Real-ESRGAN — апскейл

Сама модель бесплатна — лицензия BSD-3-Clause разрешает любое использование, включая коммерческое. Веса скачиваются с GitHub (xinntao/Real-ESRGAN) или Hugging Face без регистрации и платежей.

Расходы возникают только за инфраструктуру:

На собственной видеокарте себестоимость апскейла — доли копейки за кадр (только электричество). Готовые веб-сервисы включают GPU, очередь, хранение и API — поэтому берут фиксированную цену за фото в рублях. Цены сторонних платформ приведены как ориентир и могут меняться.

Да, полностью доступен. Это open-source проект на GitHub (xinntao/Real-ESRGAN) и Hugging Face — оба ресурса открываются из РФ напрямую без VPN. Санкционных ограничений на лицензии BSD-3-Clause нет: она прямо разрешает коммерческое использование в любой юрисдикции, включая Россию и Беларусь.

Веса можно скачать, развернуть локально и пользоваться бесплатно без ограничений по объёму или прибыли. Особенно удобна портативная сборка realesrgan-ncnn-vulkan: распаковал архив и запустил — Python и CUDA не нужны, работает даже на встроенной графике и CPU.

Для облачной аренды GPU в РФ работают Selectel, Cloud.ru, Yandex Cloud — все принимают рубли и выдают акт с УПД для ИП и ООО. Если своего железа нет и не хочется разбираться с командной строкой, есть готовые веб-инструменты с оплатой в рублях — например апскейл фото в PhotoPanda через ЮKassa с картами МИР и СБП, без валютных карт и регистрации в зарубежных сервисах.

Это апскейлеры разных поколений и философий.

Real-ESRGAN — классическая GAN-архитектура 2021 года (Tencent ARC Lab). Быстрая, лёгкая, работает даже на CPU, не «выдумывает» несуществующие детали. Идеальна для предсказуемого апскейла, где важна честность к оригиналу.

SeedVR2 (ByteDance, 2025) и SUPIR (2024) — диффузионные модели. Они не просто увеличивают, а «дорисовывают» правдоподобную текстуру: поры кожи, волоски, буквы. Результат детальнее, особенно на лицах и AI-генерациях, но требует много VRAM и работает медленнее.

Вывод: для каталогов, документов и пакетной обработки, где нельзя «додумывать» детали, — Real-ESRGAN. Для максимальной детализации портретов и генераций — SeedVR2 или SUPIR.

Real-ESRGAN сам по себе — апскейлер общего назначения, лица он увеличивает вместе со всей картинкой, но специально их не реконструирует. Для восстановления лиц используется встроенная интеграция с GFPGAN.

Как это работает:

1. При запуске добавляете флаг --face_enhance (в командной строке) или включаете опцию «восстановление лиц» в GUI-инструменте.
2. Real-ESRGAN апскейлит фон и общую картинку.
3. GFPGAN отдельно обрабатывает области лиц — восстанавливает глаза, зубы, черты, убирает размытие и артефакты сжатия.
4. Результаты бесшовно собираются в итоговое изображение.

Это особенно полезно для реставрации старых портретов: выцветшие семейные фото, отсканированные снимки, кадры с плёнки. GFPGAN «дорисовывает» правдоподобные черты лица там, где оригинал утратил детали.

Важно понимать ограничение: GFPGAN реконструирует лица правдоподобно, но не гарантированно точно — на сильно испорченных фото восстановленное лицо может немного отличаться от реального. Для критичных задач (документы, идентификация) это нужно учитывать. Если хотите чуть более натуральный результат без «полировки» кожи в пластик — сравните с диффузионным SeedVR2, который бережнее относится к индивидуальным особенностям лица.

Да, Real-ESRGAN — полностью бесплатная open-source модель под лицензией BSD-3-Clause. Никаких подписок, лимитов запросов или ограничений по объёму и коммерческому доходу.

Что входит в «бесплатно»:

• Скачать веса с GitHub или Hugging Face без регистрации
• Использовать в личных и коммерческих проектах
• Перепродавать продукты на её основе
• Дообучать на своих данных (fine-tune)
• Встраивать в SaaS, плагины, мобильные приложения

Единственное обязательство — сохранять копирайт авторов и текст лицензии BSD-3-Clause в исходниках или документации продукта. Это менее строгое требование, чем у GPL: не нужно открывать собственный код.

