SUPIR 对比 SeedVR2：图像修复师遇上视频放大器

当任务是静态照片、且必须在你自己的硬件上、在非商业用途下完成时，选 SUPIR。SUPIR 专为真实感图像修复而生，能给受损照片带来很强的生成式细节。代价是一套很重的本地依赖栈，以及把商业使用留给授权方的许可证。

当任务涉及视频、想要宽松的 Apache-2.0 许可、或想要一条托管浏览器路径而不必配显卡时，选 SeedVR2。SeedVR2 也能修复图像，所以能替代不少静态照片任务，但它的重心是视频和托管放大器工作流，而不是一个专门的修图 Gradio 应用。

别光看论文图就下决定。在硬件和许可都允许时，把同一张受损静帧跑过两边，提前定义淘汰规则，按相同输出尺寸比较。正确的模型，是在你可接受的总成本和你的用途真正能接受的许可下、通过你真实素材的那一个。

SUPIR 是一个图像修复方法。它的论文、demo 和仓库都围绕「一张受损图进、一张修复图出」。官方发布里没有视频路径，所以跨帧的时间一致性不是设计目标。喂它一段序列，就等于逐帧喂，并接受逐帧独立决策。

SeedVR2 为视频修复而发布，同时也能处理图像。托管 SeedVR2.net 放大器接受视频文件或 URL，修复放大后返回成片视频。这种视频原生的定位，正是它和静态图像模型并列比较、而不是直接互相替换的主要原因。

实践规则从模态直接推出：一张受损照片可以两边都测；一段受损视频是 SeedVR2 的地盘，SUPIR 不是视频放大器。把两者混为一谈是这个对比里最常见的错误。

SUPIR 附带一份非商业使用声明和另一份软件许可协议。仓库声明该软件用于非商业目的，商业使用需事先获得作者的书面许可。这让 SUPIR 不适合产生收入的处理、客户工作、或嵌入付费产品，除非单独取得授权。

SeedVR2 由字节跳动按 Apache-2.0 发布。这个宽松许可允许在其条款内商业使用、修改和再分发。托管 SeedVR2.net 服务是另一个商业产品，但底层模型许可不是 SUPIR 那种门槛。

许可差异不是质量排名，但对很多团队是能否上线的闸门。如果你的修复工作赚钱或涉及客户素材，两份许可都要读，且别想当然：宽松的模型许可也不会豁免你对素材本身的数据处理义务。

SUPIR 以本地 Python 项目加 Gradio demo 的形式部署。你克隆仓库、装 conda 环境、下载 SUPIR 权重加上 SDXL 和 LLaVA 依赖，然后启动 demo。官方在 suppixel.ai 有在线应用，但规范的开源路径是自托管，而且不止一个权重文件那么重。

SeedVR2 的门槛最低的入口是托管浏览器放大器：上传或引用一段片子、选分辨率、看清积分预检、提交、下载。离线则用维护中的 ComfyUI 模板在本地显卡上跑官方权重。同一模型家族还有 fal 或 WaveSpeed 的 API 路径。

部署的差别改变的是技能和时间成本，不只是钱。SUPIR 需要 Python 环境和多份权重下载。SeedVR2 的托管路径只要一个浏览器，本地路径则需要 ComfyUI 加模型文件。让部署方式匹配你实际拥有的操作者和机器。

SUPIR 文档列出的依赖会同时加载 SDXL、LLaVA CLIP 编码器和 LLaVA 13B 模型。这是很重的栈，实践中预期需要高显存显卡，配置更接近跑一个大生成模型而不是一个紧凑放大器。发布的 README 还列出 demo 运行前要放好的多份权重。

SeedVR2 的本地路径同样需要真实显存，本站也明确说 8GB 不是保证。较轻的入口是 3B INT8 权重，7B 是更重的替代。托管 SeedVR2.net 路径把推理搬到供应商端，从而绕开本地显存，这是没有工作站显卡时的关键区别。

满足发布的最低要求，并不预测你在特定分辨率、编码和片长下的吞吐。在确切的机器上给有代表性的镜头计时；托管 SeedVR2 还要把上传和排队算进去。比较的是人到交付的总时长，而不只是模型加载的说法。

一次 SUPIR 运行是提示词引导、面向图像的：demo 暴露放大倍数、采样步数、控制强度、颜色修复类型，以及把重建导向照片感的正向和负向提示词。这种引导对受损照片很强大，但意味着操作者可以把结果带离源，所以身份和纹理需要检查。

一次 SeedVR2 托管运行则刻意更短：源、分辨率、积分预检、提交、下载。旋钮更少，适合视频和偶尔的任务。两边复查纪律相同：检查人脸、小字、头发和布料纹理、运动一致性，并把源放在输出旁边。

两个工具里，一张好看的静帧都证明不了什么。建一个小测试集：运动中的人脸、小字、暗部压缩区、细密重复纹理。查看前定义淘汰规则，按相同输出尺寸比较，如果结果确实按源类型而不同，就让它不同。