[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f2u7zm449i5qpl":3},{"code":4,"message":5,"data":6,"timestamp":26},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":22,"homepage":23,"updated_at":24,"history":25},"Kruk2\u002Fjasna",11,"Video restoration tool","Python",3573,274,1469,279,[],"在本地 GPU 上自动检测并修复视频、图片中的马赛克区域，只改目标区域而不重绘整帧。","## 解决什么问题\n\n处理视频里的马赛克遮挡，传统做法是逐帧手动打码或重绘，再重新编码，费时且容易出错。常见的视频修复工具又往往把整帧当作目标，可能动到不该动的画面。Jasna 把流程自动化：GPU 解码后逐帧检测马赛克，按时间把同一处目标聚成片段，用序列模型只修复该片段，再把修复结果贴回原帧，其余像素保持不动。\n\n## 有什么不同\n\n它以“限定区域修复”为核心，而不是整帧增强。检测和跟踪先行，修复模型只看 256x256 的小图，未选中的画面质量不受影响。修复分两档：免费的 BasicVSR++ 和付费支持的扩散模型 LTX，另可选二次放大（UNet 4x、RTX Super Res、Topaz TVAI）。与通用视频修复框架相比，代价是范围很窄：它只服务这一件事，绑定特定 GPU 技术栈，不是能随意改造的平台。播放器里可以边看边实时修复、不落盘，这个工作流细节在多数同类工具里没有。\n\n## 适合谁\n\n适合拥有 NVIDIA GTX 16 系\u002FRTX 20 系及以上显卡（AMD RX 7000\u002F9000 标注为实验性）、在本地处理视频文件、既想要图形界面又需要命令行的个人用户。不适合纯 CPU 机器、老显卡、网络盘，以及路径中含中文或其他非英文字符的环境；需要批量调度、可复现流水线或宽松许可证的团队也应另找方案。对更高质量模型需要付费解锁介意的用户，可以只用免费档或直接跳过。\n\n## 上手成本\n\n真正的门槛是硬件：NVIDIA 计算能力 7.5+、较新驱动、SSD 存储（Windows 用 NTFS，Linux 用 ext4\u002FBtrfs\u002FXFS\u002FZFS），LTX 还要求至少 8 GB 显存和 16 GB 内存。首次运行需要约 15-60 分钟针对你的 GPU 编译模型，升级时要手动搬运 `model_weights` 目录。基础功能免费，但 UNet 4x、SD 1.5 图片模型和 LTX 需要一次性支持者付费（15-25 美元），绑定许可证码，可在 3 台机器上在线激活后离线使用。许可证为 AGPL-3.0，修改后分发有开源义务。安装方式是下载 release 包而非包管理器，具体步骤见 README。\n\n## 点评\n\n项目 2026 年初创建，约 3.5k 星，本周以 +1,469 登上 python 周榜第 11 名，这是一次明显的短期冲高，而非长期验证过的成熟项目。工程思路自洽，GUI 与 CLI 的分工也比多数单用途 GPU 工具完整，但付费许可证模式和严格的硬件矩阵都是实打实的承诺。有对应显卡、本地工作流和明确需求的人可以上；否则先用免费档试水成本最低。要做好版本频繁变动的准备，围绕它构建东西之前请仔细读许可证条款。",{"slug":19,"name":20},"media","多媒体与设计",[],"AGPL-3.0",null,"2026-10-24T18:06:42Z",[],1792879715]