SnapOtter/apps/docs/sv/api/ai.md

---
description: "Referens för AI-motorn med alla lokala ML-verktyg. Bakgrundsborttagning, uppskalning, OCR, ansiktsdetektering, fotorestaurering och mer."
i18n_source_hash: 14728c1dcd05
i18n_provenance: machine
i18n_output_hash: d8168ab39420
---

# Referens för AI-motorn {#ai-engine-reference}

Paketet `@snapotter/ai` kopplar Node.js till en **beständig Python-sidecar** för alla ML-operationer. Dispatcher-processen hålls vid liv mellan förfrågningar för snabb prestanda med varm start. NVIDIA CUDA identifieras automatiskt vid uppstart och används när det är tillgängligt; annars körs AI-verktygen på CPU.

Acceleration via Intel/AMD-iGPU genom VA-API, Quick Sync eller OpenCL stöds inte för AI-inferens idag. Att mappa `/dev/dri` in i en container accelererar inte dessa Python-sidecar-verktyg om inte en CUDA-kapabel NVIDIA-GPU finns tillgänglig.

19 Python-sidecar-AI-verktyg över fyra modaliteter (bild, ljud, video, dokument), plus 2 verktyg med valfria AI-funktioner. Alla modeller körs lokalt - ingen internetuppkoppling krävs efter den första nedladdningen av modellerna.

## Arkitektur {#architecture}

```
Node.js Tool Route
      |
      v
 @snapotter/ai bridge.ts
      | (stdin/stdout JSON + stderr progress events)
      v
 Python dispatcher (persistent process, "ai" profile)
      |
      |-- remove_bg.py        (rembg / BiRefNet)
      |-- upscale.py          (RealESRGAN)
      |-- inpaint.py          (LaMa ONNX)
      |-- outpaint.py         (LaMa canvas expansion)
      |-- ocr.py              (PaddleOCR / Tesseract)
      |-- ocr_pdf.py          (page-by-page document OCR)
      |-- ocr_preprocess.py   (image enhancement for OCR)
      |-- detect_faces.py     (MediaPipe)
      |-- face_landmarks.py   (MediaPipe landmarks)
      |-- enhance_faces.py    (GFPGAN / CodeFormer)
      |-- colorize.py         (DDColor)
      |-- noise_removal.py    (SCUNet / tiered denoising)
      |-- red_eye_removal.py  (landmark + color analysis)
      |-- restore.py          (scratch repair + enhancement + denoising)
      |-- transcribe.py       (faster-whisper speech-to-text)
      +-- install_feature.py  (on-demand bundle installer)
```

En separat "docs"-dispatcherprofil ersätter AI-tillåtelselistan med skript för dokumentbearbetning (`doc_pagecount`, `doc_health`, `doc_flatten`, `doc_redact`, `doc_text`, `doc_to_word`, `doc_metadata`, `doc_html_pdf`) och hoppar över tunga ML-importer.

**Tidsgränser:** 300 s som standard; OCR och BiRefNet-bakgrundsborttagning får 600 s.

## Funktionspaket {#feature-bundles}

AI-modeller paketeras efter delad beroendestack, inte ett arkiv per verktyg. Ett funktionspaket kan aktivera flera verktyg när de använder samma modellfamilj, Python-wheels eller inbyggda bibliotek. Detta håller den utgivna Docker-avbildningen mindre och undviker att lagra dubbletter av samma modeller för bakgrundsmattning, ansiktsdetektering, OCR, restaurering och tal.

Docker-avbildningen levereras med applikationen plus den gemensamma körtidsmiljön. Stora modellarkiv laddas ned vid behov till den beständiga volymen `/data/ai` och återanvänds sedan av alla verktyg som behöver dem. Om ett paket redan är installerat eftersom ett annat verktyg behövde det, laddas det paketet inte ned igen när ett nytt beroende verktyg aktiveras.

Varje AI-verktyg kräver ett eller flera funktionspaket innan det kan köras. Admingränssnittet installerar per verktyg via `POST /api/v1/admin/tools/:toolId/features/install`, som löser upp den fullständiga paketlistan, hoppar över paket som redan är installerade och köar bara de saknade nedladdningarna. Att till exempel aktivera Passfoto på en ny instans köar `background-removal` och `face-detection`; att aktivera det efter att Bakgrundsborttagning redan är installerat köar bara `face-detection`.

| Paket | Storlek | Delad beroendegrupp | Verktyg som använder det |
|--------|------|-------------------------|-------------------|
| `background-removal` | 4-5 GB | rembg / BiRefNet bakgrundsmattning | remove-background, passport-photo, transparency-fixer, background-replace, blur-background |
| `face-detection` | 200-300 MB | MediaPipe ansiktsdetektering och landmärken | blur-faces, red-eye-removal, smart-crop |
| `object-eraser-colorize` | 1-2 GB | LaMa inpainting/outpainting och DDColor | erase-object, colorize, ai-canvas-expand |
| `upscale-enhance` | 5-6 GB | RealESRGAN, GFPGAN / CodeFormer, brusreducering | upscale, enhance-faces, noise-removal |
| `photo-restoration` | 4-5 GB | pipeline för reparation av repor och restaurering | restore-photo |
| `ocr` | 5-6 GB | PaddleOCR / Tesseract OCR-stack | ocr, ocr-pdf |
| `transcription` | ~600 MB | faster-whisper tal-till-text-modeller | transcribe-audio, auto-subtitles |

Verktyg med beroenden över flera paket:

| Verktyg | Nödvändiga paket | Varför |
|------|------------------|-----|
| `passport-photo` | `background-removal`, `face-detection` | Tar bort bakgrunden och använder sedan ansiktslandmärken för att beskära bilden enligt reglerna för pass- och ID-foton. |
| `enhance-faces` | `upscale-enhance`, `face-detection` | Detekterar ansikten innan GFPGAN- eller CodeFormer-förbättring körs på de valda ansiktsregionerna. |

Ett verktyg är tillgängligt först när alla dess nödvändiga paket är installerade. Delvisa installationer är giltiga och hanteras stegvis: installerade paket återanvänds, saknade paket visas som nedladdningar, och köade installationer körs en i taget så att den delade Python-miljön inte modifieras samtidigt.

---

## Bakgrundsborttagning {#background-removal}

**Verktygsrutt:** `remove-background`
**Modell:** rembg med BiRefNet (standard) eller U2-Net-varianter

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `model` | string | - | Modellvariant (valfri åsidosättning) |
| `backgroundType` | string | `"transparent"` | En av: `transparent`, `color`, `gradient`, `blur`, `image` |
| `backgroundColor` | string | - | Hexfärg för enfärgad bakgrund |
| `gradientColor1` | string | - | Första gradientfärgen |
| `gradientColor2` | string | - | Andra gradientfärgen |
| `gradientAngle` | number | - | Gradientvinkel i grader |
| `blurEnabled` | boolean | - | Aktivera oskärpeeffekt på bakgrunden |
| `blurIntensity` | number (0-100) | - | Oskärpans intensitet |
| `shadowEnabled` | boolean | - | Aktivera slagskugga på motivet |
| `shadowOpacity` | number (0-100) | - | Skuggans opacitet |
| `outputFormat` | string | - | Utdataformat: `png`, `webp` eller `avif` |
| `edgeRefine` | integer (0-3) | - | Nivå för kantförfining |
| `decontaminate` | boolean | - | Ta bort färgblödning från kanter |

## Bakgrundsutbyte {#background-replace}

**Verktygsrutt:** `background-replace`
**Modell:** rembg / BiRefNet (delas med remove-background)

Tar bort bakgrunden och ersätter den med en enfärgad färg eller gradient.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `backgroundType` | `"color"` \| `"gradient"` | `"color"` | Bakgrundsläge |
| `color` | string | `"#ffffff"` | Bakgrundens hexfärg (när `backgroundType` är `color`) |
| `gradientColor1` | string | - | Första gradientens hexfärg |
| `gradientColor2` | string | - | Andra gradientens hexfärg |
| `gradientAngle` | integer (0-360) | `180` | Gradientvinkel i grader |
| `feather` | integer (0-20) | `0` | Radie för kantutjämning |
| `format` | `"png"` \| `"webp"` | `"png"` | Utdataformat |

## Oskärp bakgrund {#blur-background}

**Verktygsrutt:** `blur-background`
**Modell:** rembg / BiRefNet (delas med remove-background)

Gör bakgrunden oskarp samtidigt som motivet hålls skarpt.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `intensity` | integer (1-100) | `50` | Oskärpans intensitet |
| `feather` | integer (0-20) | `0` | Radie för kantutjämning |
| `format` | `"png"` \| `"webp"` | `"png"` | Utdataformat |

## Bilduppskalning {#image-upscaling}

**Verktygsrutt:** `upscale`
**Modell:** RealESRGAN (med Lanczos-reserv när den inte är tillgänglig)

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `scale` | number | `2` | Uppskalningsfaktor |
| `model` | string | `"auto"` | Modellvariant |
| `faceEnhance` | boolean | `false` | Kör en GFPGAN-ansiktsförbättring |
| `denoise` | number | `0` | Styrka på brusreducering |
| `format` | string | `"auto"` | Åsidosättning av utdataformat |
| `quality` | number | `95` | Utdatakvalitet (1-100) |

## OCR / Textextraktion {#ocr-text-extraction}

**Verktygsrutt:** `ocr`
**Modeller:** Tesseract (snabb), PaddleOCR PP-OCRv5 (balanserad), PaddleOCR-VL 1.5 (bäst)

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `quality` | `"fast"` \| `"balanced"` \| `"best"` | `"balanced"` | Bearbetningsnivå |
| `language` | string | `"auto"` | Språk: `auto`, `en`, `de`, `fr`, `es`, `zh`, `ja`, `ko` |
| `enhance` | boolean | `true` | Förbehandla bilden för att förbättra OCR-noggrannheten |
| `engine` | string | - | Föråldrad. Mappar `tesseract` till `fast`, `paddleocr` till `balanced` |

Returnerar strukturerade resultat med avgränsningsrutor, konfidenspoäng och extraherade textblock.

## PDF-OCR {#pdf-ocr}

**Verktygsrutt:** `ocr-pdf`
**Modeller:** Samma nivåsystem som bild-OCR

Extraherar text från inskannade PDF-dokument med AI-driven OCR, sida för sida.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `quality` | `"fast"` \| `"balanced"` \| `"best"` | `"balanced"` | Bearbetningsnivå |
| `language` | string | `"auto"` | Språk: `auto`, `en`, `de`, `fr`, `es`, `zh`, `ja`, `ko` |
| `pages` | string | `"all"` | Sidval: `"all"`, `"1-3"`, `"1,3,5"` |

## Oskärp ansikten / PII {#face-pii-blur}

**Verktygsrutt:** `blur-faces`
**Modell:** MediaPipe ansiktsdetektering

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `blurRadius` | number (1-100) | `30` | Radie för gaussisk oskärpa |
| `sensitivity` | number (0-1) | `0.5` | Konfidenströskel för detektering |

## Ansiktsförbättring {#face-enhancement}

**Verktygsrutt:** `enhance-faces`
**Modeller:** GFPGAN, CodeFormer

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `model` | `"auto"` \| `"gfpgan"` \| `"codeformer"` | `"auto"` | Förbättringsmodell |
| `strength` | number (0-1) | `0.8` | Styrka på förbättring |
| `sensitivity` | number (0-1) | `0.5` | Tröskel för ansiktsdetektering |
| `onlyCenterFace` | boolean | `false` | Förbättra endast det mest centrala ansiktet |

## AI-kolorering {#ai-colorization}

**Verktygsrutt:** `colorize`
**Modell:** DDColor (med OpenCV DNN-reserv)

Omvandlar svartvita eller gråskalefoton till fullständig färg.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `intensity` | number (0-1) | `1.0` | Styrka på färgmättnad |
| `model` | `"auto"` \| `"ddcolor"` \| `"opencv"` | `"auto"` | Modellvariant |

## Brusreducering {#noise-removal}

**Verktygsrutt:** `noise-removal`
**Modell:** SCUNet (nivåindelad pipeline för brusreducering)

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `tier` | `"quick"` \| `"balanced"` \| `"quality"` \| `"maximum"` | `"balanced"` | Bearbetningsnivå |
| `strength` | number (0-100) | `50` | Styrka på brusreducering |
| `detailPreservation` | number (0-100) | `50` | Hur mycket detaljer som ska bevaras; högre behåller mer textur |
| `colorNoise` | number (0-100) | `30` | Styrka på reducering av färgbrus |
| `format` | string | `"original"` | Utdataformat: `original`, `png`, `jpeg`, `webp`, `avif`, `jxl` |
| `quality` | number (1-100) | `90` | Kvalitet på utdatakodning |

## Borttagning av röda ögon {#red-eye-removal}

**Verktygsrutt:** `red-eye-removal`

Detekterar ansiktslandmärken, lokaliserar ögonregioner och korrigerar övermättnad i rödkanalen.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `sensitivity` | number (0-100) | `50` | Tröskel för detektering av röda pixlar |
| `strength` | number (0-100) | `70` | Styrka på korrigering |
| `format` | string | - | Åsidosättning av utdataformat (valfritt) |
| `quality` | number (1-100) | `90` | Utdatakvalitet |

## Fotorestaurering {#photo-restoration}

**Verktygsrutt:** `restore-photo`

Pipeline i flera steg för gamla eller skadade foton: detektering och reparation av repor/revor, ansiktsförbättring, brusreducering och valfri kolorering.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `scratchRemoval` | boolean | `true` | Detektera och reparera repor, revor |
| `faceEnhancement` | boolean | `true` | Kör en ansiktsförbättring |
| `fidelity` | number (0-1) | `0.7` | Styrka på ansiktsförbättring (högre = mer konservativ) |
| `denoise` | boolean | `true` | Kör en brusreducering |
| `denoiseStrength` | number (0-100) | `25` | Styrka på brusreducering |
| `colorize` | boolean | `false` | Kolorera efter restaurering |
| `colorizeStrength` | number (0-100) | `85` | Intensitet på kolorering |

## Passfoto {#passport-photo}

**Verktygsrutt:** `passport-photo`
**Modeller:** MediaPipe ansiktslandmärken + BiRefNet-bakgrundsborttagning

Arbetsflöde i två faser: analysera (detektera ansikte + ta bort bakgrund) och sedan generera (beskär, ändra storlek, lägg i rutmönster). Stöder 37+ länder över 6 regioner.

### Fas 1: Analysera {#phase-1-analyze}

`POST /api/v1/tools/image/passport-photo/analyze`

Tar emot en bildfil (multipart). Returnerar data om ansiktslandmärken, en base64-förhandsvisning och bilddimensioner.

### Fas 2: Generera {#phase-2-generate}

`POST /api/v1/tools/image/passport-photo/generate`

Tar emot en JSON-kropp med resultaten från Fas 1 plus genereringsinställningar:

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `jobId` | string | (obligatorisk) | Jobb-ID från Fas 1 |
| `filename` | string | (obligatorisk) | Ursprungligt filnamn från Fas 1 |
| `countryCode` | string | (obligatorisk) | ISO-landskod (t.ex. `US`, `GB`, `IN`) |
| `documentType` | string | `"passport"` | Dokumenttyp |
| `bgColor` | string | `"#FFFFFF"` | Bakgrundsfärg i hex |
| `printLayout` | string | `"none"` | Utskriftslayout: `none`, `4x6`, `a4`, `letter` |
| `maxFileSizeKb` | number | `0` | Maximal filstorlek i KB (0 = ingen gräns) |
| `dpi` | number (72-1200) | `300` | Utdata-DPI |
| `customWidthMm` | number | - | Anpassad bredd i mm (åsidosätter landsspecifikationen) |
| `customHeightMm` | number | - | Anpassad höjd i mm (åsidosätter landsspecifikationen) |
| `zoom` | number (0.5-3) | `1` | Zoomfaktor |
| `adjustX` | number | `0` | Justering av horisontellt läge |
| `adjustY` | number | `0` | Justering av vertikalt läge |
| `landmarks` | object | (obligatorisk) | Landmärken från Fas 1 |
| `imageWidth` | number | (obligatorisk) | Bildbredd från Fas 1 |
| `imageHeight` | number | (obligatorisk) | Bildhöjd från Fas 1 |

## Objektborttagning (Inpainting) {#object-erasing-inpainting}

**Verktygsrutt:** `erase-object`
**Modell:** LaMa via ONNX Runtime

Masken skickas som en **andra fildel** (fältnamn `mask`), inte som base64. Vita pixlar i masken anger områden som ska raderas. Inställningarna `format` och `quality` skickas som formulärfält på toppnivå.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `file` | file | (obligatorisk) | Källbild (multipart) |
| `mask` | file | (obligatorisk) | Maskbild (multipart, fältnamn `mask`, vitt = radera) |
| `format` | string | `"auto"` | Utdataformat: `auto`, `png`, `jpg`, `jpeg`, `webp`, `tiff`, `gif`, `avif`, `heic`, `heif`, `jxl` |
| `quality` | integer (1-100) | `95` | Utdatakvalitet |

CUDA-accelererad när en NVIDIA-GPU finns tillgänglig.

## AI-canvasutökning {#ai-canvas-expand}

**Verktygsrutt:** `ai-canvas-expand`
**Modell:** LaMa-baserad outpainting

Utökar bildens canvas i valfri riktning och fyller nya områden med AI-genererat innehåll som matchar den befintliga bilden.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `extendTop` | integer | `0` | Antal pixlar att utöka upptill |
| `extendRight` | integer | `0` | Antal pixlar att utöka till höger |
| `extendBottom` | integer | `0` | Antal pixlar att utöka nedtill |
| `extendLeft` | integer | `0` | Antal pixlar att utöka till vänster |
| `tier` | `"fast"` \| `"balanced"` \| `"high"` | `"balanced"` | Kvalitetsnivå |
| `format` | string | `"auto"` | Utdataformat: `auto`, `png`, `jpg`, `jpeg`, `webp`, `tiff`, `gif`, `avif`, `heic`, `heif`, `jxl` |
| `quality` | integer (1-100) | `95` | Utdatakvalitet |

Minst en utökningsriktning måste vara större än 0.

## Smart beskärning {#smart-crop}

**Verktygsrutt:** `smart-crop`
**Modell:** MediaPipe ansiktsdetektering (endast ansiktsläge)

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `mode` | string | `"subject"` | Beskärningsstrategi: `subject`, `face`, `trim` |
| `strategy` | `"attention"` \| `"entropy"` | `"attention"` | Strategi för motivläge |
| `width` | integer | - | Utdatabredd |
| `height` | integer | - | Utdatahöjd |
| `padding` | integer (0-50) | `0` | Marginal i procent runt motivet |
| `facePreset` | string | `"head-shoulders"` | Förinställd inramning när `mode=face` |
| `sensitivity` | number (0-1) | `0.5` | Tröskel för ansiktsdetektering |
| `threshold` | integer (0-255) | `30` | Tröskel för bakgrundsdetektering (trimläge) |
| `padToSquare` | boolean | `false` | Fyll ut trimmat resultat till en kvadrat |
| `padColor` | string | `"#ffffff"` | Bakgrundsfärg för kvadratisk utfyllnad |
| `targetSize` | integer | - | Målstorlek för utfyllt utdata (pixlar) |
| `quality` | integer (1-100) | - | Utdatakvalitet |

Äldre `mode`-värden `attention` och `content` accepteras och mappas till `subject` respektive `trim`.

**Förinställningar för ansikte:**

| Förinställning | Bäst för |
|--------|---------|
| `closeup` | Porträttbilder |
| `head-shoulders` | Profilbilder |
| `upper-body` | LinkedIn / formellt |
| `half-body` | Hela överkroppen |

## Transkribera ljud {#transcribe-audio}

**Verktygsrutt:** `transcribe-audio`
**Modell:** faster-whisper

Omvandlar tal till text. Stöder utdataformaten oformaterad text, SRT och VTT.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `language` | string | `"auto"` | Språk: `auto`, `en`, `de`, `fr`, `es`, `zh`, `ja`, `ko`, `id`, `th`, `vi` |
| `outputFormat` | `"txt"` \| `"srt"` \| `"vtt"` | `"txt"` | Utdataformat |

## Automatiska undertexter {#auto-subtitles}

**Verktygsrutt:** `auto-subtitles`
**Modell:** faster-whisper (extraherar ljud från video och transkriberar sedan)

Genererar undertextfiler från en videos ljudspår.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `language` | string | `"auto"` | Språk: `auto`, `en`, `de`, `fr`, `es`, `zh`, `ja`, `ko`, `id`, `th`, `vi` |
| `format` | `"srt"` \| `"vtt"` | `"srt"` | Utdataformat för undertext |

## PNG-transparensfixare {#png-transparency-fixer}

**Verktygsrutt:** `transparency-fixer`
**Modell:** BiRefNet HR-matting (2048x2048 upplösning)

Åtgärdar "falskt transparenta" PNG-filer där bakgrunden togs bort men lämnade kvar fransning, glorior eller halvtransparenta artefakter. Använder BiRefNets högupplösta mattningsmodell för att producera en ren alfakanal och tillämpar sedan konfigurerbar defringe-bearbetning för att ta bort färgkontaminering längs kanterna.

**Reservkedja vid minnesbrist:** Om BiRefNet HR-matting överskrider tillgängligt minne faller verktyget automatiskt tillbaka till `birefnet-general`, sedan till `u2net`.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `defringe` | number (0-100) | `30` | Styrka på kant-defringe för att ta bort färgkontaminering |
| `outputFormat` | `"png"` \| `"webp"` | `"png"` | Utdatabildens format |
| `removeWatermark` | boolean | `false` | Kör förbehandling för borttagning av vattenstämpel (medianfilter) |

```bash
curl -X POST http://localhost:1349/api/v1/tools/image/transparency-fixer \
  -H "Authorization: Bearer <token>" \
  -F "file=@fake-transparent.png" \
  -F 'settings={"defringe":30,"outputFormat":"png"}'
```

---

## Verktyg med valfria AI-funktioner {#tools-with-optional-ai-capabilities}

Följande verktyg är inte Python-sidecar-verktyg men använder AI-funktioner när vissa alternativ är aktiverade.

### Bildförbättring {#image-enhancement}

**Verktygsrutt:** `image-enhancement`
**Motor:** Analysbaserad (Sharp-histogram och statistik)

Analyserar bilden och tillämpar automatiska korrigeringar för exponering, kontrast, vitbalans, mättnad, skärpa och brus. Stöder scenspecifika lägen.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `mode` | `"auto"` \| `"portrait"` \| `"landscape"` \| `"low-light"` \| `"food"` \| `"document"` | `"auto"` | Scenläge för att finjustera korrigeringar |
| `intensity` | number (0-100) | `50` | Total korrigeringsstyrka |
| `corrections.exposure` | boolean | `true` | Tillämpa exponeringskorrigering |
| `corrections.contrast` | boolean | `true` | Tillämpa kontrastkorrigering |
| `corrections.whiteBalance` | boolean | `true` | Tillämpa vitbalanskorrigering |
| `corrections.saturation` | boolean | `true` | Tillämpa mättnadskorrigering |
| `corrections.sharpness` | boolean | `true` | Tillämpa skärpekorrigering |
| `corrections.denoise` | boolean | `true` | Tillämpa brusreducering |
| `deepEnhance` | boolean | `false` | Aktivera AI-brusreducering via SCUNet (kräver paketet `upscale-enhance`) |

En ytterligare analysslutpunkt finns tillgänglig på `POST /api/v1/tools/image/image-enhancement/analyze` som returnerar de detekterade korrigeringarna utan att tillämpa dem.

### Innehållsmedveten storleksändring (Seam Carving) {#content-aware-resize-seam-carving}

**Verktygsrutt:** `content-aware-resize`
**Motor:** Go-binären `caire` (inte Python - ingen GPU-fördel)

Ändrar storlek på bilder intelligent genom att ta bort lågenergisömmar och bevara viktigt innehåll.

| Parameter | Typ | Standard | Beskrivning |
|-----------|------|---------|-------------|
| `width` | number | - | Målbredd |
| `height` | number | - | Målhöjd |
| `protectFaces` | boolean | `false` | Skydda detekterade ansiktsregioner (kräver paketet `face-detection`) |
| `blurRadius` | number (0-20) | `4` | Föroskärpa för energiberäkning |
| `sobelThreshold` | number (1-20) | `2` | Tröskel för kantkänslighet |
| `square` | boolean | `false` | Tvinga kvadratiskt utdata |