Inpaint Web 開源修圖實測,照片不上傳就能去物件與四倍放大

Inpaint Web 把 AI 去物件與四倍放大裝進瀏覽器:實測 480×360 照片 4.7 秒完成四倍放大、照片全程不離開你的電腦、免帳號免點數;同時攤開原始碼證據、官方示範站多掛的兩個統計腳本,以及程式凍結近三年該知道的代價。

用 AI 摘要這篇文章:

在官方網站上傳一張自製的測試照片(480×360),按下「4 倍放大」,4.7 秒之後拿到一張 1920×1440 的 PNG,這件事我在 Inpaint Web 上實際跑過一次,全程照片沒有離開瀏覽器,沒有帳號、沒有點數,照片也不必交給任何伺服器。同樣的需求拿到 jpgRM 或 ClipDrop Cleanup 這類雲端修圖服務,多半要排隊等伺服器處理、受限免費額度,照片也得先交給對方的伺服器。Inpaint Web 把整個 AI 修圖引擎搬進你的瀏覽器,用你的顯卡算,這是它和點數制雲端服務最根本的差異。

雲端修圖服務收點數不是沒有理由:每一次修圖都要消耗對方的伺服器算力,免費額度、訂閱方案、浮水印輸出這些設計,都是把算力成本轉嫁回使用者身上。Inpaint Web 的成本結構完全兩樣:官方網站只提供一個靜態頁面,算圖吃的是你自己的顯卡或 CPU,對站方來說邊際成本接近零,所以它能做到無額度、無帳號、輸出不壓浮水印。你付出的成本換了一個地方:第一次要等模型下載,以及承擔一套不再更新的程式碼。

先講結論:對在意照片隱私、預算是零、需求是一次性的人,這套開源工具現在仍然可用,而且好用程度超出我對「瀏覽器跑 AI」的預期。但它有一個必須先知道的代價:這是一套 2024 年初之後就沒有再改過一行程式碼的專案,模型不會更新,問題沒有人修理。免費與停更,在這個工具上是同一枚硬幣的兩面。

四點七秒的四倍放大,是一塊一塊拼出來的

實測過程我把一張自製的 480×360 照片丟進官方網站,點下放大按鈕。第一次使用要先下載模型,畫面停在等待狀態,修圖模型約 28MB、放大模型約 67MB,兩個檔案從國外的模型主機抓下來,之後就快取在本機瀏覽器裡,重開網頁不必再下載。模型就位後,真正的推論花費 4,694 毫秒,輸出精確放大為 1920×1440,整整四倍,尺寸一個像素都不差。

過程記錄裡最值得看的不是總時間,而是它怎麼算。放大模型 Real-ESRGAN 每次只處理 64×64 像素的小方塊(含邊緣重疊)、放大成 256×256,所以工具把整張圖先切成 70 個小區塊,逐塊放大再拼接:推論工作階段的建立花 828 毫秒,第一塊花 618 毫秒暖機,之後每一塊穩定在 45 毫秒上下,最後一段後處理再花約 118 毫秒把結果組回完整圖片。這帶出兩個推論:處理時間會隨圖片面積線性增長,用每塊 45 毫秒推算,一張 1920×1080 的照片在同一環境下大約要半分鐘以上;另一面是拼接處的邊緣在少數情況可能出現細微落差,這是區塊式放大的已知代價。

我的測試環境有 WebGPU 支援,模型直接吃顯卡算力。若是較舊的瀏覽器沒有 WebGPU,程式會自動改用 WASM 模式以 CPU 跑,功能相同,速度會慢上一截。這層雙路徑設計寫在原始碼的環境偵測裡,不用你手動設定。

介面本身簡單到近乎節儉:一條工具列,筆刷大小滑桿、原圖對照、四倍放大、下載,沒有廣告、沒有彈窗、沒有註冊引導。介面語言只有簡體中文與英文可切換,按鈕文字像是「4 倍放大」「下載」,沒有繁體中文選項,繁中介面使用者得習慣簡中選單,或右上角切成英文。也因為功能列就這麼短,學習成本趨近於零,第一次用大概三十秒就能上手全部功能。

