video2x
开源视频超分辨率与帧率提升工具，支持 Real-ESRGAN/Real-CUGAN/RIFE 等模型
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
开源视频超分辨率与帧率提升工具，支持 Real-ESRGAN/Real-CUGAN/RIFE 等模型
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
Video2X 6.x 界面截图：直观的 Qt6 图形界面支持多语言
2018 年，一位加拿大滑铁卢大学的学生在 Hack the Valley II 黑客马拉松上，提交了一个让"老番"焕发新生的项目——Video2X。彼时，他的想法很朴素：看到朋友用 waifu2x 把《千与千寻》的截图放大到 4K 画质后，自己也想做一套能处理整部视频的工具。没想到，这个从黑客马拉松走出的作品，如今已积累了 20,170 颗 GitHub Stars，成为开源视频超分辨率领域最具影响力的项目之一。
Video2X 的核心能力可以概括为两个方向：视频超分辨率（Upscaling）和帧率提升（Frame Interpolation）。简单来说，它既能把你手中 480P 的老动画升级为 1080P 甚至 4K，也能把 24FPS 的视频补到 60FPS、120FPS，让动作看起来更加流畅自然。
项目创始人 K4YT3X 的 GitHub 头像
Video2X 的技术核心并非单一算法，而是一套模块化的处理流水线，整合了多个业界领先的超分辨率与插帧模型：
底层推理引擎使用的是 ncnn（腾讯优图实验室开源的高性能神经网络推理框架），配合 Vulkan GPU 加速，在 NVIDIA、AMD、Intel 三大平台上均可利用显卡进行加速计算。对于没有强力 GPU 的用户，项目也提供了 Google Colab 入口，借用 T4/L4/A100 等云端 GPU 即可完成处理。
代码架构采用 C/C++ 重写（v6.0 起完全脱离 Python），利用 CMake 构建系统，支持按需编译成共享库 libvideo2x。主要源码模块包括：
src/decoder.cpp — FFmpeg 视频解码封装，处理各类容器与编解码格式src/encoder.cpp — 输出编码，支持 H.264/H.265/VP9 等主流编码格式src/filter_realcugan.cpp — Real-CUGAN 超分处理器src/filter_realesrgan.cpp — Real-ESRGAN 超分处理器src/interpolator_rife.cpp — RIFE 帧率提升处理器src/filter_libplacebo.cpp — 基于 libplacebo 的视频滤镜管线src/avutils.cpp — 音视频工具函数封装第三方依赖全部以 git submodule 形式管理：ncnn、spdlog（日志库）、boost、Anime4K 着色器，以及 Real-ESRGAN/Real-CUGAN/RIFE 的 ncnn Vulkan 实现，确保版本可控。
项目在每次 release 都提供 .exe 安装包（v6.4.0 支持 Qt6），下载后一路点下一步即可。GUI 支持简体中文、日语、英语、德语、法语、葡萄牙语 6 种语言，对非技术用户非常友好。
对于 Ubuntu/Debian 用户，可以直接安装 .deb 包；其他发行版用户可以下载通用 AppImage 镜像。Arch Linux 用户还可通过 AUR 安装，有 archlinuxcn 源的中文用户可享受更快的同步速度。
项目在 packaging/docker/Dockerfile 中提供了多阶段构建镜像，基于 Arch Linux 构建。镜像发布在 GitHub Container Registry（ghcr.io/k4yt3x/video2x），一行命令即可拉取运行，但需宿主机有 NVIDIA Docker 或 Mesa Vulkan 驱动才能调用 GPU。
没有本地 GPU？没关系。项目维护者提供了 Colab Notebook，可以在云端借用 NVIDIA T4/L4/A100 完成处理。但需注意不要连续开多个 Colab 会话做 24/7 压榨，会被封号。
需要 CMake 3.10+、clang/gcc、FFmpeg 开发库、ncnn、spdlog、Boost、Vulkan SDK 等依赖，CMakeLists.txt 中还支持 x86-64-v3（AVX2）/v4（AVX-512）架构优化选项，整体复杂度较高。
Video2X 是开源视频增强领域中最成熟、最易用的工具之一。C/C++ 重构后效率和稳定性大幅提升，多后端支持（ncnn+Vulkan）覆盖主流 GPU 平台，预编译包 + Docker + Colab 提供了多条上手路径。对于想让老视频重获新生的爱好者，或需要批量处理素材的内容创作者来说，它都是一个值得收藏的工具。