Jasna 视频马赛克修复全链路：免费 GPU 加速，1080p 全片 34 秒出片
【免费下载链接】jasna Video restoration tool 
项目地址: https://gitcode.com/GitHub_Trending/ja/jasna
Jasna 是把"解码 → 检测 → 修复 → 编码"整条链路都压在 GPU 上的免费开源（AGPL-3.0）视频马赛克修复工具，默认走免费的 BasicVSR++，官方基准在 RTX 5090 上把一段 3 分 22 秒的 1080p 视频修完只要 34 秒、典型显存 4.8 GB。它适合有一张 GTX 16 系 / RTX 20 系以上显卡、想本地批量处理打码素材的人；不适合用网络盘、用 GTX 10 系或更早卡、或要把安装目录放到非 ASCII 路径的场景。
30 秒速览：Jasna 视频马赛克修复适合谁
默认推荐 BasicVSR++——快、免费、画质足够；仅当明确需要更细腻的纹理时才换 LTX。
| 指标 | 数值 | 测试环境 |
|---|---|---|
| 修复耗时 | 34 秒 | 1080p H.264 全片 3:22，RTX 5090 |
| 典型 / 峰值显存 | 4.8 / 5.6 GB | 同上 |
| 相对 Lada | 快 3.6 倍 | 1080p，Lada 2:02 |
| 首次一次性成本 | 15–60 分钟 | 仅 NVIDIA 第一个任务 |
环境硬门槛：这几条不满足直接劝退
这些条件不满足就别往下装，装了也跑不起来。
- 显卡：NVIDIA GTX 16 系 / RTX 20 系起（计算能力 ≥ 7.5），GTX 10 系及更早完全不支持；AMD RX 7000/9000 为实验性。
- 驱动：NVIDIA Windows 610+ / Linux 580+。
- 磁盘：本地 SSD，文件系统 NTFS / ext4 / Btrfs / XFS / ZFS；网络盘跑不了，机械硬盘能跑但启动与加载明显变慢。
- 路径：安装目录必须纯 ASCII，含中文 / 日文 / 重音字母会在启动检查（jasna/gui/system_checks.py 的
check_ascii_install_path）直接拦截。
⚠️ 安装路径混入非 ASCII（如
C:\Users\张三\jasna）会启动即报错——把整个文件夹挪到D:\Tools\jasna这类纯英文路径再试。
最短路径出片：一条命令跑通
从零到出片最少 3 个动作：下载匹配系统与 GPU 的发行包 → 解压到纯英文本地路径 → 启动后加视频点 ▶。命令行党一条命令即可，默认走 BasicVSR++ 并输出 MKV：
jasna --input input.mp4 --output output.mkv
这条命令对单个视频执行完整修复流程。
文件夹输入则批量处理（先图片后视频）：
jasna --input input_folder --output output_folder
不同系统启动方式不同，对照这张表：
| 系统 | 启动操作 |
|---|---|
| Windows | 双击 jasna.exe |
| Linux NVIDIA | 运行 jasna 文件 |
| Linux AMD | 先装一次 AMF 视频运行库，再运行 run_jasna_amd.sh |
📌 首次任务明显更慢的根源：NVIDIA 上 Jasna 会为检测模型和修复模型现场编译 TensorRT 引擎，产物落盘到 model_weights 目录（位置由 jasna/engine_paths.py 配置），之后每个任务直接复用。升级 Jasna 时把 model_weights 复制过去即可免等。
模型怎么选：BasicVSR++ 还是 LTX
默认推荐 BasicVSR++；仅当明确需要更细腻纹理、且显卡与显存同时达标时才换 LTX。
| 维度 | BasicVSR++ | LTX | SD 1.5（仅图片） |
|---|---|---|---|
| 速度 | 快 | 慢数倍（见下） | 单张数十秒级 |
| 画质 | 良好 | 纹理更细腻自然 | 实验性，单张差异大 |
| 显存 | 全部支持显卡 | ≥ 8 GB（另需 16 GB 内存） | 约 7 GB |
| 费用 | 免费 | 25 USD 档 | 15 USD 档起 |
| 模型体积 | 随包 | 标准约 15 GB / 快速约 9 GB | 约 6.9 GB |
LTX 耗时（1 分钟 1080p、马赛克持续出现、标准档）：
| GPU | 标准 | 快速 --ltx-fast（仅 RTX 50） |
|---|---|---|
| RTX 5090 | 约 1 分钟 | 不到 1 分钟 |
