Video2X 開源影片放大工具實測，把低畫質影片在本機送上 4K

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

手機裡十年前的家庭影片、收藏的 DVD 片段、只有 480p 的老動畫，搬到新電視上看總是糊成一片。Video2X 是 GitHub 上超過兩萬一千顆星的開源專案（截至 2026 年 9 月），做的事情就是把這類低解析度影片用機器學習模型在本機放大，官方標榜可以拉到 4K，順帶提供把影格補密的插值功能。我把它的原始碼和官方文件梳理過一輪，也拿官方發布的測試片實際跑了一輪對照。先講結論：放大這條路是真的，輸出和官方樣本對得上，也量得出它比傳統縮放多補了多少東西；但你的機器跑不跑得動、Mac 使用者要怎麼繞、影格插值該不該開，這三件事比模型本身更值得先看清楚。

一條不寫暫存檔的放大管線

先看它怎麼運作，這決定了後面所有判斷。Video2X 的本體是一條影片處理管線：用 FFmpeg 把影片解碼成一張張畫面，交給模型放大，再即時編碼成影片檔。整條路在記憶體裡串流完成，README 標榜處理時不需要額外的磁碟空間，放得下最終輸出檔就好；我在原始碼裡找不到任何暫存檔寫入，這個宣稱和程式行為一致。很多同類工具的做法是把影片先拆成幾萬張圖片寫進硬碟再慢慢跑，相比之下這個設計對空間緊張的人是實質差異。

模型端它支援四個家族。Anime4K 用顯示卡的著色器直接跑，速度最快、效果最輕；Real-ESRGAN 和 Real-CUGAN 是為動漫與照片訓練的神經網路，走 ncnn 推理框架以 Vulkan 運算；RIFE 則負責影格插值。模型檔大多直接綁在倉庫裡，免另外下載（安裝包內附的 RIFE 以新版為主，要用舊變體得自己從倉庫補檔），選單預設值也反映各家族的定位：Real-ESRGAN 的預設是為動漫影片訓練的 realesr-animevideov3（附二、三、四倍三個版本），處理實拍照片要手動換成 realesrgan-plus 或 generalv3 系列；Real-CUGAN 的預設是兼顧速度的 models-se，追求細節可換 models-pro，還能指定除噪強度，老 DVD 抓下來的雜訊多的素材特別用得到。

四個家族怎麼挑，一個實用的分法是先問素材多長、多髒。短片且畫質還行，先用 Anime4K 快速跑一輪看成果，不滿意再換神經網路模型；長片或雜訊重，直接上 Real-ESRGAN 或 Real-CUGAN，讓它跑整夜。RIFE 插值則獨立於放大之外，可以只開插值不放大，也可以兩段式先放大再補影格。

輸出端它把編碼器整個交給你。預設是 H.264，想換 H.265、想指定畫質參數或壓縮速度都可以下指令，等於放大歸模型、壓縮品質歸你自己。授權採 AGPL 3.0，個人使用沒有問題；想拿它改成對外服務的人要注意這是要求衍生作品跟著開源的條款。它引用的引擎（ncnn、Real-ESRGAN、RIFE、Anime4K）多為 MIT 或 BSD 授權，分層清楚。比較少被提到的一層在模型檔：Real-CUGAN 的訓練來源倉庫 bilibili/ailab 本身沒有附授權條款，要把放大後的影片拿去商業使用的人，這層要自己釐清。

拿官方測試片對照，放大結果可以重現

判斷放大工具好不好，最怕「看起來好像有比較銳利」的感覺論。這段用官方自己發布的素材做對照。Video2X 的倉庫提供一支標準測試片：426×240 的動畫片段，456 個影格，19 秒，另外附了官方用 Real-ESRGAN 放大四倍後的樣本影片，專門讓使用者驗證自己的環境跑得對不對。

我沒有裝它的 Windows 安裝包，測的是它倉庫附的模型檔（與安裝包取自同一來源），丟進同一套 ncnn 引擎的公開版本在 Mac（M4 Max）上跑，對照放大品質有效，安裝包的介面體驗則留給 Windows 使用者。做法是從測試片抽出三個影格，用預設家族的 realesr-animevideov3 模型放大到 1704×960，再和官方樣本的對應影格逐像素比對。

