Spark VSSR：谷歌開源影片超解析度工具，全套權重與訓練程式碼開放

Spark VSSR（開源庫名為 SparkVSR）是一個專門用來修復和放大低畫質影片的超解析度工具。無論是野生動物特寫、室內外風景，還是年代久遠的老電影甚至 3D 動畫，它都能在放大解析度的同時，把原本模糊的紋理和建築細節重新銳化出來。

它能做什麼

大多數現有的影片超解析度工具就像個黑盒子。一旦生成畫面出現奇怪的偽影，你很難手動干預，只能被迫接受模型吐出來的結果。

Spark VSSR 換了一種更聰明的思路，讓使用者可以用關鍵幀來控制整段影片的修復質量。

你可以先用任意好用的圖片超分工具，把影片裡的少數關鍵幀單獨放大並精修好。接著 Spark VSSR 就會把這些高畫質先驗平滑傳遞到整個影片序列，同時緊緊貼合原本的運動軌跡。

在基準測試中，它在 CLIP-IQA、DOVER 和 MUSIQ 等畫質評估指標上，分別比基線模型提升了 24.6%、21.8% 和 5.6%。比起常見的 Star、CDVR 或 Flash VSSR，它生成的畫面不僅更銳利，幀與幀之間的穩定性也明顯更好。

硬體要求與開放程度

這次開源開放得非常徹底。專案方不僅放出了推理程式碼和預訓練權重，連完整的訓練程式碼、訓練資料集配置以及 ComfyUI 外掛都一併公開了。

不過，想在本地跑起來門檻並不低。整套模型與相關資源的總大小約為 42.2 GB，必須配備效能強勁的高階 GPU 才能順暢執行。

軟體環境方面，它需要 Python 3.10 以上版本、PyTorch 2.5.0 以及 Diffusers 庫支援。如果你想上手，程式碼已經放在 GitHub 上的 taco-group/SparkVSR 倉庫，社群也已經上線了 ComfyUI 工作流和線上試用節點。

為什麼重要

對於做老片修復、動畫重置或專業影片後期的人來說，Spark VSSR 帶來了一種真正實用的控制權。以往用 AI 放大影片全憑運氣抽卡，現在只要把幾張關鍵幀修好，整段影片的畫質就能被帶上一個臺階。

更關鍵的是它把全套訓練管線和資料集都交了出來。我們認為，比起只給網頁 demo 或呼叫介面的黑盒商業產品，這種全開放的做法讓創作者和開發者能夠真正微調屬於自己的影片管線。只要你手裡有足夠的高階顯示卡算力，它非常值得立即拉取下來測試。