Upscayl Mac 使用教程：三步准备、五步出图，新手友好的 AI 图像放大指南

Upscayl Mac 使用教程：三步准备、五步出图，新手友好的 AI 图像放大指南

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl

把一张模糊的小图变清晰，听起来像变魔法，但 Upscayl 做的事其实更诚实。它是一款免费开源的 AI 图像放大工具，基于 Real-ESRGAN 算法（一种专门做图像超分辨率的深度学习算法），能在放大分辨率的同时补强细节、让边缘更利落。不过请先记住一条边界：它能增强画面里已有的细节，却无法凭空修复一张完全失焦、糊成一团的图片。理解这条边界之后，这篇 Upscayl Mac 使用教程会带你从准备工作开始，一步步完成第一次高质量放大。

第一章 认识工具：Mac 图像放大工具 Upscayl 能做什么、不能做什么

在动手之前，先花两分钟弄清楚手里这把工具的脾气，后面每一步都会更顺。🚀

Upscayl 的定位很明确：免费、开源、跨平台的 AI 图像放大工具。核心引擎 Real-ESRGAN 会把图像分割成小块，通过神经网络"脑补"出高分辨率下应有的纹理走向，所以放大后的图像不是简单的拉伸，而是边缘更锐利、细节更接近真实。

它能做什么

• 将图片放大 2 到 4 倍，同时重建纹理与边缘细节；
• 单张放大与批量处理文件夹都支持；
• 内置多套针对不同图像类型训练的模型（这一点后面单独讲）；
• 完全离线运行，图片不会上传到任何服务器。

它做不了什么

• 无法凭空修复完全失焦或马赛克到无法辨认的图片，细节必须先存在于原图里；
• 放大倍数不是越高越好，超出合理范围可能出现伪影；
• 对严重压缩的 JPEG，丢失的细节很难完全找回。


那么谁适合用它？设计师拿低分辨率素材、客户 Logo 做位图放大；摄影师想把被社交平台压缩过的照片重新变得可用；动漫爱好者想放大番剧截图或插画；老照片修复玩家想给泛黄的旧照片找回细节。只要符合"原图内容清晰、只是尺寸小"，你就能从 Upscayl 里拿到惊喜。

第二章 三步完成放大前的准备工作：装好、放行、腾出空间

工具的特性搞清楚了，接下来做三个小准备，避免"装好了却打不开、打开了却跑不动"的尴尬。

第 1 步 确认系统版本与磁盘空间

Upscayl 对 macOS 版本有最低要求，先看一眼你的系统：

sw_vers -productVersion

结果在 macOS 12（Monterey）或更高就能正常使用。有一个值得提前知道的坑：Monterey 系统本身与 Electron 应用存在兼容性问题，Upscayl 可能表现为启动后黑屏，这属于系统层面的缺陷，官方建议升级到设备支持的最新系统版本。

磁盘方面，处理过程会写入大量临时文件，放大后的图片本身也可能不小。建议预留5GB 以上可用空间，做大批量处理时留得越多越从容。

第 2 步 对比两种安装方式

绝大多数人走图形界面路线，以下两种方式任选其一：

# 方式一：通过 Homebrew 安装 brew install --cask upscayl # 方式二：下载官方 DMG 安装包，拖入"应用程序"文件夹即可

命令行路线适合想提前体验新功能、或者打算参与开发的用户：克隆源码后自行构建。仓库地址为https://gitcode.com/GitHub_Trending/up/upscayl，克隆后依次执行npm install和npm run start就能跑起来。代价是需要提前装好 Node 环境，且首次构建耗时较长。一句话总结：追求省心选图形界面，追求尝鲜选命令行。

第 3 步 放行首次启动的安全拦截

第一次双击打开时，你大概率会看到"无法验证开发者"的提示。别慌，这不代表应用有问题——开源项目往往没有苹果官方签名，被系统的 Gatekeeper 安全机制拦下是常规操作。

解决办法：打开系统设置 → 隐私与安全性，在页面下方找到关于 Upscayl 的提示，点击**"仍要打开"**并确认，之后就能正常启动。

万一应用启动后黑屏或闪退，多半是旧版本残留的缓存文件在捣乱，清理方法如下：

1. 打开 Finder，在菜单栏点击"前往"→"前往文件夹"；
2. 输入~/Library/回车；
3. 在打开的文件夹里，删除所有名字里带 upscayl的文件夹（比如Application Support/Upscayl、Preferences/org.upscayl.Upscayl.plist等）；
4. 重新启动应用。

清理后重新打开，如果界面正常出现，说明准备工作全部完成，可以进入正题了。

第三章 第一次实操：按五步走完一次图像放大

准备就绪，现在开始第一次实操。我建议选一张内容清晰但尺寸偏小的图练手——比如手机里拍得不错、但被聊天软件压缩过的风景照。🖼️

第一步 导入图片：点击SELECT IMAGE按钮，选择你要放大的图片。Upscayl 支持常见图片格式，选中后主界面会显示原始尺寸。如果打算一次性处理整个文件夹，可以打开Batch（批处理）开关，再选择文件夹。