| RTX 4090 | 约 1.5 分钟 | 不可用 |
| RTX 5080 | 约 2 分钟 | 约 1.5 分钟 |
| RTX 3090 | 约 3 分钟 | 不可用 |
| RTX 2080 Ti | 约 10 分钟 | 不可用 |
决策前先用试用模式在本地测速——不下载模型、不占许可证，但不产出修复视频：
jasna --input input.mp4 --output output.mkv --restoration-model-name ltx --ltx-trial
⚠️ LTX 三个硬限制：不支持 VR180 左右并排、不支持流媒体、用 LTX 时二次修复与降噪自动关闭——VR 素材与流式场景请改用 BasicVSR++。
检测模型负责"找马赛克"，权重放进 model_weights/ 自动发现（推荐阈值取自 jasna/mosaic/detection_registry.py）：
| 模型名 | 来源 | 推荐阈值 | 场景 |
|---|---|---|---|
rfdetr-v6（默认） | 随包 | 0.35 | 绝大多数视频 |
rfdetr-v6-large | 另下载（NVIDIA .onnx / AMD .pt） | 0.40 | 4K 素材 |
rfdetr-vr-v1 | 随包 | 0.40 | VR180 |
zelefans-vr-yolo-v2 | 另下载 | 0.25 | VR180 备选 |
lada-yolo-v2 / v4 | 随包 | 0.25 | 2D 动画 / AMD 求快 |
rfdetr-v5 | 随包 | 0.25 | 旧版（批大小固定 4） |
二次修复仅限 NVIDIA，只在修复块看起来"软"（大马赛克、特写、4K）时才需要：
| 二次修复 | CAWD 1080p | KV-109 1080p |
|---|---|---|
| 无 | 22 秒 / 10.0 GB | 11 秒 / 10.7 GB |
| UNet 4x | 29 秒 / 12.5 GB | 14 秒 / 12.6 GB |
| RTX Super Res（免费） | 25 秒 / 11.7 GB | 13 秒 / 11.4 GB |
| TVAI（2 workers） | 52 秒 / 12.1 GB | 24 秒 / 12.4 GB |
性能拐点与显存降级顺序
显存不紧张时，把 --max-clip-size 拉到收益拐点 180 即可，默认 90 在 10 GB 级显存上很宽裕；小剪辑只会更慢，不会更快。
jasna --input input.mp4 --output output.mkv --max-clip-size 180 --temporal-overlap 8
剪辑大小扫描（1080p、重叠 8、RTX 5090，趋势普适、绝对值因环境而异）：
| 最大剪辑大小 | 耗时 | 显存 |
|---|---|---|
| 30 | 51 秒 | 3.4 GB |
| 60 | 40 秒 | 3.7 GB |
| 90 | 34 秒 | 4.1 GB |
| 180 | 35 秒 | 5.0 GB |
| 360 | 32 秒 | 6.3 GB |
| 720 | 33 秒 | 8.0 GB |
小剪辑更慢的原因：同一块马赛克沿时间轴被跟踪分组为"剪辑"（jasna/tracking/clip_tracker.py），重叠帧在每个剪辑里都要重复处理，剪辑越多重复劳动越多；超过 180 后耗时不再变好、只有显存上升。4K 素材同剪辑大小下显存约 ×1.5。
显存不足时按 ①②③ 顺序降级：① 降 --max-clip-size（90 → 60 → 30，对照上表看代价）；② 关二次修复或换 RTX Super Res；③ 关掉浏览器、游戏等其他占 GPU 的程序。排队帧会自动挪到系统内存兜底（jasna/vram_offloader.py），全程无需干预。4–6 GB 显存的卡固定从 1080p + 剪辑 30 起步。
⚠️
2 × temporal-overlap < max_clip_size必须成立，否则启动即报错（合法性由 jasna/session_config.py 校验）；8–20 是推荐区间，超过 20 通常无收益。
不要用 --no-compile-basicvsrpp 关编译省显存：同素材 1080p、剪辑 180 下，编译 33 秒 / 5.0 GB，不编译 107 秒 / 4.6 GB——只省不到 0.5 GB 却慢约 3 倍。
分支场景：区间、VR180 与流媒体怎么切
按你的输入类型走对应分支。
只修选中区间：马赛克只出现在部分场景时，只修这些区间最快，未选区间原样复制、输出仍是全片。
