Jasna 视频去马赛克完整指南：你的显卡能不能跑，几分钟出第一个成片

【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna

Jasna 是一款免费的视频去马赛克工具：它自动定位画面里的马赛克区域，用 AI 模型把被遮挡的部分重建出来，只改马赛克、其余画面原样保留，整条流程跑在 GPU 上。它同时提供图形界面（GUI）和命令行（CLI）两套入口。本文按你真实的使用顺序展开：先判断你的显卡能不能跑，再走一遍从安装到产出第一个成片的最小闭环，然后讲清哪些设置能让结果更对、哪些能让过程更快，最后给出实测数据和文档入口。

先做门槛自查：你的显卡能不能跑 Jasna

先说结论：NVIDIA GTX 16 系列及之后的显卡基本都能用；AMD 需要 RX 7000/9000 这一代较新的 GPU，属于实验性支持。下面这张表是你启动前要唯一需要核对的东西，核对完就不用再记了：

这些不必记。每个版本首次启动时，Jasna 会自动逐项核对 FFprobe、GPU、驱动和安装路径；更新驱动后也可以从页眉手动重跑一次，你只需按检查给出的结果处理。

显存放不下？有两道保险

第一道是自动的：显存放不下时，Jasna 会把等待中的帧临时挪到系统内存"借用"，需要时再移回来，全程不用你设置。第二道是你手动控制的，按顺序尝试：先把最大片段大小调低（例如从90降到60，4–6 GB 显存的显卡跑 1080p 建议从30起步）；再关掉二次修复或换一个更轻的；最后关掉浏览器、游戏等占用 GPU 的应用。

最小闭环：从拿到软件到第一个成片

先说结论：从解压到出片，正常情况只要四步，唯一的"坑"是第一次会慢，而这只慢一次。

1. 下载与你的系统和 GPU 厂商匹配的发行包。 做完后你应看到：一个压缩包，里面是jasna.exe（Windows）或jasna、run_jasna_amd.sh（Linux）这类可执行文件。
2. 解压到一个路径只含英文字母和数字的文件夹。 做完后你应看到：文件夹路径里没有任何中文、空格或非英文字符。
3. 启动：Windows 双击jasna.exe；Linux（NVIDIA）运行jasna文件；Linux（AMD）先装一次 AMD 的 AMF 视频运行库，再运行run_jasna_amd.sh。 做完后你应看到：图形界面打开，底部有一个▶按钮。
4. 拖入视频，按需选设置，点击底部的▶。 做完后你应看到：队列里出现这个视频并开始处理，日志区开始滚动输出。

界面里每个设置都有提示——把鼠标悬停在旁边的 ⓘ 图标上就能看到解释，新手不用查文档。

习惯命令行的人，两条命令就能开始，全部参数见 命令行参考：

# 单个视频 jasna --input input.mp4 --output output.mkv # 整个文件夹 jasna --input input_folder --output output_folder

第一次为什么特别慢，以及怎么不白等

第一次慢，是因为 Jasna 在 NVIDIA 上要为你的显卡把检测模型和修复模型（若用了 UNet 4x 也包括它）编译成 GPU 专用格式，这个编译过程大约要15–60 分钟，而且只发生这一次。对策：编译期间关掉浏览器等其他应用，把显存留给 Jasna；结果会缓存在model_weights目录，之后每个任务直接复用。升级新版本时把model_weights文件夹整个复制过去，就不用再等。

把结果做对：按目标挑功能，而不是逐个功能试

下面这些功能都影响最终画面，按"你想达到什么效果"归类。先想清楚目标，再选对应的功能。

目标一：让修复区域更清晰

BasicVSR++ 把每块马赛克重建为 256x256 的画面，遇到大马赛克、特写或 4K 视频时可能偏软。两种办法让它更清晰：

• 二次修复（仅 NVIDIA）：先把这块图放大到 512x512 或 1024x1024 再放回画面。可选RTX Super Res（免费、非常快、无需安装任何东西，但部分视频会闪烁，建议先用短片段试）、UNet 4x（支持者专享，质量接近 TVAI 的iris-2，速度比 TVAI 快）、Topaz TVAI（质量接近 UNet 4x 但非常慢，需要付费的 Topaz Video，仅 Windows）。
• LTX（支持者专享）：比 BasicVSR++ 慢很多（RTX 5090 上耗时约为视频长度的 1–2 倍），但能加回更多真实细节，适合你最在意的视频。

