Jasna 模型选型与配置指南：给每段视频和每张图片配对的模型

Jasna 模型选型与配置指南给每段视频和每张图片配对的模型【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasnaJasna 是一个视频与图片马赛克修复工具逐帧找到马赛克、修好它、再写回画面。一次任务里它要同时调度四类模型——负责找马赛克的检测模型、负责修好的主修复模型BasicVSR 或 LTX、负责放大修好的小图的二次修复模型以及专门处理静态图片的 SD 1.5。每类模型的显卡门槛、许可证要求和下载体积各不相同。这份 Jasna 模型选型指南按你的决策路径组织先按场景查该用哪个模型再核硬件门槛然后处理下载与放置最后按症状调参。你的情况是日常批处理→ 看第 1 节LTX 能不能跑→ 看第 2 节下载失败怎么办→ 看第 3 节。先装哪个按使用场景查一次 Jasna 任务中四类模型可以各司其职按场景对号入座你的场景主修复检测模型二次修复备注日常批处理任意显卡BasicVSR默认rfdetr-v6内置关免费、最快NVIDIA / AMD 均支持重点视频NVIDIA RTXLTX标准rfdetr-v6不可用细节更自然每分钟视频需几分钟4K / 特写修出来发糊BasicVSRrfdetr-v6或rfdetr-v6-largertx-super-res或unet-4x二次修复把 256×256 补丁放大后贴回VR180 视频BasicVSRrfdetr-vr-v1内置关LTX 不支持左右并排SBSAMD 卡速度优先BasicVSRlada-yolo-v4无仅限 NVIDIARF-DETR 在 AMD 上偏慢静态图片SD 1.5sd-15-jav不涉及不涉及图片输入自动路由无需指定CLI 侧--restoration-model-name取三个值basicvsrpp、ltx标准蒸馏 8 步、ltx-undistilled最佳完整去噪步数约慢 1.5 倍。映射关系定义在CLI_RESTORATION_MODELSjasna/main.py。检测模型一栏的完整对照配置来自RFDETR_MODEL_CONFIGSjasna/mosaic/detection_registry.py模型输入分辨率默认阈值获取方式定位rfdetr-v65760.35内置默认选项不确定就用它rfdetr-v6-large7680.40单独下载检测更好、更慢4K 更适合rfdetr-vr-v17680.40内置VR180 首选zelefans-vr-yolo-v2—0.25单独下载另一个 VR180 模型YOLO 后端lada-yolo-v4—0.25单独下载YOLO 后端2D 动画可能更好AMD 上快rfdetr-v57680.25旧版仍然可用在 AMD 上 RF-DETR 比 NVIDIA 慢如果速度比检测质量更重要选lada-yolo-v4。硬件能不能跑各模型门槛清单GPU 型号BasicVSR所有受支持的 GPUNVIDIA / AMD。LTXNVIDIA RTX 30 / 40 / 50 系列RTX 20 系列应该可用但只测试过 RTX 2080 TiGTX 16 系列未测试不支持 AMD。二次修复unet-4x、rtx-super-res、tvai均仅限 NVIDIATVAI 还需要付费的 Topaz Video且只支持 Windows。SD 1.5无额外 GPU 系列限制主要看显存。显存与内存项目门槛LTX 显存至少 8 GB越大越快显存不足时部分模型会放到系统内存LTX 大画布--ltx-large-canvas约 12 GB 空闲显存区间编辑器中的区间需要 16 GB 显卡LTX 系统内存至少 16 GBLTX 约占用 10 GBSD 1.5 显存约 7 GB较大的 4K 图片稍多BasicVSR 二次修复1080p 实测 11.4–12.6 GB见下文的 Jasna 二次修复对比磁盘模型均不随 Jasna 附带首次使用时按需下载权重体积LTX 标准distill8-int8变换器 2 个共享 VAE约 15 GBLTX 快速模式distill8-nvfp4变换器 2 个共享 VAE约 9 GBLTX 最佳在标准之外再加一个int8完整变换器再加约 13 GBSD 1.5sd-15-jav约 6.9 GB权重从哪下、放哪里、如何校验检测权重丢进 model_weights/ 即被识别约定集中在 jasna/mosaic/detection_registry.py后缀由显卡厂商决定NVIDIA 用.onnx会编译为 TensorRT 引擎AMD 直接跑训练好的 torch 检查点.pt见rfdetr_weights_suffix()。discover_available_detection_models()扫描model_weights/把后缀匹配、文件名合法的 RF-DETR 权重和 YOLO 权重如lada_mosaic_detection_model_v4_fast.pt解析成可用模型名。也就是说下载文件 → 放进model_weights/→ GUI 下拉框和 CLI 直接可用无需额外配置。首次使用前NVIDIA 会通过precompile_detection_engine()把模型预编译为 TensorRT 引擎YOLO 在 NVIDIA 上同样走该流程jasna/mosaic/yolo_tensorrt_compilation.py。内置rfdetr-v6、rfdetr-vr-v1。需单独下载rfdetr-v6-largeNVIDIA 放rfdetr-v6-large.onnxAMD 放rfdetr-v6-large.pt、zelefans-vr-yolo-v2、lada-yolo-v4。LTX三个文件自动下载带镜像回退路径约定在 jasna/engine_paths.pyLTX 默认权重目录是model_weights/ltx-restoreBasicVSR 则是model_weights/lada_mosaic_restoration_model_generic_v1.2.pth。一个 LTX 模型组合 1 个变换器文件 2 个共享 VAE 文件你选的模型变换器文件共享文件所有组合通用标准ltx-restore-alpha1-distill8-int8.safetensors.enc约 13.4 GBvae.safetensors.encvae-decoder.safetensors.enc快速模式ltx-restore-alpha1-distill8-nvfp4.safetensors.enc约 7.7 GB同上最佳ltx-restore-alpha1-int8.safetensors.enc约 13 GB同上最佳 快速模式ltx-restore-alpha1-nvfp4.safetensors.enc同上自动下载行为jasna/ltx/model_files.py 的download_files()每个文件带 sha256 校验和不匹配的文件会被删除并报corrupted。主源不可达时在 huggingface.co 与 hf-mirror.com 之间自动回退界面语言为中文时mirror_firstTrue优先走镜像jasna/main.py、jasna/gui/ltx_models.py。LtxModelFiles.from_dir()按所选组合检查文件是否齐全缺哪个会报出具体文件名.enc加密文件在打开时还要求许可证校验通过open_ltx_tensorscheck_ltx_license。下载失败时手动放置权重用浏览器从 Kruk2/ltx-restore 仓库huggingface.co 或 hf-mirror.com 均可下载共 3 个文件所选模型的变换器 1 个 2 个 VAE 文件。文件名保持原样含.enc全部放入 Jasna 文件夹的model_weights/ltx-restore没有该目录就新建。重新开始 LTX 任务不会再要求下载。SD 1.5约 6.9 GB先询问再下载不包含在下载包中。图片修复首次触发时Jasna 先询问再从 Kruk2/sd-15-jav 仓库huggingface.co下载提示中标注约 6.9 GBjasna/restorer/sd15_download.py。权重落在model_weights/sd-15-jav/jasna/engine_paths.py。动手调参按症状开药方检测马赛克漏检或误检每个模型有自己的默认阈值jasna/mosaic/detection_registry.py 的recommended_score_threshold()rfdetr-v6为 0.35rfdetr-v6-large与rfdetr-vr-v1为 0.40YOLO 模型 0.25不显式指定时自动取该值取值范围 0–1漏检马赛克 → 调低阈值正常区域被误检 → 调高阈值# 何时用切换检测模型或默认阈值不合适时 jasna --input input.mp4 --output output.mkv --detection-model rfdetr-v6 --detection-score-threshold 0.35在区间编辑器中可以为每个视频分别选择检测模型。LTX先跑试用再动四个开关没许可证、没模型也能先测速--ltx-trial以全速运行 LTX视频不会被修复但耗时接近真实运行——试用模式用PlaceholderTensors生成真实张量名、形状与 dtype、随机值的占位权重走完整推理路径jasna/ltx/model_files.pyLTX_TRIAL_NOTICE明确提示输出不会被修复。常用开关开关CLI何时用最佳模型--restoration-model-name ltx-undistilled效果稍好约慢 1.5 倍快速模式--ltx-fast仅限 RTX 50 系列快约 1.4 倍、细节略少、下载更小其他 GPU 上开启会报错停止大马赛克更清晰--ltx-large-canvas特写 / 4K这部分约慢 3 倍需约 12 GB 空闲显存否则按普通方式修复减少重叠--no-experimental-ltx-less-overlap默认开启长视频约快 13%关闭后回到重叠更多的旧模式大画布的实现jasna/ltx/plan.py裁剪区域最大边超过 640 pxLARGE_CANVAS_MIN_SIDE时画布从 512 提升到 768LARGE_CANVAS时间窗口默认用更大步长LESS_OVERLAP_WINDOW_HOP 104原为WINDOW_HOP 88窗口帧数不变、重叠减少。种子控制结果一致性默认 20260923jasna/session_config.py 的LTX_DEFAULT_SEED同种子同设置得同结果# 何时用想复现/对比某一版效果 jasna --input input.mp4 --output output.mkv --restoration-model-name ltx --ltx-seed 7长视频可让 LTX 只处理大马赛克其余交给更快的 BasicVSR# 何时用长视频里马赛克大小混杂想省时间 jasna --input videos/ --output restored/ --restoration-model-name ltx --ltx-auto-split 12其中 12 是马赛克占视频高度的百分比默认同为 12LTX_AUTO_DEFAULT_PERCENT。预期耗时1 分钟 1080p、马赛克一直在画面中标准模型最佳约需 1.5 倍时间没有马赛克的场景快得多GPU耗时快速模式RTX 5090约 5 分钟约 3 分钟RTX 5080约 10 分钟约 7 分钟RTX 4090约 7 分钟不可用RTX 3090约 15 分钟不可用RTX 2080 Ti约 45 分钟不可用第一次运行要为你的 GPU 做准备更慢。进度条分四步查找马赛克、准备、修复、保存在你的 GPU 上第一次以及每次更新后第一次处理 LTX 视频时先做一次简短速度测试第 1 步结束后剩余时间就是准确的。其他应用占用 GPU 时 LTX 会变慢关闭游戏和浏览器。要预览 LTX打开区间编辑器 → 选一个区间 → 选 LTX → 打开修复预览。注意视频播放器总是使用 BasicVSR。二次修复特写发糊怎么办每个马赛克先被修成一张 256×256 的图jasna/restorer/basicvsrpp_mosaic_restorer.py 的返回值签名即(T, C, 256, 256)。特写和 4K 上可能发糊二次模型先把这张补丁放大到 512×512 或 1024×1024 再贴回画面。仅限 NVIDIA使用 LTX 时不会用到。# 何时用特写/4K 结果偏糊加最快的免费选项 jasna --input input.mp4 --output output.mkv --secondary-restoration rtx-super-res三个选项--secondary-restoration取值默认none选项费用速度说明rtx-super-res免费非常快无需安装质量尚可部分视频会闪烁先用短片段测试unet-4x支持者专享比 TVAI 快质量接近 TVAIiris-2输入/输出 256 → 1024jasna/restorer/unet4x_secondary_restorer.py 的UNET4X_INPUT_SIZE/UNET4X_OUTPUT_SIZEtvai需付费 Topaz Video仅 Windows非常慢请用iris-2模型两段 1080p 视频的实测对比BasicVSR 路径Jasna 二次修复对比配置CAWDKV-109无二次修复22 秒 / 10.0 GB11 秒 / 10.7 GBUNet 4x29 秒 / 12.5 GB14 秒 / 12.6 GBRTX Super Res25 秒 / 11.7 GB13 秒 / 11.4 GBTVAI2 workersIris-252 秒 / 12.1 GB24 秒 / 12.4 GB用 TVAI 时把TVAI_MODEL_DATA_DIR和TVAI_MODEL_DIR指向你的 Topaz Video 模型文件夹jasna/restorer/tvai_secondary_restorer.py 在启动时严格校验未设置或指向不存在的目录都会直接抛错Topaz 的其他设置用--tvai-args传。SD 1.5图片多生成几个候选再挑图片输入自动路由到 SD 1.5无需设置--restoration-model-name--image-restoration-model-name的默认与唯一取值都是sd-15-jav# 何时用修一张图 jasna --input photo.png --output restored.png这个模型是实验性的不同图片效果差别很大但有些非常好。多生成几个版本保留最好的# 何时用单张图想对比多种结果 jasna --input photo.png --output restored.png --sd15-variants 4会保存name_v1…name_vN多个版本种子依次为seed…seedN-1。常用选项与默认值完整清单见 docs/zh/cli.md 的 SD 1.5 章节选项默认症状 → 怎么调--sd15-steps25想要更多细节 → 调大但更慢--sd15-strength0.6上限 0.7马赛克很重 → 调高不像原图 → 调低--sd15-freeu开启通常让形状更清晰出现生硬边缘 →--no-sd15-freeu--sd15-seed0同种子 同设置 同结果--sd15-variants1想留候选 → 调大 N在 GUI 里逐个尝试种子见 docs/zh/gui.md 的逐张处理图片。边界与常见坑许可证边界LTX、UNet 4x、SD 1.5 均支持者专享一个 25 美元许可证码同时包含三者。没有许可证时GUI 会把 LTX 改为提供试用模式速度测试CLI 则报错停止。LTX 互斥项使用 LTX 时二次修复与降噪关闭也不支持流媒体。--restoration-model-name ltx与--stream、--secondary-restoration、--denoise同时出现CLI 启动即报错jasna/main.pyLTX 专用开关也不能与basicvsrpp混用反之亦然--compile-basicvsrpp仅属 BasicVSR。VR180 SBS左右并排 VR 视频不支持 LTXjasna/vr180.py 的require_ltx_input()会抛出请用 BasicVSR 修复。TVAI仅 Windows且依赖付费软件 Topaz Video。Windows WindhawkWindhawk 被加载进 Jasna 时LTX 会因拒绝访问失败。退出 Windhawk或把jasna.exe加入它的排除进程列表Jasna 启动时会提示这一点。收尾决策问答Q第一次用不知道该选什么A全部用默认。rfdetr-v6 BasicVSR 内置、免费NVIDIA 和 AMD 都能跑。QAMD 卡检测要快A用lada-yolo-v4。RF-DETR 在 AMD 上偏慢检测质量优先则留在内置rfdetr-v6。QNVIDIA RTX只有少数几个重点视频A先--ltx-trial测一次速度心里有数可接受再上--restoration-model-name ltx。长视频加--ltx-auto-split 12让 LTX 只处理大马赛克。Q4K 或特写修出来发糊A加--secondary-restoration。免费且快选rtx-super-res追求质量选unet-4x需许可证或tvaiWindows Topaz Video。QVR180 视频ABasicVSR rfdetr-vr-v1。LTX 不考虑SBS 不支持。Q一张静态图片A直接丢给 Jasna自动走 SD 1.5需许可证、约 7 GB 显存、模型约 6.9 GB。建议--sd15-variants 4出多个候选再挑。【免费下载链接】jasnaVideo 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