jasna --input input.mp4 --output output.mp4 --segments "10-25,01:10-01:30.5"
想让慢速 LTX 只集中在大马赛克（最长边达到视频高度 12%）上，用自动分配，文件夹输入也支持：
jasna --input videos/ --output restored/ --restoration-model-name ltx --ltx-auto-split 12
VR180 视频：默认 --vr-mode auto（高度 > 1080px 的 2:1 视频，如 3840×1920，自动识别为左右并排），检测换 rfdetr-vr-v1，Jasna 拆开分别修再拼回；自动认不出时手动强制：
jasna --input input.mp4 --output output.mp4 --vr-mode sbs-fisheye
流媒体：--stream 启动 HLS 服务并在浏览器里边修边看，可拖动进度、不落盘。
60 fps 素材：帧数翻倍处理时间自然翻倍，用 --retarget-high-fps 隔帧（60 → 30）把工作量减半且音画同步不变。
⚠️
--segments一次只支持单个视频（不支持文件夹 / 图片 / 流媒体），输入须恒定帧率的 H.264/HEVC/AV1，且不能与--stream、--retarget-high-fps、--fmp4、--ltx-auto-split组合——流媒体恒用 BasicVSR++ 与 H.264。
翻车速查：Jasna 视频马赛克修复常见报错
- 首次任务卡在开头不动 → 不是坏了，是首次一次性 TensorRT 编译（耗时见速览表），机器负载拉满、
model_weights在增长即属正常。 - 启动就报路径错误 → 安装路径混入非 ASCII 字符，常伴随网络盘；把文件夹挪到纯英文本地盘路径。
- LTX 模型下载失败 → 连不上 Hugging Face 时自动切 hf-mirror.com；仍失败就手动下载 3 个文件（所选模型 1 个 +
vae.safetensors.enc+vae-decoder.safetensors.enc），保留.enc后缀，放进model_weights/ltx-restore/（对应关系见 docs/zh/models.md）。 - AMD 上检测慢 → RF-DETR 在 AMD 走 torch 模型，明显慢于 NVIDIA 的 TensorRT 引擎；把
--detection-model换成lada-yolo-v4换回速度（AMD 默认批大小自动取 8）。 - 云端装不上 / 激活失败 → 用 root 运行 Linux NVIDIA 官方版，设
NVIDIA_DRIVER_CAPABILITIES=all、固定/etc/machine-id，装到/root而非/workspace，激活加--cloud-workspace（驱动 ≥ 580、磁盘 ≥ 80 GB，见 docs/zh/cloud.md）。
边界与代价：费用、许可、不支持的组合
- 费用：BasicVSR++ +
rfdetr-v6免费；UNet 4x 与 SD 1.5 需 15 USD 档、LTX 需 25 USD 档。一个许可证码可在 3 台 PC 或云工作区使用，激活后离线可用；CLI 激活用--license-code，离线场景--machine-key打印机器密钥、--activation-key回传激活密钥。 - 不支持的组合：LTX × VR180 并排、LTX × 流媒体、
--segments× 文件夹输入、--retarget-high-fps× 流媒体。 - 编码默认：默认 HEVC；CQ 默认 NVIDIA H.264 25 / HEVC 28 / AV1 35，AMD H.264 24 / HEVC 25 / AV1 32；NVIDIA H.264/HEVC 合法范围 1–51、AV1 1–63，AMD 为 0–51 与 1–51。完整选项以
jasna --help和 docs/zh/cli.md 为准。 - 许可：公开应用源码为 AGPL-3.0，模型与随附依赖各自保留原许可证，见 LICENSING.md 与 assets/THIRD_PARTY_MODELS.md。
- 延伸阅读：docs/zh/models.md（模型选型）、docs/zh/tuning.md（显存调优）、docs/zh/segments.md（区间），全编解码器基准明细见 benchmarks/ 目录 CSV。
【免费下载链接】jasna Video 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