第二步 选择模型：这是最关键的一步，也是 Upscayl 模型选择的精髓。可以这样理解：每一套模型都是一个针对特定图像类型训练过的"专家"，用对专家，效果立竿见影；用错专家，细节反而越放越糊。第一次尝试直接用Upscayl Standard准没错，它是最通用的默认选择。各场景的具体推荐放到第五章，这里先记住一点：模型没有绝对的好坏，合适才重要。

第三步 设置输出文件夹：点击SET OUTPUT FOLDER，指定放大后的图片保存位置。建议单独建一个输出目录，方便之后和原图对比。

第四步 调整放大参数：

• Scale（放大倍数）：2 倍和 4 倍二选一，日常处理 4 倍足够，想稳妥可以先 2 倍试效果；
• Double Upscayl：开启后会在第一次放大的基础上再处理一遍，适合追求极致细节的场景，代价是耗时增加；
• 自定义宽度：对输出尺寸有具体要求（比如想正好输出 1080px 宽）时，可以按宽度锁定输出，高度会自动按比例换算。

第五步 执行放大：点击UPSCAYL按钮，进度条开始走动，等待处理完成。去输出文件夹打开结果，和原图放大对比——注意看边缘是否利落、纹理是否自然，这就是 Upscayl 的完整工作流。

第四章 Upscayl 速度优化与放大技巧：内存、瓦片大小与 GPU 的取舍

第一张图成功导出后，你可能会想：能不能让它跑得更快、更稳？这一章就是为这个问题准备的。⚡

瓦片大小（Tile Size）是最值得先理解的参数。原理很简单：Upscayl 会把图像切成若干小块，逐块放大后再拼回一张大图，Tile Size 就是每一小块的长度。数值越大，单次处理的内容越多，速度越快，但内存占用也越高；内存不够时程序可能卡死甚至闪退。通用建议：

• 内存 8GB 左右：设为 256；
• 内存 16GB 左右：设为 512；
• 内存 32GB 及以上：可以拉到 1024；
• 拿不准就填 0，让应用自动选择。

GPU 加速默认就是开启的，无需额外配置。设置里的GPU ID只在你有多张显卡、需要手动指定时才用得上，Mac 用户保持默认值即可。需要注意的是，Apple Silicon 芯片和 Intel 芯片的 Mac 都能跑，但处理速度会因型号差异明显不同，这是硬件决定的，不必焦虑。

TTA（测试时增强）模式是一个典型的"质量换时间"开关：开启后模型会多进行几次推理来微调细节，通常带来轻微的画质提升，但耗时明显增加。追求速度或批量处理时，建议关闭。

最后是两个批量处理的小技巧：先拿 2 到 3 张小图跑通参数，确认内存和速度都在可接受范围，再投入整个文件夹；处理期间尽量别同时运行视频剪辑、大型浏览器等吃内存的软件，给放大过程留出余量。

第五章 按场景挑选合适的放大模型

"为什么同样的图，别人放得清晰，我却越放越糊？"答案往往藏在模型选择里。这一章给你一套可以直接抄作业的方案。🎯

几点补充说明。第一，模型名里的 "4x" 表示它专门为 4 倍放大训练，但不妨碍你在 2 倍场景下使用。第二，如果你的图是照片和插画混合（比如海报），从 Standard 开始试，不满意再换。第三，动漫视频风格的素材，可以选用 realesr-animevideov3 这类视频向模型，把它放入自定义模型文件夹即可加载（见下一章）。

如果你手里有一张特别喜欢的图，不妨把几个候选模型各跑一遍，肉眼对比后再做决定——这是最笨也最可靠的方法。

第六章 常见问题速查表与进阶玩法

走到这里，你已经完成了新手村任务。这一章先用一张速查表帮你兜底，再介绍两个进阶方向。🛠️

进阶方向一：自定义模型。Upscayl 支持加载.bin和.param格式的模型文件：把模型文件放进一个文件夹，在设置里指定该文件夹为自定义模型路径，重启应用后就能在模型列表中选用。项目仓库自带的models/目录里就有 animevideov3 等模型示例，可以作为入门参考。

进阶方向二：命令行玩法。前面提过源码方式git clone https://gitcode.com/GitHub_Trending/up/upscayl后即可本地运行。源码里不仅能看到完整的处理流程，还能找到更多可调参数与构建脚本，适合想深度定制或学习 AI 放大原理的读者。

结尾：今天的第一个练习任务

说了这么多，不如现在动手。你的第一个练习任务很简单：找一张内容清晰、尺寸偏小的照片（手机相册里的旧照片、被压缩过的风景照都可以），按第三章的五步流程走一遍——Standard 模型、4 倍放大、单独建输出文件夹。完成后用缩放对比仔细看看边缘和纹理，再按第五章换一个模型重跑一次，比较两次输出的差异。你会发现，模型选择这件事，亲手试过比读十篇教程都管用。

如果过程中遇到问题，别急着放弃：Upscayl 的官方仓库里有完善的文档与 Issues 板块，很多常见问题都有人解答过；你也可以把新发现的解法反馈给社区，无论是提交 Issue、补充翻译还是提交代码，每一个贡献都在让这个免费开源工具变得更好。现在，从你的第一张放大图片开始吧。

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl