Jasna v0.11.1（由开发者 Kruk2 维护的开源 GPU 加速视频与图像马赛克修复工具）已正式发布。本次更新最核心的突破是引入了全新的 LTX 视频扩散修复模型（Diffusion Restoration Model），将视频修复从传统的光流超分推向了生成式细节重构阶段。
一、 Jasna v0.11.1 核心更新与整体技术特点
1. v0.11.1 版本更新要点
新增 LTX 修复模型：相比默认的 BasicVSR++，LTX 能够生成更丰富、更自然的纹理细节（目前仅支持 NVIDIA 显卡）。队列与导出控制优化：支持在任务队列运行过程中动态修改导出后的操作（如关机或执行自定义命令），并新增关机前倒计时提示（#366）。大规模队列 GUI 加速：大幅提升了任务队列中包含大量视频文件时的图形界面响应速度（#355）。音视频底层修复：修复了 HEVC、WMV、AAC 编码处理及部分视频丢音（Dropped Audio）的问题（#367、#369、#390、#407、#417）。多语言与引擎复用：新增韩语和泰语界面支持；支持直接从旧版本复制 model_weights 文件夹，免去首次运行时漫长的 TensorRT 引擎重编译过程（约 15–60 分钟）。(注：v0.11.1 暂未打包 AMD 版本，计划在下一版本补齐)
2. Jasna 底层管线架构
Jasna 的核心优势在于全链路 GPU 硬件加速管线，几乎所有计算均在显存内闭环完成：
硬件解码：调用 NVIDIA NVDEC（或 AMD AMF）直接在 GPU 上解码视频流。目标检测与时序追踪：默认使用 rfdetr-v6（针对 4K 可选 rfdetr-v6-large，VR 视频可选 rfdetr-vr-v1）逐帧检测目标区域，并通过时序掩码插值填补偶发的漏检帧，消除闪烁。场景切分检测（Scene Cut Detection）：自动识别硬切镜头并截断处理片段（Clip），防止跨镜头混合导致伪影。双轨修复引擎：提供追求速度的 BasicVSR++（免费默认）与追求极致细节的 LTX（支持者专属）两种方案。局部融合与硬件编码：仅将修复后的区域重绘回原画面，其余未受损像素 100% 保持原样，最后通过 NVENC / AMF 硬件编码输出。
二、 LTX 模型深度解析：技术特点与工作机制
传统的 BasicVSR++ 采用双向循环光流对齐机制，将修复区域缩放到 256×256 进行时序超分（往往需要配合 UNet 4x、RTX Super Res 或 Topaz TVAI 进行二次放大）；而 LTX（基于 Lightricks 的 LTX-Video 扩散架构微调的 ltx-restore-alpha1）则采用视频扩散生成机制，直接合成高保真细节。
1. BasicVSR++ 与 LTX 核心对比
2. LTX 模型的五大关键技术特性
多精度与蒸馏变体（原生适配 RTX 50 系 NVFP4）
LTX 模型采用按需下载机制（支持自动回退至国内镜像 hf-mirror.com），提供三种核心推理配置，结合了步数蒸馏（Distillation）与低比特量化（INT8 / NVFP4）技术：
Standard（标准模式，默认）：采用 8 步蒸馏的 INT8 量化权重（ltx-restore-alpha1-distill8-int8，约 15 GB），兼顾生成质量与推理速度。Best（最佳质量模式，--restoration-model-name ltx-undistilled）：采用未蒸馏的完整 INT8 权重（额外下载约 13 GB），细节还原度比标准版更高，耗时约为标准版的 1.5 倍。Fast Mode（极速模式，--ltx-fast，仅限 RTX 50 系显卡）：利用 NVIDIA Blackwell 架构专有的硬件级 NVFP4（4-bit 浮点） 加速能力（权重约 9 GB），在仅损失极其细微细节的前提下，推理速度提升约 1.4 倍。
大画布高精度模式（Sharper Large Mosaics，--ltx-large-canvas）
针对特写镜头或 4K 视频中的大面积马赛克，开启该选项会扩大扩散模型的生成画布尺寸，显著提升大面积区域的清晰度与毛发、皮肤纹理细节。该模式下大马赛克区域的处理耗时约为普通模式的 3 倍，需要至少 12 GB 可用显存（在片段编辑器中建议使用 16 GB 显存以上的显卡）。智能混合分段修复（LTX Only for Big Mosaics，--ltx-auto-split）
由于扩散模型推理耗时较长，Jasna 设计了智能混合调度机制：
先以极高帧率（在 RTX 5090 上可达 2,000 FPS）扫描全片，分析每一处马赛克的尺寸占比。当马赛克最长边达到画面高度的指定比例（推荐阈值为 12%）时，自动划定为 LTX 修复区间；其余小面积区域则交由高速的 BasicVSR++ 处理。未处理的片段直接无损复制原视频编码流（Copy Codec），在长视频上能节省大量时间。
随机种子控制与多版本比对（Seed Control，--ltx-seed）
利用扩散模型的生成特性，不同的随机种子（Seed）会衍生出略有差异的细节纹理，而相同种子则保证结果 100% 可复现。在 GUI 的 Segment Editor（片段编辑器） 中，用户可以针对特定片段渲染多个不同 Seed 的结果，并在“Tried（已尝试）”列表中直观对比，挑出最自然的一版后再执行全片导出。自适应显存卸载管理（Self-Managed Memory Offloading）
LTX 不受限于传统的 Max Clip Size 参数，而是自带动态内存管理器：在显存较小的显卡（最低 8 GB VRAM）上运行时，引擎会自动将部分模型权重与中间状态卸载（Offload）至系统内存中（需至少 16 GB 系统内存，实际占用约 10 GB RAM），使主流 8 GB 显存显卡也能跑通大模型视频扩散管线。
三、 硬件要求、性能基准与使用限制1. 硬件门槛与各显卡耗时基准
显卡要求：NVIDIA RTX 30 / 40 / 50 系列（RTX 20 系列理论上可用，官方已验证 RTX 2080 Ti；暂不支持 AMD 显卡）。存储与内存：最低 8 GB 显存（VRAM） + 16 GB 系统内存（RAM）。性能基准（修复 1 分钟 1080p 全程带马赛克视频 的参考耗时，使用 Standard 模型）：
已经有LTX模型破解的片子发布，效果几乎等于无码流出了，快去关注一下吧
还没有评论，来抢沙发吧。