## 先把画面讲清楚

一段视频里，有一小块区域被马赛克盖住了。其余的一切——背景、人物、光线、噪点、镜头的轻微抖动——都是完好的，没有任何问题。

大多数视频修复工具的思路是「整帧处理」：把每一帧当成一张图，送进模型，出来一张更清晰、更平滑、也更陌生的图。代价是全局的，收益也是全局的，你没法只要其中一小块。

Jasna 走的是另一条路。它的定位只有一句：**找出视频里的马赛克，把它们修回来，画面其余部分一概不动。**

项目地址：/Kruk2/jasna

这句话听起来像一句寻常的功能介绍，其实是整份工程设计的原点。因为「只改一小块」这件事，在视频里比在图片里难得多——图片改一块就完了，视频里同一块区域会移动、会变形、会被切镜打断，你必须先知道它在每一帧的哪里，才谈得上修。

## 它到底能做什么

把功能摊开看，五条：

- **找出来，再修回来。** 在视频里定位马赛克区域并还原，画面其余部分不受影响。
- **两种还原模型。** 快的 **BasicVSR++**，免费；慢但细节更多的 **LTX**，面向支持者，且只支持 NVIDIA。
- **只修你圈定的部分。** 在 **Segment Editor** 里带预览地选区，修哪块由你决定。
- **支持 VR180 视频和静态图片。** 静态图片走 SD 1.5，面向支持者。
- **实时预览。** 在 **Video Player** 里直接看还原后的效果，不落地成文件。

这五条里，最有意思的其实是最后一条。多数工具的工作流是「跑完 → 打开输出文件 → 发现不对 → 改参数 → 再跑一遍」，一轮几十分钟。能先看再决定要不要生成文件，把试错成本从「一次渲染」压到了「一次播放」。

## 门槛摆在明面上

这份工具不装客气，硬件要求写在最前面，而且写得很具体。

**显卡。** NVIDIA 需要 GTX 16 系列、RTX 20 系列或更新，驱动要够新——Windows 上 610 以上，Linux 上 580 以上。GTX 10 系列及更老的不行。换 AMD 的话，Radeon RX 7000、9000 系列可以跑，但标注为实验性。

更细一层的要求也给了：NVIDIA 的卡需要计算能力 7.5 或更高；AMD 需要 ROCm 支持的型号，包括 RX 7000、9000 系列以及 Radeon 780M、760M、740M 和 Ryzen AI。Windows 上 AMD 驱动要 Adrenalin 26.8.1 或更新。而二级修复和 LTX，只有 NVIDIA 能跑。

**路径。** 解压目录不能在路径里带中文、日文、带音标的字母或其他非英文字符。这条限制很朴素，也很容易在第一分钟绊倒人。

**磁盘。** Windows 上用 NTFS；Linux 上用 ext4、Btrfs、XFS 或 ZFS。网络磁盘不支持。建议 SSD——如果放在机械硬盘上，Jasna 的启动和模型加载都会明显变慢。

**LTX 的额外账。** 需要 NVIDIA RTX 显卡，至少 8 GB 显存和 16 GB 内存。

这些条件加在一起，等于一句实话：这是一个明确面向「有独立显卡的本地机器」的工具，不打算讨好所有人。

## 第一次跑，慢是正常的

上手四步，没有安装程序，没有配置向导：

1. 下载对应你系统和显卡的发行版。
2. 解压到一个路径不含非英文字符的文件夹。
3. 启动：Windows 双击 `jasna.exe`；Linux NVIDIA 运行 `jasna` 文件；Linux AMD 运行 `run_jasna_amd.sh`。
4. 添加视频，选好设置，点底部那个 **▶**。

真正的坑在第四步之后。**第一次任务会很慢。** 在 NVIDIA 上，Jasna 要先为你的具体型号准备模型，这个过程大约 15 到 60 分钟，而且只需要做一次。这段时间里最好关掉其他程序，也别拿这台机器干别的。

准备结果存在 `model_weights` 目录里，之后一直复用。更新 Jasna 的时候，把这个目录复制到新版本里，就不必再等一遍。

其余的学习成本被压进了界面：每个设置都有提示，鼠标移到 ⓘ 图标上就能看到。显存不够了怎么办？降低 **Max Clip Size**，比如从 90 降到 60。

## 七步管线：一条全程不下 GPU 的流水线

这一节是整份文档里含金量最高的部分。Jasna 的流程几乎全部跑在显卡上——从读视频到最后存视频，中间没有来回搬运。

**第一步，解码。** 在 GPU 上解，NVIDIA 走 NVDEC，AMD 走 AMF。

**第二步，检测。** 逐帧找出马赛克的位置，默认模型是 `rfdetr-v6`。

**第三步，跟踪。** 把同一块马赛克在时间上串起来，把它的这些帧归成一个片段，长度上限就是 **Max Clip Size**。片段会在切镜处断开，所以两个不同的镜头永远不会被混在一起。

这一步是整条管线的关节。它承认了一个事实：视频不是一叠图片，镜头是有语法单位的。在切镜处切断，等于把「同一段连续画面」作为处理的最小语义单元交下去。

**第四步，还原。** 每个片段以 256×256 的规格送进 BasicVSR++。片段之间会稍微重叠一点，这样接缝处不会出现肉眼可见的跳变。

重叠这一手很不起眼，但它是「看起来像一段视频」和「看起来像一堆碎片」的分界线。

**第五步，可选的二级修复。** 用 UNet 4x、RTX Super Res 或 Topaz TVAI 把还原出来的画面放大、变锐。

**第六步，混合。** 把修好的画面贴回原始帧，只有马赛克那块区域发生变化。

**第七步，编码。** 用 GPU 编码器输出，NVIDIA 走 NVENC，AMD 走 AMF。音频直接复制，只有当输出格式装不下它时才重新编码。

把这七步连起来看，会发现一个贯穿始终的取舍：**每一步都尽量少碰像素。** 检测只关心一块区域，还原只在 256×256 的小图上做，混合只覆盖那一块，编码只做一次。省下来的不只是时间，还有「改坏了别处」的风险。

第一次任务之所以慢，是因为第二步和第四步的模型，以及可能用到的 UNet 4x，都要针对你的具体显卡重新准备，这一准备只在 NVIDIA 上发生。结果落在 `model_weights`，之后反复使用，也可以复制到更新版本的 Jasna 里。

## LTX：另一条更慢、也更贪心的路

BasicVSR++ 是「还原」，LTX 更接近「重画」。

它不走上面那条流水线，而是把视频过四遍：找马赛克、准备、用扩散模型还原、保存。慢得多，但能补出更多真实的细节。

这种「更多细节」是可以按档位买的——不是花钱买，是花时间买：

| 档位       | 相对速度     |
| -------- | -------- |
| Standard | 默认，最快    |
| Good     | 约慢 1.5 倍 |
| High     | 约慢 2.5 倍 |
| Top      | 约慢 5 倍   |

扩散模型这条路线绕不开一个问题：它补出来的细节，有多少是画面里真有的，有多少是模型觉得「这里应该有」的。档位越高，模型参与的力度越大，画面越漂亮，也越需要你自己判断它补得对不对。

想先知道自己的卡撑不撑得住，可以跑 **Trial mode**，也就是速度测试。免费，会告诉你能不能跑 LTX、大概要多久，但**不还原视频**。

## 只修你选中的那一块

Jasna 在「修哪里」这件事上给足了控制权。

**Segment Editor** 让你圈定范围并预览效果，只处理你选中的部分。这比整段处理要省，也比整段处理要准——尤其是当画面里只有几个镜头出问题的时候。

**VR180** 视频也能处理，左右并排的 VR 画面有专门的处理方式。

**静态图片**走 SD 1.5 模型，标注为实验性。

**Video Player** 则是前面提过的那个「先看再决定」的入口：直接看还原后的播放效果，不生成文件。

对批量任务，命令行覆盖了应用里的大部分能力，但不是全部——Video Player、LTX 的种子预览、遮罩建议和交互式图片模式，只在图形界面里有。

## 命令行：三行命令，三种粒度

```bash
# 一个视频
jasna --input input.mp4 --output output.mkv

# 一张图片
jasna --input photo.png --output restored.png

# 一整个文件夹
jasna --input input_folder --output output_folder
```

三种粒度：单个文件、单张图片、整个目录。所有选项用 `jasna --help` 列出来。

如果你是从源码跑的，那里也能用免费的 BasicVSR++；但激活和支持者模型必须走官方发行版。这条界线划得很清楚——开源的是应用代码，不是模型。

## 性能：拿 RTX 5090 跑一段 3 分 22 秒

README 里给了一组直接的对比，条件是同一段 3 分 22 秒的视频、BasicVSR++、RTX 5090、Linux，数字是完整还原所需时间，越低越好。

| 输入          | Lada 0.11.0 | Jasna v0.9.1      |
| ----------- | ----------- | ----------------- |
| 720p H.264  | 01:47       | **00:32**，快 3.4 倍 |
| 1080p H.264 | 02:02       | **00:34**，快 3.6 倍 |
| 2160p H.264 | 04:56       | **01:03**，快 4.7 倍 |

三个数字放在一起看，有意思的不是绝对值，而是**分辨率越高，差距越大**。720p 到 2160p，像素量涨了九倍，Jasna 的耗时只从 32 秒涨到 63 秒。这说明瓶颈不在「处理多少像素」，而在那些与分辨率无关的固定开销——检测、跟踪、调度。

显存这一栏，README 给了一张按版本排列的典型值与峰值表，覆盖 720p、1080p、2160p 以及一段 15 秒的 8K VR HEVC 60fps，也给了更早版本的数据。同时留了一句很实在的提醒：**Lada 用的显存比 Jasna 少。**

