等。
2. 双击安装。Windows 会弹 SmartScreen 提示，点“更多信息”再“仍要运行”即可。启动后你会看到主界面：选图、选模型、设输出、启动，四步一排摆着，默认模型就是“Upscayl 标准 4x”。
3. 把一张测试图拖进窗口，左侧会立刻出现原图预览和文件名，这就是“选图成功”的确认。
4. 指定输出文件夹，点 Start。
5. 进度条走完后，主区变成原图与结果并排对比，支持滑块和放大镜两种视图。

实测数据（中等独显）：输入 500×500，输出 2000×2000，单张约 30 秒。输入多大、输出多大、耗时多少，到这里就心里有数了。

三、场景实战

场景 A：翻新一张 300×400 的模糊老照片

目标：把扫描出来的低清老照片变成能打印放大的高清版本。

1. 把照片拖入窗口，或 Ctrl+V 直接粘贴。
2. 模型选“高保真 4x”（High Fidelity），它对皮肤、手部这类细节还原更稳。
3. 指定输出文件夹，点 Start，进度条走完后左右拖动并排对比滑块核对细节。

可度量结果：输入 300×400 的 JPG，输出 1200×1600，单张约半分钟。人脸轮廓边缘明显干净了，这是低清但清晰的老照片的正确用法。

场景 B：批量把一整个游戏截图文件夹升到 4K

目标：把一文件夹 1080p 截图全部升到 4K 当壁纸，全程不手动干预。

1. 打开主界面的 Batch Upscale 开关，选图方式变成“选文件夹”。
2. 选择整个截图文件夹作为输入，模型选标准 4x（游戏画面用它稳）。
3. 开启自定义输出宽度，直接填 3840，程序按原图比例自动算高度。
4. 输出格式选 PNG，点 Start，跑完点“打开输出文件夹”直达结果。

可度量结果：60 张 1920×1080 全部变成 3840×2160 的 PNG，单张 30 秒到 1 分钟，全程无人值守，没有一张需要返工。

四、它内部在做什么

• Real-ESRGAN 算法：放大不是复制像素，模型根据纹理走向和画面内容推断高清时该有的细节。好比修图师看着模糊的老照片，凭上下文猜出五官轮廓。
• NCNN + Vulkan 跑在 GPU 上：推理引擎把计算分给显卡的几千个并行单元。像食堂同时开几十个窗口，一张 1080p 图 4 倍放大通常一两分钟内完成。
• 数据边界：全程本地计算，图片从打开到输出不离开你的机器，不经过任何服务器，不产生任何费用，也没有额度限制。

五、功能清单

• 剪贴板粘贴：截图工具里复制一张图，回到 Upscayl 按 Ctrl+V，图就进了待处理队列，不用先落盘。截图工作流能省一半时间，实现在 electron/commands/paste-image.ts。
• 元数据保留开关：Settings 里开启“复制图片元数据”后，输出图会保留原始 EXIF 信息。摄影作品要发平台、图上有版权标识时很关键。
• 自定义模型加载：从 v2.5 起，把自训的 NCNN 模型（.bin 加 .param）放进一个文件夹，在 Settings 的 Add Custom Models 指定路径即可用。把 PyTorch 模型转成 NCNN 的流程见 docs/Model-Conversion-Guide.md，仓库 models/ 目录里还附了其他倍率的现成模型。
• 多语言界面：支持 20 多种语言，设置里切到中文后菜单全部汉化，源文件在 renderer/locales/zh.json。

六、常见问题与解法

1. 现象：启动或点 Start 时报 Vulkan 相关错误。原因：NCNN 后端强依赖 Vulkan 兼容的 GPU，多数核显跑不起来。解法：装之前先确认显卡支持 Vulkan；Windows 和 Linux 有社区提供的 CPU 变通方案，macOS 目前没有。
2. 现象：照片放大后还是糊，甚至更糊。原因：Upscayl 不能去模糊、不能对焦，它只擅长“低分辨率但清晰”的图。解法：输入必须是清晰低分的素材，失焦严重的图别指望它。
3. 现象：批量处理中途点了停止，输出文件夹还是空的。原因：当模型不支持某个动作时，Upscayl 会先把整批图全部升完，再统一做后处理。解法：别急，等一等，当前批次升完它自己会停。
4. 现象：Windows 上设置了 GPU ID，实际还是走核显。原因：系统没把 Upscayl 设为高性能模式，Windows 会覆盖你的 GPU ID 设置。解法：在高级显示设置里把 Upscayl 设为高性能模式，查法和细节见 docs/Guide.md。
5. 现象：TTA 模式全开，60 张图跑了一下午。原因：TTA（测试时增强）能减少伪影，但处理时间约为原来的 8 倍。解法：TTA 只适合单张精修，跑批量前先关掉。
6. 现象：选了 2x，以为是原生 2 倍放大。原因：内置 7 个模型都只原生输出 4x，x1、x2、x3 是先把 4x 结果缩小模拟出来的。解法：想要真正的原生 2x、3x，加载带对应倍率的模型，比如 models/ 目录里的 realesr-animevideov3-x2 和 x3。

七、收尾与上手

去 Releases 页下载 v2.15.0（Windows 选 .exe，macOS 选 .dmg，Linux 有 AppImage、Flatpak、Snap、deb、rpm 可选），也可以直接克隆仓库：

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

遇到问题先翻项目内文档：GPU ID 查法、日志位置、自定义模型用法在 docs/Guide.md，分平台的常见故障整理在 docs/troubleshooting/ 目录。

我两年的心得是一个顺序：先用轻量模型跑一张小图定效果，再用标准模型加 TTA 精修单张，最后才上批量——顺序对了，时间和显卡都省一半。把那些“舍不得删又看不清”的图翻出来试试吧 🌟

【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