拿不准 LTX 跑不跑得动，就先开试用模式（速度测试）：它全速执行 LTX 流程但不实际修复视频，让你看清自己的 GPU 能不能跑、要多久。

目标二：只修有马赛克的那部分

视频未必处处有马赛克。区间编辑器（队列项上的剪刀按钮打开）可以按帧精确选择要修的范围，未选部分原样复制进输出——既更快，其余画面也保持原始质量。内置的马赛克扫描能快速定位含马赛克的片段（RTX 5090 上约 2,000 FPS），扫描结果可以直接批量添加为待修区间，还能打开修复预览、缩放平移检查。检测模型和置信度阈值会按每个视频单独记忆。NVIDIA 和 AMD 均支持，详见 只修复视频的一部分。

目标三：处理特殊素材

• VR180：左右并排（side-by-side）的 VR 视频会被拆开，逐眼分别修复再拼回。自动模式会把高度超过 1080 像素的 2:1 视频（如 3840x1920、8192x4096）识别为 VR，并按片商自动选择修复前的展平方式（原始/鱼眼/球心投影），未知片商默认"原始"。内置的rfdetr-vr-v1检测模型最适合 VR。注意 LTX 不支持左右并排 VR180，详见 VR180 视频。
• 静态图片：走另一个实验性的 SD 1.5 模型（支持者专享，模型约 6.9 GB，首次使用时下载，需约 7 GB 显存）。把图片加入队列就会自动识别，无需切换设置；GUI 的"交互式处理图片"提供左右对比视图，可逐张浏览、换种子、对比原图/遮罩/修复结果，只保存满意的变体，比反复重跑整个任务快得多。

把过程做快：按规模挑功能

下面这些功能都不影响画质，只影响你能多快、多省事地跑完一批东西。

• 缓存复用：model_weights里已经编译好的模型，每个任务直接复用；换版本时把它复制过去即可，避免再次编译。
• 批量处理：把整个文件夹作为输入，Jasna 会先处理图片、再处理视频，一次跑完一批。
• 流媒体输出：加--stream参数（Windows 上即jasna.exe --stream）启动 HLS 串流，修复的同时就能在浏览器里看，支持跳转，端口默认 8765；也有定制 Stash 分支，播放场景时边看边修。详见 流媒体。
• 处理中即可播放（fMP4）：普通 MP4 要等任务跑完才能打开，加--fmp4后输出还在生成时就能播放，适合尽早检查质量，中断后文件仍可播放。
• 60→30 FPS 降帧：60（或 59.94）帧率的视频加--retarget-high-fps，每两帧处理一帧，工作量减半，音频和速度保持正确。
• 仅大马赛克用 LTX：用--ltx-auto-split（或区间编辑器里的同名选项），大马赛克交给更细致的 LTX，其余交给更快的 BasicVSR++，长视频能省很多时间。
• 云 GPU：自己显卡跑不动时，可租 RunPod、Vast 等 GPU 跑，详见 云 GPU。
• 队列完成后动作：整批跑完后可自动关机或执行自定义命令（如发一条通知），适合挂机跑大批量任务，详见 高级处理。

实测数据：Jasna 去马赛克有多快

先说结论：用 BasicVSR++ 修复完整一段 3 分 22 秒的视频，Jasna v0.9.1 比 Lada 0.11.0 快 3.4–4.7 倍，显存占用也远低于自己的早期版本。测试环境：RTX 5090（32 GB）+ Linux，驱动 595.84，i9-13900K，统一用--max-clip-size 180 --temporal-overlap 15，输出 HEVC，丢弃一次预热后取数。

显存占用（典型 / 峰值，GB）：

1080p 场景的显存峰值现在约 5.6 GB，只有早期 v0.4.1（约 21.4 GB）的四分之一左右。全部编解码器、旧版本对比和测试方法见 完整基准测试报告。

高频疑问

Jasna 收费吗？工具本身完全免费：检测、BasicVSR++ 修复、RTX Super Res 二次修复、区间编辑、流媒体等核心功能都能直接用。UNet 4x、SD 1.5、LTX 属于支持者模型，需要许可证码；码只能从官方渠道获取，其他卖家卖出的密钥无法使用，修改版文件还可能运行隐藏代码。

没有 NVIDIA 显卡能用吗？可以，AMD 用户走实验性的 ROCm 路径（Radeon RX 7000/9000 等），但二次修复和 LTX 均不支持。

输出会覆盖原文件吗？不会。输出位置默认为"与输入相同"（写在原文件旁边）；文件冲突时默认自动重命名，也可选择覆盖或跳过。

LTX 是不是很挑配置？是。LTX 需要 NVIDIA RTX 显卡、至少 8 GB 显存和 16 GB 系统内存。拿不准就先跑免费的试用模式（速度测试），它全速执行但不实际修复视频，让你看清自己的 GPU 能不能跑、要多久。

第一次为什么这么慢，以后还慢吗？慢是因为首次要为你的显卡编译 GPU 专用模型（约 15–60 分钟），只发生一次；结果缓存在model_weights，之后任务直接复用，把该文件夹复制到新版本即可继续免等。

延伸入口

【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna