Clarity Upscaler 開源 AI 圖片放大，先看清免費路線的代價

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

在搜尋引擎打上「免費 Magnific 替代」，很容易撞見 Clarity Upscaler 這個名字：5,152 個 GitHub 星星、AGPL-3.0 授權、Replicate 頁面顯示累積約 3,070 萬次執行。但真正按下「使用」之前，有個問題值得先問清楚：它標榜的免費，免費的到底是什麼？

我翻開它的儲存庫、模型頁與作者經營的網站之後，答案可以一句話講完：免費的是一份可以自己重現的放大配方，不是一個下載就能用的免費產品。想真的放大一張圖，你要嘛借用別人的顯示卡按張付費，要嘛自己架環境、自己下載模型，要嘛直接付錢訂閱作者的商業服務。這幾條路的成本差很多，而且它還有一個更根本的特性常被講錯：它靠 AI 重畫畫面來達成放大，這件事會直接改變你該怎麼用它。

這篇就把四條使用路線的帳算清楚，並拆解它的原始碼到底裝了什麼。

它到底免不免費：四條路線的帳本

先講結論：只有一條路真正零花費，前提是你已經有一張夠力的 NVIDIA 顯示卡，而且願意花一個下午裝環境。其他路線都在收錢，只是收法不同。

雲端那條路的數字值得攤開看。Replicate 模型頁寫得很明白：每次執行大約 0.019 美元，1 美元可以跑 52 張，硬體是 A100 40GB。換算下來，放大 100 張圖大約 2 美元，對偶爾救幾張照片的人算親切；但如果你每個月要處理幾千張，帳單就會提醒你回頭考慮自架。

而所謂「線上版」的連結要特別留意。網路上流傳的 clarityai.cc 連結 會直接轉址到 clarityai.co，那是作者的付費服務，首頁文案寫著「Upscale without losing a single detail」，並標榜已放大超過 3,200 萬張圖。它不是騙局，但點進去之前你該知道：免費的原始碼和這個收費的網站，是同一個作者的兩門生意。

Pin

翻開儲存庫：一份 A1111 快照加上參數表

Clarity Upscaler 的 GitHub 儲存庫有 291 個檔案，但它的本體可能跟多數人想像的不一樣。我把檔案清單展開後看到的，是整套 AUTOMATIC1111 Stable Diffusion WebUI 的原始碼：完整的 modules 目錄、webui.py、launch.py、內建擴充全套都在，連 CHANGELOG 都直接是 A1111 的 1.7.0 版本日誌，LICENSE 檔的著作權人也標著 AUTOMATIC1111。作者等於把 2024 年 3 月當時的 A1111 整包複製進來，再疊上自己的東西。所以第一次複製這個倉庫，拉下來的不只是一個放大工具，而是一整套 webui，這也解釋了它的檔案數量為什麼遠多於一般的 cog 專案。

Pin

疊上去的東西有兩層。一層是 download_weights.py，它會從 Hugging Face 抓三個模型檔：juggernaut_reborn（攝影質感）、epicrealism_naturalSinRC1VAE（寫實人像）、flat2DAnimerge_v45Sharp（動漫平面），外加 4x-UltraSharp 傳統放大模型、兩個 LoRA、負面提示詞嵌入和 ControlNet tile 模型。另一層是 predict.py，把它包裝成 Replicate 能執行的 cog 格式。

這就是 README 裡那句關鍵字的意思：「This repository is an implementation for cog」。作者自己也建議，不熟悉 cog 的人別從這裡入門，免費的路走 ComfyUI 或 A1111，付費但省事的路走他的網站。換句話說，這個倉庫的定位比較像公開的食譜與廚房設備清單，菜得自己下廚。

Magnific 的旋鈕，換了名字的 Stable Diffusion 參數

很多人是衝著「Magnific 替代」這幾個字來的，那不妨看看它的參數表長什麼樣。predict.py 開出來的選項有：prompt、creativity（0 到 1，預設 0.35）、resemblance（預設 0.6）、dynamic（預設 6）、fractality（由切塊尺寸控制）、scale_factor、seed，還能挑模型、貼自訂 LoRA 連結、開手部修復。

對照 Magnific 的介面，Creativity、Resemblance、HDR、Fractality 這幾顆旋鈕幾乎一一對上。但在原始碼這一側，它們對應的是 Stable Diffusion img2img 的既有參數：creativity 是降噪強度，resemblance 是 ControlNet tile 的權重，dynamic 是 CFG 尺度，fractality 是 Tiled Diffusion 的切塊大小。整條管線是：先用 4x-UltraSharp 把圖放大，再讓 SD 模型照著提示詞重繪，ControlNet tile 負責壓住重繪的漂移，Tiled Diffusion 負責把大圖切塊處理、突破顯示卡記憶體限制。

參數表之外，它還內建三種題材模型可選：juggernaut_reborn 走攝影質感、epicrealism_naturalSinRC1VAE 走寫實人像、flat2DAnimerge_v45Sharp 走動漫平面稿。進階選項開得很兇：可以貼上任意 checkpoint 的網址臨時換模型，可以從 Civitai 抓 LoRA 掛上去，可以把輸出存成 webp、jpg 或 png，也能先把手邊的大圖縮到 768 再放大，救那種解析度高但畫質已經爛掉的圖。

幾個小功能值得知道。手部修復（handfix）會先把人手切出來單獨重畫再拼回去，這是 SD 世代救爛手的常見手法；無縫花紋（pattern）用於放大地毯、布紋這類要無縫拼接的素材；multistep（2024 年 4 月加入）把放大拆成多步跑，每步少一點重繪、疊出更乾淨的結果；最後一次程式碼提交（2024 年 10 月）補上的，是讓每步強度可調的 multistep_factor。README 的更新紀錄還宣稱解析度可到 13k×13k，這要歸功於 Tiled Diffusion 的切塊機制，讓消費級顯示卡也吞得下大圖；這個數字是作者單方面的說法，實際表現取決於你的記憶體。

所以「逆向工程 Magnific」這類說法，在這份原始碼裡看不到對應的證據。看得到的是另一件事：Magnific 值錢的那套旋鈕體驗，用公開的 SD 生態零件就能拼出一個很像的。這正是它 2024 年 3 月爆紅的原因，也是它作為開源專案的價值所在：配方是透明的，你可以檢查、可以改、可以搬走。

它不是無損放大，是請 AI 重畫一張更大的圖

接下來這點會直接影響你該不該用它，值得單獨講清楚。

「無損放大」在一般認知裡，指的是不改變影像內容、只提高解析度的數學放大，例如傳統的 ESRGAN 或 waifu2x 這類工具。Clarity Upscaler 走的是生成式路線。它的 creativity 預設 0.35，意思是模型在放大時保留了六成五的原始像素結構，剩下三成五的空間由 AI 依提示詞補上它認為合理的細節。頭髮絲、皮膚紋理、磚牆縫隙，這些「新細節」由模型即興畫出，原件裡未必存在。creativity 拉到 1 等於把整張圖交給模型重畫，結果可能離原圖很遠；救照片的情境，留在預設 0.35 或更低比較穩。

這帶來兩面。往好的一面看，老照片、低解析度產品圖、漫畫草稿經過它處理，觀感常常真的變好，因為模型補的細節符合常識。往風險那面看，任何需要「忠於原件」的場合都不該用它：文件翻拍、證據照片、測量用圖、藝術品數位存檔，補造出來的細節就是偽造的內容。付費網站那句「放大不失任何細節」的標語，在生成式機制下只能當行銷文案看：它沒說的是，它同時也可能加上原本不存在的細節。

判斷的方法很簡單：問自己「這張圖放大後，如果多了原本沒有的紋理，我介意嗎」。老照片翻新、電商圖精緻化、插畫草稿完稿，答案通常是不介意，甚至正想要；文件、證據、測量、文物翻拍，答案就是介意。另外它有 seed 參數，固定種子可以重現同樣的結果，這對要反覆微調 creativity 的人很實用，因為同一張圖、同一個 seed，只有旋鈕不同，差異才比得出來。

已回報的缺陷也印證「細節是補出來的」這件事。GitHub issue #67 記錄了透明背景的圖放大後邊緣會出現光暈（bloom），2025 年 6 月提出至今仍開著，2026 年 7 月還有人回去留言。去背過的 PNG、LOGO 這類素材，先別往裡丟。

引擎是哪個世代？免費路線停在 SD1.5

再看引擎本身。預設模型 juggernaut_reborn 在 Hugging Face 上的檔案大小是 2,132,653,060 bytes，約 2.13GB，這是 SD 1.5 世代的典型體積，上傳時間是 2024 年 1 月。SDXL 級的模型動輒 6GB 以上。也就是說，免費開源這條路上跑的，是 2024 年初的 SD1.5 引擎。

這不必然是缺點。SD1.5 生態的 LoRA、ControlNet 最齊，跑起來最省 VRAM，對放大這種任務夠用。但對照作者付費站的演進就明白落差在哪：README 的更新紀錄停在 2025 年 3 月，寫著 Flux 放大功能只在 ClarityAI.co 提供，而且那句話直接說了「is not open-source」。最新的引擎在收費牆後面，開源倉庫拿到的是上一個世代。作者對這種結構毫不遮掩，README 開頭就自述：「I build open source AI apps. To finance my work i also build paid versions of my code.」開源核心加商業殼，免費版本就是他的行銷漏斗，這一切他都寫在明處。

專案的凍結狀態也該攤開。主分支最後一次改到程式碼是 2024 年 10 月 11 日，之後 2025 年 3 月僅更新過 README；Replicate 上的模型版本從 2024 年 6 月 24 日就沒再動過。倉庫的 issue 近兩年幾乎等不到維護者回應：2026 年 9 月有人回報模型卡片的附帶描述檔（sidecar 檔案）存在儲存型 XSS 漏洞（issue #72），至今開著；2025 年 1 月有使用者問怎麼自架給朋友用（issue #65），沒有得到答案；就連修 Python 相容性的 PR #59 也掛著沒併。要自架的人等於拿一份 2024 年的 A1111 快照，後續的安全修補都要自己扛。

四條路線怎麼選：按需求分流

把上面的帳本換成選擇題就好選了。

沒有顯示卡、只想放大幾張圖：Replicate 雲端路最經濟，0.019 美元一張的代價換 A100 的算力，登入帳號就能跑，介面上的參數就是原始碼 predict.py 開出的那一組。若要更省事或需要批次與 API，再考慮作者的付費站，註冊送的 5 美元額度可以先試出它值不值那個月費，實際方案價格以官網為準。判斷基準很簡單：一個月放大不到 50 張，雲端路的費用幾乎無感；超過這個量，自架才開始有成本優勢。

Pin

有一張 NVIDIA 顯示卡、願意裝環境：ComfyUI 免費工作流是正解。把 ComfyUI-ClarityAI 倉庫裡的 free-workflow.json 拖進 ComfyUI 就能開始。但要有心理準備：作者自己說這套工作流「似乎用了同樣的技術，接近但還需要調參」（it seems to uses the same tech and is getting close），而且它用的預放大模型換成了 4xNomosUniDAT，跟倉庫裡的 4x-UltraSharp 並不同款。免費路與付費路之間的這段差距，是作者本人說的。另外，這個配套倉庫本身沒有 LICENSE 檔，GitHub 顯示的授權狀態是 None；公開不等於授權，可否商用改作要自行留意，這點跟主倉庫的 AGPL-3.0 是兩回事。

本來就在玩 Stable Diffusion：README 附了一份可以直接抄的 A1111 參數組，等於把食譜原典搬回自己廚房：

Steps: 18, Sampler: DPM++ 3M SDE Karras, CFG scale: 6.0,
Denoising strength: 0.35, Model: juggernaut_reborn
Tiled Diffusion: MultiDiffusion, Upscaler: 4x-UltraSharp,
ControlNet: tile_resample, Weight: 0.6

值得注意的是，這份參數組的降噪強度就是 0.35、ControlNet 權重就是 0.6，跟 Replicate 介面的 creativity 與 resemblance 預設值完全一致。你在雲端介面上轉的那幾顆旋鈕，本體就是這幾行參數。這裡抄的是參數骨幹，完整食譜還含提示詞、seed 與切塊設定，以 README 為準。

只是想要一般的變焦放大、不接受畫面被 AI 改寫：這工具不適合你。站上的 AI 圖片放大工具整理 有傳統超解析路線，waifu2x 對動漫圖成熟耐用，Mac 使用者也可以看看 Hipixel 這類本機放大工具，它們不會替你的圖發明新細節。

一定要有 NVIDIA 顯示卡才能用嗎？

走 Replicate 或付費網站不用，瀏覽器打開就能跑，算力在雲端。要自架（ComfyUI 或 A1111）就需要 NVIDIA 顯示卡，SD1.5 世代的模型對 VRAM 要求不算苛刻，但跑切塊處理的大圖仍建議 8GB 以上。

放大一張圖實際花多少錢？

Replicate 頁面自述每次執行約 0.019 美元，跑 100 張約 2 美元。作者的付費站 ClarityAI.co 註冊送 5 美元 API 額度，正式方案的價格放在官網的動態價格表上，會隨時調整，以官網為準。

放大後的圖可以商用嗎？

分兩層看。程式碼層：主倉庫是 AGPL-3.0，自己本機跑、純產出圖片不觸發義務；但如果你改了程式還對外提供網路服務，AGPL 要求你把原始碼提供給使用者。圖片層：輸出圖像的權利取決於你輸入的圖是否本來就有權利，以及所用模型與 LoRA 各自的授權條款，工具本身不提供任何版權保證，商業用途前請自行確認素材來源。

專案都凍結了，還值得用嗎？

看用途。它的雲端執行環境仍活著，Replicate 模型頁顯示的累積執行次數約 3,070 萬；但程式碼本體兩年沒有功能更新。把它當「一個能用、帳算得清的雲端工具」很合理，把它當「持續演進的開源專案」會失望；issue 無人回應的狀態，短期內恐怕不會變。

授權與專案狀態

主倉庫 philz1337x/clarity-upscaler 採 AGPL-3.0，2024 年 3 月 15 日建立，5,152 星、532 forks，最後程式碼提交 2024 年 10 月 11 日，README 更新至 2025 年 3 月。配套的 ComfyUI-ClarityAI 倉庫 221 星，無授權檔，最後推送 2025 年 4 月。商業服務 ClarityAI.co 持續營運中，最新引擎與 Flux 放大功能未開源。以上儲存庫與網站狀態截至 2026 年 10 月。