Inpaint Web 官方網站編輯器介面,已載入測試照片並完成四倍放大Pin
Inpaint Web 官方示範站的編輯器:工具列只有筆刷大小、原圖對照、四倍放大與下載,介面為簡體中文

照片有沒有出門,原始碼比宣傳頁誠實

「照片不上傳」是這類工具最常見也最容易被誇大的宣稱,所以我把整個專案的原始碼抓下來,逐檔清點它所有對外連線。結果很乾淨:整個應用只有三種對外請求,下載模型檔、載入推論引擎執行檔(onnxruntime-web 1.16.3,放在 jsdelivr 公用 CDN 上)、讀取網站自帶的示範圖片。程式裡不存在任何把你的照片送出去的路徑,沒有上傳表單、沒有雲端 API 呼叫,修圖運算由瀏覽器內的推論引擎在你的機器上完成。

有個技術細節可以當作旁證:官方網站的 HTTP 回應標頭帶著 COOP 與 COEP 兩個跨來源隔離設定,這是瀏覽器端高效能運算(需要 SharedArrayBuffer 的那類)才需要的配置。一般把照片送後端處理的網站不需要也不會這樣設定。對一般讀者,這句話可以翻譯成:網站的骨架就是照「本機運算」蓋的,不是行銷話術。

誠實起見也把另一面說清楚:造訪任何網站,伺服器本來就看得到你的 IP 與瀏覽器類型,這是所有網站共通的基本紀錄,Inpaint Web 也一樣。差別在於照片內容與處理過程完全不經過它的伺服器,你修了什麼、塗了哪個位置,只有你自己的瀏覽器知道。模型下載完成後存進瀏覽器的 IndexedDB 資料庫(快取空間名稱就叫 modelCache),換瀏覽器或清除網站資料就要重新下載一次。

這條「照片不出門」的性質,在幾種題材上特別有分量:醫療傷口照、證件文件、小孩與家人的私人照片,交給雲端修圖服務等於多一次不可控的副本;用純瀏覽器工具處理,風險面就收斂到你自己的電腦與瀏覽器本身。這也是這類工具真正不可替代的場景,修圖品質反而只是第二順位。

要留意的是「處理在本機」不等於「完全離線」。第一次使用需要能連上 HuggingFace 與 jsdelivr 這兩個國外服務下載模型和引擎,官方介面也提醒模型檔約 70MB、只需下載一次。模型快取之後,再次打開處理照片就不需要重新下載。

最讓人意外的是官方網頁自己在記錄你

實測過程裡最反直覺的發現在這裡:公開的原始碼裡一個統計腳本都沒有,index.html 乾乾淨淨;但官方網站的實際頁面,被注入了兩個原始碼裡不存在的追蹤元件,一個是微軟的 Clarity(錄製訪客滑鼠軌跡與點擊行為的流量分析服務),另一個是 Cloudflare Pages 的站內統計。換句話說,你用的的確是同一套開源程式,但官方示範站多掛了兩雙眼睛,而這件事只有比對部署版頁面和原始碼才看得到。

還有個有點諷刺的細節:因為頁面自己設了嚴格的跨來源隔離政策,其中一個注入的第三方元件在實測時被瀏覽器擋下,元件直接被瀏覽器以跨來源政策封鎖。追蹤腳本和隔離政策打架,是部署時手工注入腳本常見的後遺症。

這對讀者的實際意義:照片內容是安全的(處理路徑真的在本機),但造訪官方示範站時的瀏覽行為會被統計服務記錄。若你在意這一層,專案以 GPL-3.0 授權釋出,倉庫裡附了 Dockerfile,本機執行 npm install 加 npm run start 就能自架一份乾淨版本,介面功能完全相同。

