如何把Jasna修复画质拉到满档？unet-4x、RTX Super Resolution、Topaz三大二次修复模型深度对比
【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna
Jasna 是一款面向 JAV 视频的 GPU 马赛克修复工具，主修复流程能自动检测并还原视频中的打码区域，但大面积马赛克、特写镜头和 4K 视频修复后仍可能偏软。此时可以开启 Jasna 的二次修复（Secondary Restoration）：让 unet-4x、RTX Super Resolution 或 Topaz Video AI 把修复区域进一步放大到 512x512 甚至 1024x1024 再融合回画面，让画质真正拉到满档。本文带你一次看懂三大二次修复模型怎么选。
为什么主修复之后还要二次修复？
Jasna 的主修复引擎（BasicVSR++）对每个马赛克区域处理的是256x256 的裁切块。当原始马赛克很大、画面是脸部特写、或者源视频本身就是 4K 时，256 像素还原出来的细节放回原画面后会显得发糊。
二次修复的思路很简单：主修复完成后，用另一个放大模型把修复块再放大一倍（2x）或四倍（4x），然后平滑混合回视频。效果上的直观差别是——打码区域的皮肤纹理、发丝边缘明显更锐利。
需要知道的前提：
- 二次修复仅支持 NVIDIA GPU（GTX 16 系 / RTX 20 系及以上），AMD ROCm 版本目前只支持主修复；
- 三个选项都可以随时切换，用短片段测试后再跑全片是最佳实践。
相关实现位于 jasna/restorer/ 目录，模型选择逻辑的官方说明见 docs/zh/models.md。
三大二次修复模型快速对比
| 维度 | unet-4x | RTX Super Resolution | Topaz Video AI（TVAI） |
|---|---|---|---|
| 定位 | 满档画质首选 | 免费快速档 | 画质天花板 |
| 成本 | 需支持者密钥 | 免费、零依赖 | 需付费的 Topaz Video（仅 Windows） |
| 质量 | 接近 TVAI 的 iris-2，针对 JAV 数据集专门训练 | 尚可，个别视频可能闪烁 | 优于 RTX SR，与 unet-4x 相当 |
| 速度 | 快，比 TVAI 明显更快 | 非常快 | 非常慢 |
| 放大倍率 | 4x（256→1024） | 2x 或 4x | 1x / 2x / 4x 可选 |
| 平台 | Windows / Linux | Windows / Linux | 仅 Windows |
逐个模型详解
unet-4x：Jasna 为修复场景专门训练的 4 倍放大模型
unet-4x 是 Jasna 支持者专属模型，核心卖点是用 JAV 领域数据训练的时间感知 4 倍上采样：它不仅放大当前帧，还会输入前一帧的低清与高清信息（lr_prev/lr_curr/hr_prev），所以放大结果在时间轴上更稳定，不容易出现闪烁。
- 输入 256x256，输出 1024x1024，是三者中放大倍率最高的
- 官方测试中速度比 TVAI 快、画质与 TVAI 的
iris-2接近 - 需要通过支持者密钥解锁，界面上才会显示为可选项
源码实现可参考 jasna/restorer/unet4x_secondary_restorer.py，模型在 NVIDIA 上会编译成 TensorRT 引擎加速。
RTX Super Resolution：免费、即开即用的快速档
RTX Super Resolution 基于 NVIDIA Maxine 的 GPU 超分辨率能力，免费、不需要任何额外软件，是显存和预算都有限时的稳妥选择。
它支持 quality（low/medium/high/ultra）、降噪和去模糊三档强度调节。官方提示：部分视频可能出现闪烁，所以建议先用一段短视频测试效果再处理全片。
实现位于 jasna/restorer/rtx_superres_secondary_restorer.py。
Topaz Video AI（TVAI）：画质天花板，但代价是速度
TVAI 通过调用付费软件 Topaz Video AI 完成二次修复，支持iris-2、iris-3、prob-4、nyx-1等模型（官方推荐iris-2），缩放倍率可选 1x / 2x / 4x。
