Jasna 视频马赛克修复指南GPU 加速、免费模型选型与显存调优实战【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasnaJasna 是一款免费开源AGPL-3.0的 GPU 加速视频马赛克修复工具从解码、检测到修复、编码全链路跑在 GPU 上同时支持 NVIDIAGTX 16 系起与 AMDRX 7000/9000实验性。读完本文你能按显存档位选对参数、跑通第一个修复任务并在遇到问题时自行定位。先对号入座你的情况该读哪里不同起点的人没必要从头读到尾。按你现在的状态跳读门槛列是硬条件不满足先解决它你是谁重点读硬门槛新手还没跑起来过跑通第一个修复任务、Jasna 内部流程一览NVIDIA GTX 16 系 / RTX 20 系及以上计算能力 ≥ 7.5或 AMD RX 7000/9000实验性安装路径必须纯英文进阶已跑通想更快更省修复模型怎么选、按现象调参想上 LTXRTX 30/40/50 系、≥ 8 GB 显存 16 GB 内存、25 USD 档许可证AMD 或低显存用户AMD 差异说明、显存不够怎么压AMD 需 Adrenalin 26.8.1 驱动Linux 另装 AMF 运行库4–6 GB 显存从剪辑 30 起步特殊场景区间 / 流媒体 / VR / 云特殊场景速查区间输入须为恒定帧率的 H.264/HEVC/AV1云 GPU 需开通云权限的许可证一句话收口先看门槛再跳章节不必线性通读。如何跑通 Jasna 第一个修复任务两条路径都只保留最少步骤。GUI 路径下载与系统、显卡匹配的发行包解压到纯英文路径如D:\Tools\jasna启动Windows 双击jasna.exeLinux NVIDIA 运行jasnaLinux AMD 先装 AMF 运行库再运行run_jasna_amd.sh把视频拖进队列或点添加文件保持默认设置点界面底部的▶等它跑完。CLI 路径只记这一条命令——对单个视频执行默认 BasicVSR 流程jasna --input input.mp4 --output output.mkv图片输入自动改用 SD 1.5 模型文件夹输入批量处理先图片后视频详见 docs/zh/cli.md。⚠️首次任务有一次性成本NVIDIA 上约 15–60 分钟。期间 Jasna 把你的 GPU 专属 TensorRT 引擎编译出来请关闭其他应用、别动电脑LTX 模型约 15 GB与 SD 1.5 模型约 6.9 GB也是首次用到时才下载。跳过等待的办法编译产物全部落在model_weights文件夹里。以后升级 Jasna把这个文件夹复制到新版本目录编译时间直接省掉AMD 不做编译无此等待。⚠️ 安装路径只能含纯 ASCII 字符C:\Users\张三\Downloads\jasna这类路径会在启动检查时直接报错退出整个文件夹搬到英文路径即可。校验逻辑在 jasna/os_utils.py 的check_ascii_install_path每次启动都会跑。一句话收口路径纯英文 默认设置 熬过一次编译任务就跑通了。Jasna 内部流程一览解码到编码的六个环节整条流水线是四个并行线程循环解码检测 → 主修复 → 二次修复 → 合成编码见 jasna/pipeline_threads.py对应六个环节。理解各自管什么后面调参才知道动哪一段GPU 解码——把视频在 GPU 上解出来NVIDIA 走 NVDECAMD 走 AMF另有软件解码兜底。对应参数--device。逐帧找马赛克——用检测模型扫出每一帧的马赛克区域。对应参数--detection-model、--detection-score-threshold。时间维跟踪与分组——同一块马赛克沿时间轴被跟踪帧被归组为剪辑长度上限由--max-clip-size控制遇到硬切镜头剪辑强制收尾保证一个剪辑不混入两个镜头。对应参数--scene-detection开、--max-detection-gap、--min-detection-duration。BasicVSR 修复——每个剪辑按 256×256 图像序列修复相邻剪辑刻意留少量重叠避免接缝跳变。对应参数--max-clip-size、--temporal-overlap、--enable-crossfade。可选二次修复——UNet 4x / RTX Super Res / TVAI 把修复块放大到 512×512 或 1024×1024 再锐化NVIDIA 独占。对应参数--secondary-restoration。