这句话值得单独拎出来说。一份性能对比文档，通常只写自己赢的那一栏；这份把输的那一栏也写在摘要里。快是有代价的，代价就是显存。

## 免费，但模型要钱养

Jasna 是免费的。这一点没有含糊。

那模型从哪来？README 说得很直白：支持者的钱主要花在训练新模型上，而训练的大头是租 GPU。

支持换来的是一串「支持者模型」的许可证码：

| 门槛          | 得到什么                                                                        |
| ----------- | --------------------------------------------------------------------------- |
| 累计 15 美元或以上 | **UNet 4x**，让还原区域更锐利；**SD 1.5**，面向静态图片的实验模型                                 |
| 25 美元       | UNet 4x 与 SD 1.5，外加 **LTX**——比 BasicVSR++ 慢得多但细节更多，仅限 NVIDIA，含该 LTX 模型的后续更新 |

还有一个时间点：在 2026 年 10 月 14 日或之前已经给到 15 美元以上的支持者，可以免费拿到 LTX。

至于许可证码从哪来，文档把话说得很重：正版码只能从三个地方来——Buy Me a Coffee、Unifans，以及中国大陆的闲鱼卖家。除此之外，任何出售 Jasna、许可证码或修改版文件的人都是骗子：他们的密钥不生效，他们的文件可能在你机器上运行隐藏代码。Jasna 只从 GitHub 下载。

这段警告写得比多数项目都硬，但它对得起「本地跑、要执行文件」这件事的风险量级。

激活的流程也不复杂：打开 **Activate Jasna**，填入许可证码，点 **Activate online**。那台机器没网，或者在线激活失败，就走 **Manual** 手动方式。

一个许可证码可以用在 **3 台 PC 或云工作区**上。激活之后可以离线使用。租 GPU 的话还有专门的说明。

「什么算一台新机器」这条定义得挺细：Windows 上换主板算新机器，Linux 上重装系统算新机器，各占一个名额；重装 Windows、换显卡、换硬盘、换内存都不算，用同一个码重新激活即可。少数 Windows 机器没有真正的主板 ID，在那类机器上，换系统盘也会被算成新机器。

还有一条给老用户的提醒：如果你手里是 Jasna 0.10 时期的邮箱和密钥，它们已经不能用了，需要回到当初购买的地方换新的许可证码。

## 谁站在谁的肩膀上

文档末尾的致谢很短，但分量不轻。

**Lada**，托管在 Codeberg 上。Jasna 受它启发，在部分地方基于它构建；Jasna 使用的 `mosaic_restoration_1.2` 模型，正是由 Lada 的作者 ladaapp 训练的。

**ZeLeFans**，提供了 VR 检测模型，以及关于马赛克形状与 VR 投影的细致分析。

这两个致谢解释了一件事：这类工具的进步不是凭空长出来的。检测模型、还原模型、对马赛克形态的理解，每一块都有人先铺过路。

## 授权：一层一层分开算

Jasna 公开的应用源码采用 **AGPL-3.0**。但模型和打包进来的依赖各自保留自己的条款——不是一个大许可盖住全部，而是分层说明：许可与源码可得性一份文件，第三方模型声明一份，发行版源码对应关系一份。

这种拆法看着麻烦，其实是唯一诚实的拆法。代码是你写的，你可以决定它怎么授权；模型是别人训的，你没有权力替它做主。

## 最后

回到那个画面。

一小块被盖住的区域，周围一切都完好。Jasna 做的事，说穿了就是把注意力收窄：只在那一小块上找、只在那一小块上算、只在那一小块上改。为了做到这一点，它把整条流水线搬上了显卡，把镜头切成片段，把片段之间的接缝用重叠抹平，最后只把修补过的那一块贴回去。

这是一种很克制的工程审美。**能准确地说出「我不动别的地方」，比宣称「我什么都能修」要难得多。**


一段视频里，有一小块区域被马赛克盖住了。其余的一切——背景、人物、光线、噪点、镜头的轻微抖动——都是完好的，没有任何问题。

只在一小块地方动刀：Jasna 把视频里的马赛克逐帧修回去

一段视频里，有一小块区域被马赛克盖住了。其余的一切——背景、人物、光线、噪点、镜头的轻微抖动——都是完好的，没有任何问题。大多数视频修复工具的思路是「整帧处理」：把每一帧当成一张图，送进模型，出来一张更清晰、更平滑、也更陌生的图。代价是全局的，收益也是全局的，你没法只要其中一小块。

技术副总监/联合创始人

客户端

Jasna视频修复工具可精准去除马赛克，保留画面其余部分无损。支持BasicVSR++免费模型与LTX增强模型，提供实时预览、VR180及静态图片处理。要求NVIDIA或AMD显卡，显存配置具体。性能较Lada快3.4-4.7倍，显存占用较高。开源AGPL-3.0，支持者模型需付费获取许可证。

代码解释

扩散模型

Windows

GitHub

Linux

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

只在一小块地方动刀：Jasna 把视频里的马赛克逐帧修回去-腾讯云开发者社区-腾讯云

只在一小块地方动刀：Jasna 把视频里的马赛克逐帧修回去

只在一小块地方动刀：Jasna 把视频里的马赛克逐帧修回去

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