在本地视频修复领域，Lada 是一个标杆。现在，受其启发并部分基于其代码构建的 Jasna 来了。
它不仅继承了 Lada 的核心能力，更在速度、画质和工作流上进行了大幅优化。对于拥有 Nvidia 显卡（计算能力 7.5+）的用户来说，这可能是一个更高效的选择。
核心亮点：快，而且更清晰
- 纯 GPU 流水线 & TensorRT 加速
Jasna 摒弃了 CPU 瓶颈，完全依赖 GPU 进行推理。通过 TensorRT 引擎编译，处理速度大幅提升。- 基准测试：在 RTX 5090 + i9 13900k 环境下，处理 4K 视频的速度比 Lada 0.10.1 快 2.5 倍。即使是 1080p 长视频，也能实现数倍的加速。
- 首次编译：初次运行需要 15-60 分钟编译 TensorRT 引擎，但之后即可复用，启动秒开。
- 改进的马赛克检测模型
提供了最新的rf-detr模型选项，同时也保留了对 2D 动画更友好的 Lada Yolo 模型。更精准的检测意味着更少的误判和更干净的背景。 - 二级修复模型：解决“模糊”痛点
传统的修复模型通常将马赛克区域裁剪为 256×256 进行处理，这在处理大尺寸马赛克或 4K 特写时容易显得模糊。
Jasna 引入了二级修复机制：- RTX Super-resolution：免费、快速，利用 Nvidia 内置算法进行放大，画质尚可。
- Topaz Video AI (TVAI)：付费但画质最佳。支持调用 TVAI 的
iris-2等模型，将修复后的画面进一步放大至 512×512 或 1024×1024，显著提升锐度和细节。
- 智能 VRAM 管理
显存不够？没关系。Jasna 会自动将等待处理的帧临时交换到系统内存，需要时再移回 GPU。这大大降低了高分辨率视频处理的门槛。如果依然报错，只需减小片段大小（如从 180s 减至 60s）即可。
工作流革新：实时流媒体与 Stash 集成
Jasna 最让人兴奋的功能，或许不是离线处理，而是实时观看。
- 浏览器流媒体：通过
jasna --stream命令，你可以直接在浏览器中观看正在修复的视频。无需等待整个文件处理完毕，支持跳转播放。 - Stash 深度集成：对于使用 Stash 管理本地库的用户，Jasna 提供了定制版的 Stash分支。
- 设置好环境变量后，你在 Stash 中点击播放，Jasna 会在后台实时处理当前场景。
- 这意味着你拥有了一个“即时去码”的个人影院，既保护了隐私，又节省了巨大的存储空间（无需保存两份文件）。
使用建议
- 硬件要求：仅支持较新的 Nvidia GPU（最低计算能力 7.5，即 RTX 20 系列及以上）。驱动建议更新至 59x 系列。
- 参数调优：
- 时间重叠：建议设置在 8-20 之间，以减少片段边缘的闪烁。
- 片段大小：4K 视频建议使用较小的片段（如 60s）以平衡显存和速度；1080p 可尝试 180s。
- 跨淡入淡出：始终启用
--enable-crossfade以进一步平滑过渡。
