enhancr是一个优雅且易用的视频帧插值和视频上采样图形用户界面，利用人工智能技术构建，基于node.js和Electron开发。它的创建旨在提升用户体验，面向所有对使用人工智能增强视频素材感兴趣的用户。该界面旨在提供令人惊叹的体验，采用最先进的技术，同时避免感觉笨重和过时，这是其他替代方案的常见问题。

界面预览图

它采用NVIDIA的极速TensorRT推理，可以显著加快AI处理速度。预先打包，无需安装Docker或WSL（Windows子系统for Linux）。此外，还包含腾讯的NCNN推理，轻量级且可在NVIDIA、AMD甚至Apple Silicon上运行 - 这与庞大的PyTorch推理形成对比，后者仅在NVIDIA GPU上运行。

特性

实时编码视频并从源视频读取帧，无需提取帧或加载到内存
批处理队列
集成在UI中的实时预览，不影响性能
允许串联插值、上采样和修复
提供处理前裁剪视频的可能性
可加载onnx和pth格式的自定义ESRGAN模型，并自动转换
内置场景检测，在场景变化帧上跳过插值并减少伪影
用户可自定义颜色主题
Discord Rich Presence，向你的朋友展示进度、当前速度和正在增强的内容
实时播放器（假设你有足够强大的GPU），完美支持音频、字幕、字体、附件等
... 以及更多功能

安装

0.9.9版本提供免费版本🎉 https://dl.enhancr.app/setup/enhancr-setup-free-0.9.9.exe

为确保您获得最新版本的软件和所有必要的依赖项，我们建议从Patreon下载安装程序。请注意，Pro版本的构建和可嵌入的Python环境不会通过此存储库提供。

安装程序

内置引擎

插值

RIFE (NCNN) - megvii-research/ECCV2022-RIFE - 由styler00dollar/**VapourSynth-RIFE-NCNN-Vulkan**提供支持

RIFE (TensorRT) - megvii-research/ECCV2022-RIFE - 由AmusementClub/**vs-mlrt和styler00dollar/VSGAN-tensorrt-docker**提供支持

GMFSS - Union (PyTorch/TensorRT) - 98mxr/GMFSS_Union - 由HolyWu/**vs-gmfss_union**提供支持

GMFSS - Fortuna (PyTorch/TensorRT) - 98mxr/GMFSS_Fortuna - 由HolyWu/**vs-gmfss_fortuna**提供支持

CAIN (NCNN) - myungsub/CAIN - 由mafiosnik/vsynth-cain-NCNN-vulkan提供支持（未发布）

CAIN (DirectML) - myungsub/CAIN - 由AmusementClub/**vs-mlrt**提供支持

CAIN (TensorRT) - myungsub/CAIN - 由HubertSotnowski/**cain-TensorRT**提供支持

上采样

ShuffleCUGAN (NCNN) - styler00dollar/VSGAN-tensorrt-docker - 由AmusementClub/**vs-mlrt**提供支持

ShuffleCUGAN (TensorRT) - styler00dollar/VSGAN-tensorrt-docker - 由AmusementClub/**vs-mlrt**提供支持

RealESRGAN (NCNN) - xinntao/Real-ESRGAN - 由AmusementClub/**vs-mlrt**提供支持

RealESRGAN (DirectML) - xinntao/Real-ESRGAN - 由AmusementClub/**vs-mlrt**提供支持

RealESRGAN (TensorRT) - xinntao/Real-ESRGAN - 由AmusementClub/**vs-mlrt**提供支持

RealCUGAN (TensorRT) - bilibili/ailab/Real-CUGAN - 由AmusementClub/**vs-mlrt**提供支持

SwinIR (TensorRT) - JingyunLiang/SwinIR - 由mafiosnik777/SwinIR-TensorRT提供支持（未发布）

修复

DPIR (DirectML) - cszn/DPIR - 由AmusementClub/**vs-mlrt**提供支持

DPIR (TensorRT) - cszn/DPIR - 由AmusementClub/**vs-mlrt**提供支持

SCUNet (TensorRT) - cszn/SCUNet - 由mafiosnik777/SCUNet-TensorRT提供支持（未发布）

系统要求

最低配置：

支持超线程的双核CPU
支持Vulkan的图形处理器用于NCNN推理 / 支持DirectX 12的图形处理器用于DirectML推理
Windows 10

macOS和Linux支持

该GUI在设计时考虑了跨平台兼容性，兼容这两种操作系统。 目前我们的主要重点是为Windows用户提供稳定且功能完善的解决方案，但对Linux和macOS的支持将在1.0更新中提供。

enhancr-macos

计划支持Apple Silicon，~~但目前我只有一台Intel Macbook Pro用于测试~~我将在Amazon AWS上获取一个Apple Silicon实例来实现这一功能，以赶上1.0版本的发布。

基准测试

输入尺寸：1920x1080 @ 2x

	RTX 2060S ¹	RTX 3070 ²	RTX A4000 ³	RTX 3090 Ti ⁴	RTX 4090 ⁵
RIFE / rife-v4.6 (NCNN)	53.78 fps	64.08 fps	80.56 fps	86.24 fps	136.13 fps
RIFE / rife-v4.6 (TensorRT)	70.34 fps	94.63 fps	86.47 fps	122.68 fps	170.91 fps
CAIN / cvp-v6 (NCNN)	9.42 fps	10.56 fps	13.42 fps	17.36 fps	44.87 fps
CAIN / cvp-v6 (TensorRT)	45.41 fps	63.84 fps	81.23 fps	112.87 fps	183.46 fps
GMFSS / Up (PyTorch)	-	-	4.32 fps	-	16.35 fps
GMFSS / Union (PyTorch)	-	-	3.68 fps	-	13.93 fps
GMFSS / Union (TensorRT)	-	-	6.79 fps	-	-
RealESRGAN / animevideov3 (TensorRT)	7.64 fps	9.10 fps	8.49 fps	18.66 fps	38.67 fps
RealCUGAN (TensorRT)	-	-	5.96 fps	-	-
SwinIR (PyTorch)	-	-	0.43 fps	-	-
DPIR / Denoise (TensorRT)	4.38 fps	6.45 fps	5.39 fps	11.64 fps	27.41 fps

¹ _{锐龙5 3600X - Gainward RTX 2060 Super @ 原厂设置}

² _{锐龙7 3800X - 技嘉 RTX 3070 Eagle OC @ 原厂设置}

³ _{锐龙5 3600X - PNY RTX A4000 @ 原厂设置}

⁴ _{i9 12900KF - 华硕 RTX 3090 Ti Strix OC @ ~2220MHz}

⁵ _{锐龙9 5950X - 华硕 RTX 4090 Strix OC - @ ~3100MHz，使用曲线以达到最佳性能}

故障排除和常见问题解答（FAQ）

本部分已移至维基：https://github.com/mafiosnik777/enhancr/wiki

请查看以了解如何充分利用enhancr或如何解决各种问题。

推理

TensorRT是NVIDIA GPU的高度优化AI推理运行时。它使用基准测试来为您的特定GPU找到最佳内核，并且需要额外的步骤在您要运行AI的机器上构建引擎。然而，最终的性能通常比任何PyTorch或NCNN实现都要好得多。

NCNN是一个为移动平台优化的高性能神经网络推理计算框架。NCNN没有任何第三方依赖。它是跨平台的，在大多数主要平台上运行速度比所有已知的开源框架都快。它支持NVIDIA、AMD、Intel Graphics甚至Apple Silicon。 NCNN目前被用于许多腾讯应用中，如QQ、Qzone、微信、天天P图等。