三個影格的峰值訊噪比（衡量兩張圖差異的標準指標，數字越高越接近）都落在 37.4 到 38.2 dB。這組數字說明兩件事。我跑出來的結果和官方樣本幾乎一致，剩下的差異主要來自影片編碼損失的量級，代表它宣稱的放大效果可以被外人重現。更有價值的對照組是：同一批影格用傳統的 Lanczos 演算法（不經 AI）拉到同樣尺寸，和官方樣本比只剩 30.7 到 33.2 dB。中間五到七個 dB 的差距，就是模型真的補出線條與細節、單純放大給不出來的部分，不是心理作用。

Pin

速度給一個實測參考點：這個引擎在測試機上暖機後單張約 0.08 秒，把 19 秒的測試片 456 格全部跑完，模型運算含啟動約 37 秒。換算下來模型運算的速度大約是播放速度的一半，一個小時的素材線性換算要約兩小時的純模型運算，這還沒算解碼與編碼。這類工具的時間成本要有預期，沒有獨立顯示卡的人，後面有借 Google 顯卡的免費路線。

影格插值是另一個功能，預設開上去不一定賺

Video2X 同時內建 RIFE 影格插值，可以把 24fps 的片子補成 48fps 或更高，讓動態看起來更滑順。介紹文多半把它寫成順手的加分項，但我實測到一個值得停下來的反例。

一樣用官方測試片。我挑了一個幾乎靜止、只有臉上水滴在動的鏡頭，取前後隔一格的兩個影格，讓 RIFE 生成中間那格，再和影片裡真實存在的影格比對。結果插值出來的影格只有 22.95 dB；直接重複前一格反而有 47.15 dB，就連把前後兩格各混一半的偷懶做法（25.59 dB）都比它好。換句話說，在這個鏡頭上，模型憑空猜的那一格比什麼都不做還差。看圖更清楚：正在移動的水滴被前後影格混成殘影，髮絲邊緣糊掉，畫面右上角原有的小字直接崩開。

Pin

插值自然有它的用武之地，補中間格的目的本來就是讓動態更平順，鏡頭有連續明顯動作時才吃得到這個好處。但有兩個工程細節要先知道。原始碼裡場景偵測的門檻預設是 100，等於關閉，跨越鏡頭切換的影格預設照樣插值，剪接頻繁的片子要自己把門檻調低才避得開怪結果。另外我測的是 RIFE v4 模型，目前程式碼的預設是更新的 v4.26，同屬一個家族，但我的反例數字不能直接替新版本背書。收斂成一句話：放大是本體，插值要看素材特性的選配。

跑得動的兩條硬線，Mac 使用者要多繞一段

它對硬體有兩條明確的底線，官方文件寫得很直白。CPU 要支援 AVX2 指令集，落在 Intel 2013 年、AMD 2015 年之後的處理器；顯示卡要支援 Vulkan，NVIDIA 從 GTX 600 系列、AMD 從 Radeon HD 7000 系列、Intel 內顯從 HD 4000 起算，差不多是 2012 年以後的卡都跨得過門檻。現在的電腦多半過得了這兩條線，真正卡人的是平台。

Video2X 6.x 的官方安裝包只出了 Windows 和 Linux。Windows 有圖形介面安裝程式，6.4.0 版 220MB，這個安裝包在 GitHub 上被下載超過 48 萬次；Linux 有 Arch 系的 AUR 套件和通用的 AppImage（231MB）。macOS 沒有原生包，官方倉庫裡支援 macOS 命令列的合併請求到 2026 年 8 月還開著沒進主線。

Mac 使用者的替代路線有兩條，代價不同。一條是官方 Docker 映像檔，能在 macOS 上跑是因為映像檔內建軟體模擬的 Vulkan，運算落在 CPU 上，速度預期比真顯卡慢一截，勝在完全不用碰編譯。另一條是官方提供的 Google Colab 筆記本，借 Google 機器上的 T4、L4 或 A100 顯卡，單節最長 12 小時，免費帳號就能用，我確認過連結目前活著。官方同一頁也寫了提醒：這是免費資源，不要開著連續整天跑，被 Google 盯上封號是自己的損失。沒有獨顯又想試完整功能的人，Colab 是成本最低的一條路；連 GitHub 下載都卡的人，官方另有檔案鏡像站。