合成回原帧 GPU 编码——只替换马赛克区域的像素其余原样保留编码用 NVENC 或 AMF音频默认直接复制仅当输出容器装不下原音轨时才重编码判断逻辑在 jasna/media/audio_utils.py。对应参数--codec、--cq、--sharpen。显存吃紧时Jasna 会自动把排队中的帧挪到系统内存、需要时再搬回jasna/vram_offloader.py全程无需手动干预。⚠️LTX 不走这条流水线它要把视频完整过四遍——找马赛克、准备、扩散模型修复、保存——所以慢得多但能补出更真实的纹理。一句话收口默认参数管的就是这六段动哪个参数前先看它管哪一段。修复模型怎么选BasicVSR 还是 LTX默认推荐绝大多数视频用免费的BasicVSR就够了只有当你对个别关键场景的质感有更高要求、且显卡是 RTX 30/40/50 系8 GB 显存起、16 GB 内存才值得上 LTX修复静态图片则自动走 SD 1.5。维度BasicVSR默认LTXSD 1.5仅图片速度快1080p 整片 3:22 视频约 34 秒RTX 5090很慢1 分钟 1080p 素材约 1–10 分钟见下表单张数十秒级画质良好纹理更细腻自然实验性单张差异大GPU全部受支持显卡RTX 30/40/502080 Ti 仅验证过Linux 下兼容 Radeon RX 7000/9000 与 R9700Windows AMD LTX 为测试版约 7 GB 显存费用免费支援者专属25 USD 档含 UNet 4x 与 SD 1.5支援者专属15 USD 档起文件体积随包附带标准约 15 GB、快速模式约 9 GB、更高画质档每档再约 13 GB约 6.9 GBLTX 耗时实测1 分钟 1080p、马赛克持续出现、标准画质档GPU标准快速模式--ltx-fast仅 RTX 50 系RTX 5090约 1 分钟不到 1 分钟RTX 4090约 1.5 分钟不可用RTX 5080约 2 分钟约 1.5 分钟RTX 3090约 3 分钟不可用RTX 2080 Ti约 10 分钟不可用画质档位倍率--restoration-model-name取ltx标准/ltx-4step良好慢约 1.5 倍/ltx-8step高慢约 2.5 倍/ltx-undistilled顶级慢约 5 倍。决定上 LTX 前先跑一次--ltx-trial——它无需模型和许可证只做速度实测、不产出修复视频。检测模型决定找马赛克这一步的效果权重放进model_weights/后会被自动发现模型名来源分辨率推荐阈值适用场景rfdetr-v6默认随包5760.35绝大多数视频rfdetr-v6-large另下载NVIDIA 用.onnx、AMD 用.pt7680.404K 素材、更高检测精度rfdetr-vr-v1随包7680.40VR180 视频zelefans-vr-yolo-v2另下载—0.25VR180 的另一选项lada-yolo-v2/lada-yolo-v4随包—0.252D 动画素材或 AMD 上求快rfdetr-v5随包7680.25旧版仍可用批大小恒为 4阈值经--detection-score-threshold0–1调整调低检得更多调高检得更少。⚠️ LTX 的三条硬限制不支持 VR180 左右并排视频、不支持流媒体模式、使用时二次修复与降噪自动关闭。另外 0.12 起从 0.11.3 复制来的 LTX 模型文件需要重新下载原许可证码与共享 VAE 文件仍可复用。官方基准RTX 5090、Linux、BasicVSR、3:22 全长视频时间越短越好输入Lada 0.11.0Jasna v0.9.1相对速度720p H.26401:4700:323.4 倍1080p H.26402:0200:343.6 倍2160p H.26404:5601:034.7 倍同条件显存典型 / 峰值GBv0.9.0 的 1080p 为 9.3 / 10.1v0.9.1 降到 4.8 / 5.62160p 从 11.4 / 15.4 降到 7.2 / 10.9。完整测试设置与复现脚本见 benchmarks/2026-07-26_release_matrix.md 与 scripts/benchmark_releases.py。一句话收口拿不准就用免费默认组合LTX 只留给关键场景。按现象调参显存不够怎么压、漏检误检怎么调不按参数逐个讲直接对现象找参数你遇到的现象该动哪个参数动到多少马赛克被漏掉--detection-score-threshold在模型推荐值基础上调低rfdetr-v6默认 0.35正常区域被误判成马赛克--detection-score-threshold调高或调高--min-detection-duration默认 2 帧丢短促误检显存不足 / 卡死按顺序①--max-clip-size② 关或换轻的二次修复 ③ 关浏览器、游戏等占 GPU 的程序90 → 60 → 30 逐档降4–6 GB 显存从 1080p 剪辑 30 起步片段接缝处闪烁--temporal-overlap8–20 区间内加必须满足 2 × overlap max-clip-size剪辑边界有轻微跳变--enable-crossfade保持开启复用已处理帧零额外开销输出文件比源大得离谱--cqNVIDIAH.264 25 / HEVC 28 / AV1 35 起往高调AMDH.264 24 / HEVC 25 / AV1 16 起60 fps 素材耗时翻倍--retarget-high-fps隔帧处理60 → 30、59.94 → 29.97音画同步不变修复区域看起来偏软大马赛克、特写、4K--secondary-restorationrtx-super-res免费、极快/unet-4x接近 TVAI iris-2 质量且更快/tvai需付费 Topaz Video仅 Windows修复区域有噪点--denoiselow/medium/high只清理修复区域--denoise-step控制放二次修复前默认或后输出想再锐一点--sharpen0.2–0.5温和0 关闭剪辑大小对耗时的影响不是线性的——小剪辑只会更慢重叠帧在每个剪辑里都重复处理。1080p、重叠 8、RTX 5090 实测最大剪辑大小306090180360720耗时51 秒40 秒34 秒35 秒32 秒33 秒显存3.4 GB3.7 GB4.1 GB5.0 GB6.3 GB8.0 GB180 是收益拐点再往上时间不再变好、只吃显存4K 素材同剪辑大小下显存约 ×1.5。关闭模型编译--no-compile-basicvsrpp只省不到 0.5 GB 显存、却慢约 3 倍同素材 33 秒 / 5.0 GB vs 107 秒 / 4.6 GB几乎没有正当理由。⚠️ 时间重叠必须满足2 × temporal_overlap max_clip_size否则启动即报错8–20 是推荐区间超过 20 通常无收益。参数默认值集中速查完整选项以jasna --help与 docs/zh/cli.md 为准选项默认值一句话作用--devicecuda:0GPU 选择AMD 经 ROCm 也按cuda:N命名--batch-size4AMD 为 8检测批大小rfdetr-v5恒为 4--fp16/--no-fp16开半精度省显存且通常更快--max-clip-size90单次修复帧数上限--temporal-overlap8相邻剪辑共享帧数隐藏接缝--enable-crossfade开剪辑边界交叉淡化--detection-modelrfdetr-v6检测模型--max-detection-gap2同位置马赛克漏检最多补 N 帧0 关闭--min-detection-duration2短于 N 帧的检出按误检丢弃0 关闭--scene-detection开硬切处结束所有剪辑--denoisenonelow/medium/high只清理修复区域--denoise-stepafter_primary二次修复前默认或after_secondary移到最后--codechevch264兼容性最好8-bitav1文件最小需 RTX 40 系 / RX 7000 及以上--cqNVIDIAH.264 25 / HEVC 28 / AV1 35AMDH.264 24 / HEVC 25 / AV1 16越低质量越高、文件越大--sharpen00 关闭 ~ 1 最强--ltx-seed20260923LTX 随机种子控制可复现性--sd15-steps/--sd15-strength/--sd15-seed/--sd15-variants25 / 0.6上限 0.7/ 0 / 1SD 1.5 图片修复variants 产出name_v1…vN供挑选--stream-port/--stream-segment-duration8765 / 4.0HLS 流媒体端口与分段时长秒--log-levelerrordebug/info/warning/errorCQ 合法范围NVIDIA H.264/HEVC 为 1–51、AV1 为 1–63AMD H.264/HEVC 为 0–51、AV1 为 1–51。Jasna 还会按源码率自动给输出设maxratebufsize为其 2 倍防止低码率源被过度放大NVIDIA H.264 输出为源码率 2.0 倍、HEVC 源 1.25 倍、其余组合 1.0 倍自行指定maxrate可覆盖。一句话收口现象对参数一档一档动别一次改多个。区间、流媒体、VR180 与云 GPU 速查场景触发条件最小启动方式硬性限制区间处理只修部分场景马赛克只出现在部分场景或想让 LTX 只跑关键片段未选中区间原样复制输出仍是全片长GUI 点队列条目的剪刀按钮开区间编辑器按帧选区间、逐区间指定 BasicVSR 或 LTX可用内置马赛克扫描RTX 5090 约 2000 FPS自动定位CLI 用--segments 10-25,01:10-01:30.5一次一个视频不支持文件夹 / 图片 / 流媒体输入须为恒定帧率的 H.264/HEVC/AV1输出 MP4/MOV/MKV 且编解码器恒等于输入不能与--stream、--retarget-high-fps、--fmp4、--ltx-auto-split组合区间之间少量帧会被重编码流媒体边修边看 / Stash想先确认效果不落盘或挂 Stash 按需修复jasna --stream自动开浏览器播放器可拖进度--stream-port8765、--stream-segment-duration4.0 秒、--no-browser可调Stash 用专用 v0.30.1-jasna 版并设JASNA_CLI_PATH、JASNA_WORKING_DIR两个环境变量恒用 BasicVSR 与 H.264LTX 不可用首次必须先用 Stash 实际会用的相同设置流式跑通一个短视频预热否则 Stash 超时放弃日志出现timeout waiting for jasna-cli to become healthyVR180文件把左右眼并排放进宽帧如 3840×1920、8192×4096Jasna 拆开分别修复再拼回VR180 模式保持自动高度 1080 的 2:1 视频、文件内 VR 元数据或已知片商名都会自动识别检测模型换内置rfdetr-vr-v1自动认不出时用--vr-mode sbs-fisheye取值auto/off/sbs/sbs-fisheye投影方式原样 / 鱼眼 / 球心按片商自动选、也可在区间编辑器修复预览旁手动切换LTX 不支持 VR180 并排视频只能用 BasicVSR云 GPURunPod / Vast / Docker本地显卡太慢或没有显卡租云 GPU 跑批量申请开通云权限后Linux NVIDIA 官方 CLI 在容器内以 root 登录装依赖、解压到/root设XDG_CONFIG_HOME/root/jasna-config后以--license-code--cloud-workspace激活激活前可先用tools/ffmpeg编码自检一秒没打出OK就换机器驱动 ≥ 580、磁盘 ≥ 80 GB、必须设NVIDIA_DRIVER_CAPABILITIESall、固定/etc/machine-id--pidhost的 Docker 容器不可用RunPod 上 LTX 不可用BasicVSR 可用每次启动前先重新export XDG_CONFIG_HOME删 Pod 前把jasna-config私有备份细节与坑位见 docs/zh/segments.md、docs/zh/streaming.md、docs/zh/vr180.md、docs/zh/cloud.md。想让文件夹里每个视频大马赛克走 LTX、其余走 BasicVSR用自动分配jasna --input videos/ --output restored/ --restoration-model-name ltx --ltx-auto-split 1212 指马赛克最长边占视频高度的百分比建议从 12% 起步。一句话收口特殊玩法各有一条最短启动方式和一张硬限制表先核限制再开工。故障自诊断报错或现象对照表报错或现象大概率原因处理动作首次任务卡在开头 15–60 分钟不动NVIDIA 一次性 TensorRT 编译检测 修复模型正常现象期间负载拉满、model_weights目录在增长等待即可之后所有任务复用产物升级时复制该目录启动即报路径错误安装路径含非 ASCII 字符中文 / 日文 / 重音字母check_ascii_install_path每次启动校验整个 Jasna 文件夹挪到纯英文路径如D:\Tools\jasna顺带确认是本地盘NTFS / ext4 / Btrfs / XFS / ZFS而非网络盘显存不足out of memory 或明显卡死剪辑过大或二次修复太吃显存①--max-clip-size90 → 60 → 30 逐档降② 关二次修复或换 RTX Super Res③ 关浏览器、游戏等占 GPU 程序排队帧自动挪系统内存vram_offloader是兜底驱动检查不通过 / 提示版本过低驱动低于阈值NVIDIA 升到 Windows 610 / Linux 580AMD 需 Adrenalin 26.8.1Linux 另装 AMF 运行库更新后从头部菜单重跑系统检查无需重装 JasnaAMD 上检测阶段很慢RF-DETR 在 AMD 走 torch 模型比 NVIDIA 的 TensorRT 引擎慢--detection-model换lada-yolo-v4换回速度AMD 默认批大小自动取 8LTX 模型下载一直失败连不上 Hugging FaceJasna 会自动切 hf-mirror.com仍失败就手动下载 3 个文件所选模型 1 个 vae.safetensors.encvae-decoder.safetensors.enc文件名保留.enc放入model_weights/ltx-restore/目录不存在就新建详见 docs/zh/models.md60 fps 素材处理时间翻倍帧数翻倍工作量自然翻倍加--retarget-high-fps隔帧处理60 → 30、59.94 → 29.97处理量减半且音画同步不变不能与--segments、--stream组合云机报Failed to open hevc encoder该机硬件编码器损坏直接换机器云机报unsigned or modified Jasna runtime用非 root 用户解压换 root 重新解压到/root云机报libGL.so.1: cannot open shared object file缺图形库依赖补跑安装命令里的apt-get install -y zstd wget libgl1 libglib2.0-0一行云机报No activation found/Cloud workspace identity is missing启动前漏了export XDG_CONFIG_HOME/root/jasna-config补export后重启 JasnaStash 报timeout waiting for jasna-cli to become healthy首次未预热第一次要为 GPU 准备文件耗时很长先用 Stash 实际会用的相同设置流式跑通一个短视频仍失败先检查JASNA_CLI_PATHWindows 上 LTX 因 ESET 起不来日志提到ebehmonl.dll/ebehmoni.dllESET 深度行为检查拦截把 Jasna 文件夹加入 ESET 排除项换新版后需再加一次云机提示enable cloud activation许可证未开通云权限向许可证来源申请开通云权限一句话收口九成问题落在编译等待、路径字符、显存三件事上先查这三处。现在可以做什么行动清单✅ 核对三件硬门槛显卡在支持列表GTX 16 系 / RTX 20 系起或 AMD RX 7000/9000、驱动达标NVIDIA Windows 610 / Linux 580AMD Adrenalin 26.8.1 加 AMF、安装路径为纯 ASCII 的本地 SSDNTFS / ext4 / Btrfs / XFS / ZFS。用默认设置跑通第一个任务GUI 拖入点 ▶或 CLI 一条命令熬过一次 15–60 分钟的编译以后每次升级只复制model_weights文件夹。按显存档位锁定参数10 GB 左右用默认值剪辑 90、重叠 8追求质量加--max-clip-size 180 二次修复 低 CQ4–6 GB 显存固定从剪辑 30 起步。需要 LTX 时先跑--ltx-trial测速确认许可证与 8 GB 显存 / 16 GB 内存只对关键片段用 LTX其余交给 BasicVSR可用区间编辑器或--ltx-auto-split分流。延伸阅读LICENSING.md · docs/zh/cli.md · docs/zh/models.md · docs/zh/tuning.md · docs/zh/segments.md · docs/zh/streaming.md · docs/zh/cloud.md · docs/zh/vr180.md · README.zh.md免费路径BasicVSR rfdetr-v6足以覆盖绝大多数马赛克修复路径是纯英文、熬过一次编译之后剩下的就只是对号入座。【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
)
