AI 图片放大 — 在浏览器中将图片放大 2 倍或 4 倍
用在你设备上运行的 AI 超分辨率模型，把小图或低分辨率图片放大 2 倍或 4 倍。可前后对比，下载 PNG、JPG 或 WebP。
发现问题，或者觉得哪里可以更好？每条消息我们都会阅读，并尽快修复。
这款免费的 AI 图片放大工具用超分辨率神经网络，把小图或低分辨率图片放大到原来的 2 倍或 4 倍，边缘依然锐利，纹理也清晰可见，而不是普通缩放带来的一片模糊。拖入照片、商品图、旧网页图片或截图，选择 2 倍或 4 倍，下载前还能用滑块和原图对比，然后保存为 PNG、JPG 或 WebP。也可以一次批量放大多张图片（最多 10 张，依次处理），并打包成 ZIP 一起下载。
所用模型是 Real-ESRGAN（general x4v3），这是一个开源模型，经过训练专门消除真实低质量图片中的模糊、噪点和 JPEG 压缩痕迹，并且完全在你的设备上运行：图片从不上传。不过要清楚它能做什么。放大工具无法找回原图从未记录下的细节；它是根据学到的规律推测出看似合理的细节。这非常适合让小图在放大后显得干净清晰，但不适合任何需要精确细节的场合，比如辨认模糊的车牌或识别人脸。
使用方法
- 把图片拖到方框中，或点击选择图片（支持 JPG、PNG、WebP 等常见格式）。批量处理时，可一次选择或拖入最多 10 张图片。
- 选择 2 倍或 4 倍。页面会显示输出尺寸；如果放大 4 倍后某一边超过 8192 px 或总像素超过 1670 万，需要先把图片缩小。
- 点击“放大”。首次运行会下载 AI 引擎和模型，然后分块处理图片并显示进度条。可随时取消。
- 拖动对比滑块查看效果，切换到“100% 查看”可以按原始尺寸检查细节。
- 选择 PNG（无损，保留透明度）、JPG（更小，白色背景）或 WebP（最小）后下载。批量处理时，可以在每一行单独下载，也可以把全部图片打包成一个 ZIP 下载。
常见问题
AI 图片放大的原理是什么？
超分辨率模型是一种神经网络，用数以百万计的“清晰原图 + 降质缩小副本”图片对训练而成。它学会了边缘、纹理和细微结构在高分辨率下通常的样子，看到一张小图时，就根据这些规律推测缺失的像素。普通缩放只是在现有像素之间插值，所以看起来发虚；AI 的结果更锐利，是因为它添加了细节，但这些细节是学来的推测，而不是从原图中恢复的信息。
我的图片会被上传吗？
不会。模型通过 WebGPU 或 WebAssembly 在浏览器中运行，图片始终留在你的设备上。唯一需要下载的是首次使用时的 AI 引擎和模型文件，它们由本站提供，之后会被浏览器缓存。因此，未发布的产品照片、客户作品和私人照片都可以放心处理。
应该选 2 倍还是 4 倍？
选择能达到所需尺寸的最小倍数。4 倍可以把 500 px 的图片变成 2000 px，这是模型的原生倍数。2 倍是先得到同样的 4 倍结果，再用高质量重采样缩小，通常看起来更干净一些，文件大小也只有四分之一。两者处理时间相同。
为什么在我的电脑上很慢？
放大每张图片都要进行数十亿次计算。有 WebGPU 时（大多数台式机和笔记本上的新版 Chrome 和 Edge），由显卡完成计算，一张普通图片只需几秒。没有 WebGPU 时则在单个 CPU 核心上运行：在我们的测试中，一张 300 × 225 px 的图片在较新的笔记本上约需 10 秒，500 × 500 px 的图片大约需要半分钟到一分钟，老电脑和手机可能会慢好几倍。处理完前几个分块后，进度条会显示预计时间；处理期间你可以继续使用其他标签页。
哪些图片放大效果好？
对焦基本清晰的照片、商品图、插画、Logo 和网页小图放大效果都不错，模型还能清理 JPEG 块状压缩痕迹和轻微噪点。严重模糊或有运动模糊的照片放大后仍然模糊，小字可能会变形，人脸可能显得过于平滑或略有改变。使用前请务必按 100% 检查结果。
可以一次放大多张图片吗？
可以，每批最多 10 张。图片会在你的设备上依次放大，并分别显示当前图片和整批的进度条；每张完成的图片都可以单独对比和下载，也可以按你选择的格式全部保存为一个 ZIP。由于 AI 放大计算量很大，一批图片在有 WebGPU 时不到一分钟就能完成，在 CPU 上则可能要久得多。点击取消会停止处理剩余图片，已完成的图片会保留。
有尺寸限制吗？
放大后的结果最长边不超过 8192 px，总像素不超过 1670 万（约 4096 × 4096），以便内存占用控制在浏览器允许的范围内。对于 4 倍放大，这意味着输入图片最大约为 1024 × 1024 px；放大工具本来就是为小图设计的，已经很大的照片很少能从中受益。文件本身最大可达 25 MB。
AI 放大与普通缩放的区别
任何图片编辑器都能把图片放大。双三次（Bicubic）或 Lanczos 缩放把每个新像素计算为相邻像素的加权平均值，因此放大 4 倍后，图片包含的信息完全相同，只是摊到了 16 倍的像素上：边缘变成柔和的渐变，JPEG 压缩痕迹也被放大。这种方法结果可预测且忠于原图，对于小幅放大（约 1.5 倍以内）完全够用；图片尺寸调整工具可以瞬间完成。
AI 放大工具用预测取代了平均。Real-ESRGAN 是针对真实世界的各种画质劣化（模糊、噪点、压缩、缩放）训练的，因此能生成清晰的边缘，去掉大部分块状痕迹，并补出看似合理的细微纹理。对比滑块能直接展示差别：左侧是浏览器拉伸的原图，右侧是模型的输出。
代价是保真度。由于新增的细节是生成出来的，结果中可能出现照片里根本没有的东西：被磨平的皮肤、原本是噪点的地方变成规则图案、看起来清晰却略有错误的字母。对于网站首屏大图、商品缩略图或小照片的打印来说，这样的取舍很划算；但对于证据、文件或任何要求准确的用途，请保留原图。
获得最佳效果
• 从手头最好的源文件开始。放大原始文件，效果胜过放大它的截图或反复另存过的副本。
• 先裁剪。只放大需要的部分速度更快，也能让输出保持在尺寸限制之内；图片裁剪工具无需上传就能完成。
• 2 倍够用就用 2 倍。放大倍数越小，模型需要“编造”的内容越少，文件大小也只有 4 倍的四分之一。
• 按 100% 检查。适应宽度会掩盖瑕疵；发布前请切换到“100% 查看”，仔细看看人脸、文字和细密图案。
• 放大后再压缩。4 倍放大的 PNG 可能有几十 MB；用于网页时，请下载 WebP，或用图片压缩工具处理一下结果。
关于模型和你的隐私
本工具使用 Xintao Wang 等人开发的 Real-ESRGAN 项目中的 realesr-general-x4v3 模型，采用 BSD 3-Clause 许可发布。这是一个紧凑的模型（约 5 MB，120 万个参数），设计目标是处理真实世界的普通照片，而不仅仅是干净的测试图，因此很适合在浏览器中使用：体积小，下载快，在笔记本上也能跑得动。它由微软的开源推理引擎 ONNX Runtime Web 执行。
大图会被切分成相互重叠的分块，每块单独放大，再把各块的中心部分拼接起来，因此内存占用有上限，也看不出接缝。透明图片会保留透明度：模型处理颜色通道，Alpha 通道则用高质量重采样放大后再合并回去。这一切都在你的浏览器标签页中完成；关闭标签页后，任何地方都不会留下痕迹。