六千顆星和三年沒人修,是同時成立的兩件事

Inpaint Web 在 GitHub 上有 6,130 顆星、713 次 fork,以修圖工具來說是人氣等級的專案。但翻開提交記錄,主分支最後一支動到程式碼的提交停在 2024 年 1 月 25 日,之後只剩說明文件更新,最近一次是 2025 年 12 月,整個專案從未發布過任何正式版本或標籤。星數反映的是它值多少關注,提交記錄反映的是它還有多少心跳,兩者早就分道揚鑣。

lxfater/inpaint-web 的 GitHub 專案頁面,顯示 6.1k 星數與 GPL-3.0 授權Pin
GitHub 專案頁:6.1k 顆星、713 次 fork、GPL-3.0 授權(截自官方頁面)

問題區的狀態印證了這件事。20 個開著的議題幾乎全部沒有作者回應,另外幾個等待審查的合併請求同樣無人聞問,包括 2026 年 5 月有人用簡體中文直接問「是否還在更新」,到現在零回覆;也有人反映「修復後,感覺圖片模糊了,可以考慮加個銳化」、「最近修復後的圖片沒有任何改進」,同樣無人處理。作者本人則在說明文件裡寫著聯絡前請先說明來意,「我創業了,時間很寶貴」,他的新產品是錄影軟體 Demoget 與批次去背工具 tinyeraser,重心早就不在這裡。

從未發布版本號這件事,對使用者的影響比聽起來具體:你沒有版本可以引用、沒有更新記錄可以比對,遇到問題也只能開議題碰運氣。議題區裡就有人問「圖片放大是不是有限制」,原始碼裡唯一寫死的數字,是上傳時最長邊 4096 像素的保護性縮圖,超過會先自動縮小再處理;至於放大本身有沒有上限,官方沒有給答案;更早還有人反映遇到執行期錯誤,同樣石沉大海。要把一套沒有版本的網頁工具放進自己的工作流程,就得接受這種沒有承諾的狀態。

時間線本身其實是個緊湊的故事:2023 年 11 月 18 日倉庫建立,修圖模型從第一天起就是 Picsart AI Research 的 MI-GAN(一套專為手機等輕量裝置設計的修補模型),第八天升級到能處理高解析度的新版本,一個月後加入 Real-ESRGAN 四倍放大,2024 年 1 月底之後程式就凍結至今。它的前端改造自知名服務 cleanup.pictures,說明文件裡的致敬連結現在已經打不開(該倉庫已經消失,只剩服務本體仍正常運作),想追溯血緣,得翻這個倉庫繼承的 2021 年舊提交,或找第三方備份。

有個現象值得單獨解釋:為什麼一套凍結近三年的程式還能正常運作?答案是它的架構幾乎沒有可以壞掉的伺服器端。整個工具是純前端靜態頁面,推論引擎與模型都從公用 CDN 取得,唯一依賴的活的東西是 HuggingFace 與 jsdelivr 這兩個大型公共服務的檔案連結。沒有資料庫、沒有後端 API、沒有帳號系統,自然也就沒有伺服器故障或服務終止的問題。這也是它能掛在 Cloudflare Pages 上長期活著的原因,靜態檔案的託管成本趨近於零。

授權是 GPL-3.0。對一般使用者就是免費自由使用;對想拿它做商業整合的開發者,GPL 系的衍生作品義務要先讀清楚,這不是可以默默塞進產品裡的那種寬鬆授權。

想自己部署一份的開發者,還要有個心理準備:整套依賴是 2024 年的快照,React 17、Vite 5,近三年沒有升級,依賴鏈的安全修補等同停擺。自架在內網或個人使用沒什麼問題,要對外提供服務,這條靜止的依賴鏈得自己先評估一輪。

放大的細節是補出來的,不是還原出來的

網路上介紹這個工具時常用「無損放大」四個字,這四個字需要校正。Real-ESRGAN 是生成式模型:它看過大量照片,學會「這個位置的紋路長起來應該像什麼」,放大時是憑經驗把新像素補出來,而不是把攝影當下就沒拍進檔案的細節還原出來。模糊的老照片放大後會變得清晰銳利,但臉部紋理、證件文字這類需要正確性的內容,補出來的結果是模型的猜測,錯了也不會有警告。把生成式放大當「提升畫質的合理推測」用,會很滿意;把它當「還原原始畫質」用,一定會失望。

先把邊界說清楚:筆刷塗抹的修補成品,這次沒有實測,以下對品質的判斷來自模型定位與社群反映。這也解釋了議題區裡「修完感覺變模糊」的抱怨從何而來:工具用的 MI-GAN 是 2023 年末為輕量裝置設計的模型,追求的是手機上也跑得動的平衡,品質取捨從一開始就排在後面。搭配凍結近三年、模型不換代,它的輸出品質就是 2023 年的水準,不會隨時間變好。

實測的輸出是一張 2.5MB 的 PNG(1920×1440、含透明頻道)。設計上放大可以疊代:程式每次以上一張結果為輸入,再按一次就是十六倍。但生成式模型的誤差會跟著疊加,四倍之後通常就是合理停點,繼續往上堆疊得到的往往是塑膠感的紋路。它也沒有批次處理介面,一次一張,適合救照片不適合清資料夾。

原始 480×360 測試照片與四倍放大後 1920×1440 輸出的並列對照Pin
左為原始 480×360 測試照片,右為實測四倍放大輸出(1920×1440,等高縮小並列顯示)

用途上還有一條界線要自己拿捏:把路人、雜物、自拍入鏡的路人臉從自己拍的照片裝去掉,是再正常不過的用途;但移除別人照片或圖庫素材上的浮水印,在多數國家可能踩到著作權的紅線。工具本身是中立的,合法性取決於你對那張照片的權利,這條判斷沒有工具能替你做。

誰該把它加進書籤,誰應該直接跳過

適合收進書籤的人:手上有幾張私人照片要清雜物或放大,不想為了一次需求註冊帳號、買點數、把家人照片交給雲端服務的人;在意隱私到連「上傳後即刪除」的承諾都不願賭的人;以及想要一個能自己部署、不依賴任何服務存亡的修圖頁面的開發者。對這三種情境,它是目前少見的完全免費、無額度限制的選項。

應該跳過的人:需要穩定品質輸出的商業用途(模型近三年沒換代,品質不會再進步);需要官方支援或問題修復的人(議題區已示範了回應速度);主要用手機處理、且手機瀏覽器較舊的人(沒有 WebGPU 會退到慢速路徑)。這些需求把錢花在服務上換時間是合理的:HitPaw Watermark Remover 走的是桌面軟體加購買的路線,SnapEdit 與 jpgRM 是雲端點數制,單純要放大的話 Icons8 的線上放大工具 也值得比較。要修的是長輩的老舊模糊人臉照,可以再看 restorePhotos 的專門做法。

實際操作順序也值得先想一下:在原始解析度先把要移除的物件塗掉,再按四倍放大,修補的面積小、計算量小,放大的工作量也不會被修補墊高;順序顛倒的話,等於要在一張四倍大的圖上塗抹,筆刷要塗的範圍與處理時間都翻倍。掃描老照片的話,先用掃描器的原生解析度進檔,交給工具放大,比掃描時硬拉大更省事。

試用它時怎麼算成功:上傳一張照片,等模型完成首次下載,塗抹要移除的區域按下處理,再按一次放大,若輸出符合需求且你完全不在意它跑在哪台伺服器上(因為根本沒有伺服器),它就值得留下來。若你發現自己開始在意修補邊緣的痕跡、在意輸出品質的上限,那就是往付費服務移動的訊號,免費本機路線的極限你已經摸到了。

最後一件事值得單獨說:這個專案最特別的地方,也許是它把「服務停擺」這個風險從你身上拿走了。雲端修圖服務一旦收攤,你的工作流程就斷了;開源又完全跑在本機的東西,官方網站就算明天消失,你手上的程式碼和已快取的模型照樣能做事。近三年沒更新的程式碼配上這種落地姿態,對某種讀者而言,反而比看起來活躍的服務更讓人安心。

Sliven 褚崇名
Sliven 褚崇名

每日分享科技新知、免費資源以及 WordPress、虛擬主機相關主題,任何問題歡迎在科技月球下方留言,或是發送 Email 至 [email protected] 與我聯繫。

文章: 2600

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *


Share to...