介面語言也要先有底：圖形介面支援英文、簡中、日文、葡文、法文、德文六種，沒有繁體中文。簡中介面多半讀得懂，但用語是對岸慣用寫法，名詞要自己轉一下。

裝好之後：圖形介面與命令列都通

Windows 使用者裝完安裝包就有完整的圖形介面，把影片拖進任務佇列、選處理器與模型、指定輸出位置就能開跑，處理中還能繼續加新任務。圖形介面由另一個同名 Qt6 倉庫維護，同樣開源。

Pin

想走命令列的人，它附的 CLI 一行就能跑。把 input.mp4 用 Real-ESRGAN 放大四倍：

video2x -i input.mp4 -o output.mp4 -s 4 -p realesrgan

換成 RIFE 插值就是 -p rife 加倍率參數，要自訂輸出品質再接編碼器參數。命令列跑的過程中可以按空白鍵暫停、按 q 中止，不用怕中途反悔。圖形介面這邊，6.4 版起處理中也能繼續往佇列加檔案或移除任務，還能指定跑完之後要關機、睡眠還是休眠，掛整夜的批次比較安心。Docker 版的啟動指令官方文件也寫好了，把資料夾掛進容器即可，Linux 上還能把真顯卡直接派給容器用。

維護節奏變慢，下載頁停在 2025 年初

最後一個該知道的現實是專案節奏。6.0 到 6.4 五個版本擠在 2024 年 10 月到 2025 年 1 月之間發布，之後沒有新 release；原始碼主線的最後修改停在 2026 年 3 月，內容是把 RIFE 預設模型換到 v4.26，順手修了空指標崩潰和資源洩漏。2026 年的待辦堆著沒進版：有人請求重新打包新的 Linux AppImage、有人回報 Windows 上因為系統留著舊版 Visual C++ 執行階段導致程式打不開、有人提交了處理中斷後能續跑的補丁，目前都沒有下文。

兩萬顆星等級的專案走到這種節奏，我的讀法是核心管線已經穩定到作者不太需要動它，代價是短期內別期待新功能或新模型，下載頁停在舊版屬於正常狀態，不是你找錯地方。Linux 套件生態倒是仍有人接手：Arch 的 AUR 套件主要由作者自己維護，中文圈的 archlinuxcn 倉庫另有第三方維護的版本，這兩條會跟著原始碼更新，比等安裝包勤快。另外要留意外面的舊教學：這個專案 5.0 時代是 Python 寫的，安裝問題很多，官方在 6.0 的說明裡自己下了重話，說這次是真的能用、比 5.0.0 beta 省事很多；更早的展示影片用的還是 waifu2x 和 DAIN 引擎，如今 6.x 的陣容裡已經沒有它們。照著兩三年前的文章操作，裝到的會是另一個東西。

放大值得裝，插值先驗再開

收斂成判斷。手上有動畫、老電影片段或低解析度家庭影片，機器是近十年的 Windows 或 Linux 且有獨立顯卡，願意讓電腦跑幾個小時換畫質的人，Video2X 值得裝來用：放大結果可驗證、模型免費、處理全程不出你的電腦。對不想把家庭影片或私人素材丟上雲端放大服務的人，本機處理本身就是它相對於線上工具的最大賣點，隱私邊界由硬體決定，由條款頁面決定不了。Mac 使用者先用 Docker 或 Colab 試水溫，確定效果值得再考慮為它留一台 Windows 機器。

只想放大單張圖片的人不必動用到影片管線，Waifu2x 網頁版或 Real-ESRGAN 的桌面圖形介面快得多；動漫圖片的專用路線，可以再比較 CYKSM 和其他線上圖片放大工具。影格插值則守住一條：先拿一段有靜態鏡頭的素材，比對開與不開的差異，再決定要不要讓它跑完整部片。放大交給工具，判斷留給自己。