使用 TVAI 有额外要求：
- 仅限 Windows 平台，且已安装 Topaz Video AI；
- 需要设置两个环境变量指向 Topaz 的模型目录：
TVAI_MODEL_DATA_DIR和TVAI_MODEL_DIR； - 在 Jasna 设置中填入 Topaz 的
ffmpeg.exe路径（默认指向C:\Program Files\Topaz Labs LLC\Topaz Video\ffmpeg.exe）。
速度是它最大的短板：官方实测中 TVAI 耗时接近 unet-4x 的两倍（详见下文表格）。如果你对画质极致敏感且不着急，TVAI 依然是可以选的方案。
速度 / 显存实测：开启二次修复要付出什么代价？
以下是官方对 1080p 视频片段的实测数据（无二次修复作为基线）：
| 二次修复类型 | CAWD 1080p | KV-109 1080p |
|---|---|---|
| 无二次修复 | 22s / 10.0 GB VRAM | 11s / 10.7 GB VRAM |
| unet-4x | 29s / 12.5 GB VRAM | 14s / 12.6 GB VRAM |
| RTX Super-Res | 25s / 11.7 GB VRAM | 13s / 11.4 GB VRAM |
| TVAI（2 workers, iris-2） | 52s / 12.1 GB VRAM | 24s / 12.4 GB VRAM |
结论很直观：
- 速度：RTX SR 最省时间，unet-4x 居中，TVAI 最慢；
- 显存：三者大约各多占 1.5~2.5 GB VRAM。如果你的卡只有 8 GB 且跑 4K 视频，显存不足时优先降低最大片段大小（例如 180 → 60），或换更轻的二次修复方案，详见 docs/zh/tuning.md。
在 Jasna 中如何开启二次修复？
- 打开 Jasna GUI，展开设置面板中的"Secondary Restoration"（二次修复）折叠区块；
- 在四个选项中点选：
None/unet-4x/TVAI/RTX Super Resolution； - 若选 TVAI，展开的 TVAI 面板里确认 ffmpeg 路径、模型（推荐
iris-2）与倍率； - 保存预设后开始处理。
命令行用户可以直接传参数：
jasna --input input.mp4 --output output.mkv --secondary-restoration unet-4x该设置区块的界面代码在 jasna/gui/settings_sections/secondary.py，每个选项旁的 ⓘ 图标都有悬浮提示，新手可以直接悬停查看说明。
三种场景，我的选择建议
- 追求满档画质、有 NVIDIA 卡、愿意支持作者→ 选unet-4x：4 倍放大、专门针对 JAV 场景训练、速度只有 TVAI 的一半，是综合最优解；
- 不想花钱、追求速度→ 选RTX Super Resolution：先拿 30 秒片段验证不闪烁，即可放心全片处理；
- Windows 平台 + 已有 Topaz + 时间充裕→ 选TVAI iris-2：画质与 unet-4x 相当，适合对个别重点片源做最终精修。
另外提醒：二级修复只作用于马赛克修复区域的放大与锐化，如果你对全片还有降噪、LUT 调色、锐化等需求，可以参考 docs/zh/advanced_processing.md 里的进阶处理选项。
常见问题
问：AMD 显卡能用二次修复吗？不能。目前 AMD ROCm 构建只支持主修复流程。
问：开了二次修复后输出会变大很多吗？输出分辨率不变，但修复区域细节更多，码率可能略升；Jasna 默认编码器设置可以应对，无需额外调整。
问：unet-4x 为什么选项是灰色的？因为还没激活支持者密钥。激活成功后 GUI 会自动检测到模型文件并解锁该选项。
问：4K 视频建议开哪个？显存 ≥12 GB 优先 unet-4x；显存吃紧则用 RTX Super Resolution，并把最大片段大小降到 60~90。
想深入了解各模型参数，可以查阅 docs/zh/models.md 与 README.zh.md；完整 CLI 参数见 docs/zh/cli.md。
【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