Если своего железа нет, бесплатные варианты тоже есть: десктоп-приложение Upscayl (open-source GUI на базе Real-ESRGAN), портативная сборка realesrgan-ncnn-vulkan (работает даже на CPU) или ноды в ComfyUI. Расходы возникают только если арендуете облачный GPU (~80 ₽/час) или пользуетесь платным API вроде Replicate. Для разовых задач в рублях без установки — веб-инструмент апскейла фото.

Да, и это одна из сильных сторон Real-ESRGAN — для рисованного контента есть отдельная специализированная модель.

RealESRGAN_x4plus_anime_6B обучена именно на аниме, манге и иллюстрациях. Она бережно обрабатывает чистые линии, плоские заливки цвета и характерную стилистику рисунка, не превращая их в «мыло» и не добавляя фотографический шум. По качеству на современном контенте она обычно превосходит классический waifu2x, который долго был стандартом апскейла аниме.

Есть также RealESRGAN AnimeVideo-v3 — вариант для анимационного видео (обработка покадрово с учётом специфики движущейся графики).

Важное правило: для рисунков используйте именно аниме-модель, а не фотомодель RealESRGAN_x4plus. Фотомодель обучена на реальных снимках и на плоских заливках рисунка даёт грязь, ложную «текстуру» и артефакты на границах линий. И наоборот — аниме-модель не стоит применять к реальным фотографиям, там она сгладит важные детали.

В большинстве веб-инструментов и GUI (ComfyUI, chaiNNer, Upscayl) выбор модели — это просто пункт в выпадающем списке, так что переключаться между «фото» и «аниме» можно в один клик под конкретную задачу.

Есть два пути — простой (без кода) и продвинутый (Python).

Простой способ — портативная сборка ncnn-vulkan (5 минут):

1. Зайдите в раздел Releases репозитория xinntao/Real-ESRGAN на GitHub.
2. Скачайте архив realesrgan-ncnn-vulkan под вашу ОС (Windows, Linux или macOS).
3. Распакуйте и запустите из командной строки одной командой, указав входной и выходной файл.

Эта сборка не требует Python, CUDA или PyTorch, работает на видеокартах Intel/AMD/NVIDIA через Vulkan, а также на CPU (медленнее). Идеально для разовых задач и пользователей без опыта разработки.

Продвинутый способ — Python:

1. Установите Python 3.8+ и PyTorch (с CUDA для GPU или без — для CPU).
2. Клонируйте репозиторий: git clone https://github.com/xinntao/Real-ESRGAN и установите зависимости.
3. Запустите inference_realesrgan.py с указанием модели, кратности и флага --face_enhance для лиц.

Минимальные требования: для GPU-ускорения — любая современная видеокарта; на слабых картах включайте тайлинг (--tile 256), чтобы не упереться в нехватку VRAM. CPU-режим работает без видеокарты, но заметно медленнее на крупных фото.

Для полного отсутствия командной строки возьмите Upscayl — это графическое приложение поверх Real-ESRGAN с апскейлом в один клик.

Выбор зависит от бюджета, объёма и требований к качеству.

Real-ESRGAN — бесплатный open-source (BSD-3). Быстрый, лёгкий, встраивается куда угодно, работает даже на CPU. Отлично подходит для пакетной обработки, каталогов, реставрации и апскейла AI-генераций. Не «выдумывает» лишнего.

Topaz Gigapixel AI — коммерческое десктоп-приложение с платной лицензией. Удобный интерфейс, несколько специализированных нейросетей под разные типы контента, часто чуть более «вылизанный» результат на премиум-фото и портретах. Но это разовая или подписочная плата и оплата в валюте.

Практический вывод: если нужен бесплатный, автоматизируемый и доступный из России инструмент — Real-ESRGAN (или Upscayl как GUI поверх него). Если готовы платить за максимальный комфорт и работаете с единичными премиум-снимками — Topaz. Для многих задач разница в качестве непринципиальна, а экономия существенна.

Основная модель RealESRGAN_x4plus обучена на кратности ×4 — это увеличение в 4 раза по каждой стороне (в 16 раз по площади). Например, фото 512×512 превращается в 2048×2048.

Есть также модель RealESRGAN_x2plus для более деликатного увеличения ×2 — когда нужно чуть повысить чёткость без агрессивного апскейла.

Произвольный масштаб задаётся параметром --outscale: можно попросить, скажем, ×3 или ×3.5, и модель отработает ×4 внутри, а затем ресайзнет результат до нужного размера. Но важно понимать: модель обучена именно на ×4, поэтому лучшее качество — на кратности, близкой к ней.

Не стоит требовать экстремального увеличения (×8, ×16) в один проход. Модель не обучена на таких масштабах и начнёт давать артефакты и «мыло». Правильный подход — апскейл в два прохода: сначала ×4, потом ещё раз ×4 (или ×2). Это даёт заметно более чистый результат, чем попытка получить огромный масштаб разом.

Для очень крупных исходных изображений (не для увеличения масштаба, а по объёму пикселей) используйте тайлинг (--tile): картинка режется на плитки, каждая апскейлится отдельно, затем всё собирается обратно без видимых швов. Так можно обрабатывать фото практически любого размера даже на видеокартах с малым объёмом VRAM.

Причина в методе обучения — это ключевое отличие Real-ESRGAN от предшественника ESRGAN и многих других апскейлеров.

Обычные модели сверхразрешения обучают на «чистых» парах «маленькое фото → большое фото», где уменьшение сделано простым бикубическим ресайзом. В реальной жизни фотографии портятся совсем иначе: размытие объектива, шум матрицы, зерно, многократное JPEG-сжатие при пересылке, ресайзы. Модель, обученная на «чистой» деградации, на реальных испорченных снимках работает плохо.

Real-ESRGAN использует сложную синтетическую деградацию высокого порядка: при обучении к чистым картинкам многократно применяются случайные размытия, разные виды шума, артефакты JPEG и понижения разрешения в разном порядке. Это имитирует то, как фото реально «умирают» в интернете и мессенджерах.

Практический результат: модель отлично справляется с:

• Старыми отсканированными и плёночными фото
• Скриншотами и мемами, много раз пережатыми в Telegram и WhatsApp
• Картинками с камер низкого качества
• Изображениями с сильными JPEG-«квадратиками»

Именно поэтому в названии — «Real» (реальный мир) и «Blind» (слепое сверхразрешение): модель не знает заранее, как именно испорчено фото, но обучена справляться с любой реалистичной деградацией. Для восстановления лиц на таких снимках дополнительно подключается GFPGAN.

Да, Real-ESRGAN может работать без дискретной видеокарты — это одно из его преимуществ перед тяжёлыми диффузионными апскейлерами вроде SUPIR, которым GPU обязателен.

Варианты запуска без GPU:

1. Портативная сборка realesrgan-ncnn-vulkan — использует Vulkan API, который поддерживается встроенной графикой Intel и AMD, а не только дискретными NVIDIA. Так что даже на ноутбуке без игровой видеокарты апскейл пойдёт.

2. CPU-режим — модель может считаться целиком на процессоре. Это заметно медленнее (десятки секунд на крупное фото вместо секунд на GPU), но работает на любом компьютере.

3. Python с PyTorch на CPU — при установке PyTorch без CUDA инференс автоматически идёт на процессоре.

Что учитывать: без GPU обработка одного крупного фото займёт от нескольких секунд до минуты в зависимости от процессора и размера изображения. Для единичных задач это приемлемо. Для пакетной обработки сотен и тысяч фото без GPU будет медленно — тут выгоднее арендовать облачный GPU (Selectel, Cloud.ru от 80 ₽/час) или воспользоваться готовым веб-сервисом.

Если хочется максимально простого пути без командной строки на обычном ноутбуке — поставьте Upscayl, графическое приложение поверх Real-ESRGAN, которое само выберет доступный режим работы. Либо загрузите фото в онлайн-инструмент апскейла и получите результат без установки чего-либо.