Video2X：免费 AI 把 480p 老视频放大 4 倍成 4K，顺手补帧到 60fps
【免费下载链接】video2xA machine learning-based video super resolution and frame interpolation framework. Est. Hack the Valley II, 2018.项目地址: https://gitcode.com/GitHub_Trending/vi/video2x
Video2X 是一个免费、开源（AGPLv3 协议）的 AI 视频超分辨率与补帧工具：能把模糊视频最多放大 4 倍，也能在相邻两帧之间插入新帧让 30fps 的画面变顺滑，全程在你自己电脑上跑，不传云、不花钱。文件夹里压了多年的 480p 老番、糊成马赛克的游戏录屏，都能交给它。
图片占位：此处适合放一张 Video2X 放大前后的画面"模糊 / 清晰"对比图，仓库暂无可用素材
这几类片源它能救
- 🎬 动漫 / 番剧老片：480p 升到 1080p 或 4K，有 Real-CUGAN（含 pro、se 两档模型）、Anime4K v4 等动漫特化模型可选
- 🎞️ 真人老视频 / 家庭录像 / 纪录片：Real-ESRGAN 通用模型（如
realesr-generalv3-x4）同时兼顾去噪和纹理重建 - ⚡ 快速运动画面补帧：RIFE 能把 30fps 插值到 60fps，适合游戏录屏、体育、特效片段
- 自定义滤镜：
-p libplacebo模式可以加载任意 MPV 兼容的 GLSL 着色器（一段描述画面处理步骤的小脚本），开源着色器生态都能当滤镜用
3 条路装好并跑起第一个任务
- 🪟 Windows：下载 6.4.0 安装包（.exe 安装程序），装完就是图形界面，支持简体中文，拖入视频、选模型、设分辨率即可
- 🐧 Linux：其他发行版用
Video2X-x86_64.AppImage双击运行；Arch 系走 AUR 装video2x-qt6；有 Docker 的话拉容器镜像启动时加--gpus all透传显卡 - 🖥️ 命令行：一条命令直接跑，下面这条用动漫模型把视频放大 4 倍：
video2x -i input.mp4 -o output.mp4 -p realesrgan -s 4 --realesrgan-model realesr-animevideov3自定义目标分辨率（-w/-h）、换显卡（-g）、调编码器参数（如-e crf=17）等进阶用法见 命令行文档，从源码构建参考 构建文档。
它靠什么把糊片变清晰
Video2X 像个见过海量同类老照片的老师傅：它凭"这类画面通常长什么样"的经验，逐像素把缺损补回去。超分辨率由 Real-ESRGAN、Real-CUGAN、Anime4K v4 等模型负责变清晰，RIFE 负责在相邻两帧之间算出新帧。6.0.0 起整个项目用 C/C++ 重写，模型走 ncnn + Vulkan 在 GPU 上跑，处理时除了输出文件本身不占额外磁盘空间。
新手最常碰的几个问题
老机器为什么一启动就报错？
预编译版本要求 CPU 支持 AVX2（Intel Haswell 2013 年起、AMD Excavator 2015 年起），显卡必须支持 Vulkan（NVIDIA GTX 600 系起、AMD Radeon HD 7000 系起、Intel HD 4000 起），不满足基本白折腾。正确姿势：先确认 CPU 和显卡型号，再跑video2x --list-gpus看显卡有没有被列出来。
直接拉满 4 倍放大行不行？
原片越糊，倍数越高，模型"脑补"出的怪细节越多，放大 4 倍容易放出一堆假纹理。正确姿势：先剪一段 30 秒样片，2 倍和 4 倍各跑一遍，肉眼对比后再定正式参数。
模型选错了会怎样？
真人视频套动漫模型，皮肤会发蜡发假；老动漫套通用模型，线条反而发糊；Real-CUGAN 的高去噪档位（如up2x-denoise3x）会把噪点不多的素材连细节一起抹掉。正确姿势：真人用realesr-generalv3-x4，动漫用realesr-animevideov3或 Real-CUGAN pro 档，去噪档位宁低勿高。
补帧该选哪个 RIFE 版本？
仓库自带 v2.4 到 v4.26 共十一个版本，外加 rife-HD、rife-UHD、rife-anime 特化版。正确姿势：按片源分辨率和题材挑（动漫素材优先 rife-anime），先用 30 秒样片试 2 倍插值（-m 2），别一上来就-m 4。
今晚就能迈出的第一步
回到开头那段糊得看不清字的 480p 老番——今晚就剪 30 秒样片，先挑个对应素材的模型试 2 倍，效果满意了再放开手脚上 4 倍。
【免费下载链接】video2xA machine learning-based video super resolution and frame interpolation framework. Est. Hack the Valley II, 2018.项目地址: https://gitcode.com/GitHub_Trending/vi/video2x
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
