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

description, i18n_source_hash, i18n_provenance, i18n_output_hash

description	i18n_source_hash	i18n_provenance	i18n_output_hash
सभी लोकल ML टूल के साथ AI इंजन संदर्भ। बैकग्राउंड हटाना, अपस्केलिंग, OCR, फेस डिटेक्शन, फोटो रिस्टोरेशन, और बहुत कुछ।	14728c1dcd05	machine	f892a5e5bfe5

AI इंजन संदर्भ

@snapotter/ai पैकेज सभी ML ऑपरेशन के लिए Node.js को एक स्थायी Python साइडकार से जोड़ता है। फास्ट वार्म-स्टार्ट प्रदर्शन के लिए डिस्पैचर प्रोसेस अनुरोधों के बीच जीवित रहती है। स्टार्टअप पर NVIDIA CUDA स्वतः पहचाना जाता है और उपलब्ध होने पर उपयोग किया जाता है; अन्यथा AI टूल CPU पर चलते हैं।

VA-API, Quick Sync, या OpenCL के माध्यम से Intel/AMD iGPU त्वरण आज AI इन्फेरेंस के लिए समर्थित नहीं है। किसी कंटेनर में /dev/dri को मैप करना इन Python साइडकार टूल को तेज़ नहीं करता जब तक कोई CUDA-सक्षम NVIDIA GPU उपलब्ध न हो।

चार मोडैलिटी (image, audio, video, document) में 19 Python साइडकार AI टूल, साथ ही वैकल्पिक AI क्षमताओं वाले 2 टूल। सभी मॉडल लोकल रूप से चलते हैं; प्रारंभिक मॉडल डाउनलोड के बाद इंटरनेट की आवश्यकता नहीं।

आर्किटेक्चर

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)

एक अलग "docs" डिस्पैचर प्रोफ़ाइल AI अनुमति सूची को दस्तावेज़-प्रसंस्करण स्क्रिप्ट (doc_pagecount, doc_health, doc_flatten, doc_redact, doc_text, doc_to_word, doc_metadata, doc_html_pdf) से बदल देती है और भारी ML आयातों को छोड़ देती है।

टाइमआउट: 300 s डिफ़ॉल्ट; OCR और BiRefNet बैकग्राउंड हटाने को 600 s मिलते हैं।

फ़ीचर बंडल

AI मॉडल साझा डिपेंडेंसी स्टैक द्वारा पैकेज किए जाते हैं, प्रति टूल एक आर्काइव नहीं। एक फ़ीचर बंडल कई टूल को सक्षम कर सकता है जब वे एक ही मॉडल परिवार, Python wheels, या नेटिव लाइब्रेरी का उपयोग करते हैं। इससे रिलीज़ Docker इमेज छोटी रहती है और एक ही बैकग्राउंड मैटिंग, फेस डिटेक्शन, OCR, रिस्टोरेशन, और स्पीच मॉडल की डुप्लिकेट प्रतियाँ संग्रहीत करने से बचा जाता है।

Docker इमेज एप्लिकेशन के साथ-साथ सामान्य रनटाइम भेजती है। बड़े मॉडल आर्काइव माँग पर स्थायी /data/ai वॉल्यूम में डाउनलोड किए जाते हैं, फिर हर उस टूल द्वारा पुनः उपयोग किए जाते हैं जिसे उनकी आवश्यकता होती है। यदि कोई बंडल पहले से इंस्टॉल है क्योंकि किसी अन्य टूल को उसकी आवश्यकता थी, तो एक नया आश्रित टूल सक्षम करना उस बंडल को दोबारा डाउनलोड नहीं करता।

प्रत्येक AI टूल को चलने से पहले एक या अधिक फ़ीचर बंडल की आवश्यकता होती है। एडमिन UI POST /api/v1/admin/tools/:toolId/features/install के माध्यम से टूल के हिसाब से इंस्टॉल करता है, जो पूरी बंडल सूची को हल करता है, पहले से इंस्टॉल बंडल छोड़ देता है, और केवल छूटे हुए डाउनलोड को कतारबद्ध करता है। उदाहरण के लिए, किसी ताज़ा इंस्टेंस पर Passport Photo सक्षम करना background-removal और face-detection को कतारबद्ध करता है; Background Removal पहले से इंस्टॉल होने के बाद इसे सक्षम करना केवल face-detection को कतारबद्ध करता है।

बंडल	आकार	साझा डिपेंडेंसी समूह	इसका उपयोग करने वाले टूल
background-removal	4-5 GB	rembg / BiRefNet बैकग्राउंड मैटिंग	remove-background, passport-photo, transparency-fixer, background-replace, blur-background
face-detection	200-300 MB	MediaPipe फेस डिटेक्शन और लैंडमार्क	blur-faces, red-eye-removal, smart-crop
object-eraser-colorize	1-2 GB	LaMa इनपेंटिंग/आउटपेंटिंग और DDColor	erase-object, colorize, ai-canvas-expand
upscale-enhance	5-6 GB	RealESRGAN, GFPGAN / CodeFormer, डीनॉइज़िंग	upscale, enhance-faces, noise-removal
photo-restoration	4-5 GB	स्क्रैच रिपेयर और रिस्टोरेशन पाइपलाइन	restore-photo
ocr	5-6 GB	PaddleOCR / Tesseract OCR स्टैक	ocr, ocr-pdf
transcription	~600 MB	faster-whisper स्पीच-टू-टेक्स्ट मॉडल	transcribe-audio, auto-subtitles

क्रॉस-बंडल डिपेंडेंसी वाले टूल:

टूल	आवश्यक बंडल	क्यों
passport-photo	background-removal, face-detection	बैकग्राउंड हटाता है, फिर पासपोर्ट और ID फोटो नियमों के अनुसार क्रॉप को फ्रेम करने के लिए फेस लैंडमार्क का उपयोग करता है।
enhance-faces	upscale-enhance, face-detection	चयनित फेस क्षेत्रों पर GFPGAN या CodeFormer एन्हांसमेंट चलाने से पहले फेस का पता लगाता है।

कोई टूल केवल तभी उपलब्ध होता है जब उसके सभी आवश्यक बंडल इंस्टॉल हों। आंशिक इंस्टॉल मान्य हैं और वृद्धिशील रूप से संभाले जाते हैं: इंस्टॉल किए गए बंडल पुनः उपयोग किए जाते हैं, छूटे हुए बंडल डाउनलोड के रूप में दिखाए जाते हैं, और कतारबद्ध इंस्टॉल एक बार में एक चलते हैं ताकि साझा Python वातावरण समवर्ती रूप से संशोधित न हो।

---

बैकग्राउंड हटाना

टूल रूट: remove-background
मॉडल: BiRefNet (डिफ़ॉल्ट) या U2-Net वेरिएंट के साथ rembg

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
model	string	-	मॉडल वेरिएंट (वैकल्पिक ओवरराइड)
backgroundType	string	"transparent"	इनमें से एक: transparent, color, gradient, blur, image
backgroundColor	string	-	ठोस बैकग्राउंड के लिए Hex रंग
gradientColor1	string	-	पहला ग्रेडिएंट रंग
gradientColor2	string	-	दूसरा ग्रेडिएंट रंग
gradientAngle	number	-	डिग्री में ग्रेडिएंट कोण
blurEnabled	boolean	-	बैकग्राउंड ब्लर प्रभाव सक्षम करें
blurIntensity	number (0-100)	-	ब्लर तीव्रता
shadowEnabled	boolean	-	विषय पर ड्रॉप शैडो सक्षम करें
shadowOpacity	number (0-100)	-	शैडो अपारदर्शिता
outputFormat	string	-	आउटपुट प्रारूप: png, webp, या avif
edgeRefine	integer (0-3)	-	एज रिफाइनमेंट स्तर
decontaminate	boolean	-	किनारों से रंग रिसाव हटाएँ

बैकग्राउंड बदलना

टूल रूट: background-replace
मॉडल: rembg / BiRefNet (remove-background के साथ साझा)

बैकग्राउंड हटाता है और उसे ठोस रंग या ग्रेडिएंट से बदल देता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
backgroundType	"color" | "gradient"	"color"	बैकग्राउंड मोड
color	string	"#ffffff"	बैकग्राउंड hex रंग (जब backgroundType color हो)
gradientColor1	string	-	पहला ग्रेडिएंट hex रंग
gradientColor2	string	-	दूसरा ग्रेडिएंट hex रंग
gradientAngle	integer (0-360)	180	डिग्री में ग्रेडिएंट कोण
feather	integer (0-20)	0	एज फेदरिंग त्रिज्या
format	"png" | "webp"	"png"	आउटपुट प्रारूप

बैकग्राउंड ब्लर

टूल रूट: blur-background
मॉडल: rembg / BiRefNet (remove-background के साथ साझा)

विषय को शार्प रखते हुए बैकग्राउंड को ब्लर करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
intensity	integer (1-100)	50	ब्लर तीव्रता
feather	integer (0-20)	0	एज फेदरिंग त्रिज्या
format	"png" | "webp"	"png"	आउटपुट प्रारूप

इमेज अपस्केलिंग

टूल रूट: upscale
मॉडल: RealESRGAN (अनुपलब्ध होने पर Lanczos फ़ॉलबैक के साथ)

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
scale	number	2	अपस्केल कारक
model	string	"auto"	मॉडल वेरिएंट
faceEnhance	boolean	false	GFPGAN फेस एन्हांसमेंट पास लागू करें
denoise	number	0	डीनॉइज़िंग शक्ति
format	string	"auto"	आउटपुट प्रारूप ओवरराइड
quality	number	95	आउटपुट गुणवत्ता (1-100)

OCR / टेक्स्ट निष्कर्षण

टूल रूट: ocr
मॉडल: Tesseract (फास्ट), PaddleOCR PP-OCRv5 (संतुलित), PaddleOCR-VL 1.5 (सर्वश्रेष्ठ)

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
quality	"fast" | "balanced" | "best"	"balanced"	प्रसंस्करण स्तर
language	string	"auto"	भाषा: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	true	OCR सटीकता सुधारने के लिए इमेज को पूर्व-संसाधित करें
engine	string	-	अप्रचलित। tesseract को fast, paddleocr को balanced पर मैप करता है

बाउंडिंग बॉक्स, कॉन्फ़िडेंस स्कोर, और निकाले गए टेक्स्ट ब्लॉक के साथ संरचित परिणाम लौटाता है।

PDF OCR

टूल रूट: ocr-pdf
मॉडल: इमेज OCR जैसी ही स्तर प्रणाली

AI-संचालित OCR का उपयोग करके स्कैन किए गए PDF दस्तावेज़ों से पृष्ठ दर पृष्ठ टेक्स्ट निकालता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
quality	"fast" | "balanced" | "best"	"balanced"	प्रसंस्करण स्तर
language	string	"auto"	भाषा: auto, en, de, fr, es, zh, ja, ko
pages	string	"all"	पृष्ठ चयन: "all", "1-3", "1,3,5"

फेस / PII ब्लर

टूल रूट: blur-faces
मॉडल: MediaPipe फेस डिटेक्शन

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
blurRadius	number (1-100)	30	गॉसियन ब्लर त्रिज्या
sensitivity	number (0-1)	0.5	डिटेक्शन कॉन्फ़िडेंस थ्रेशोल्ड

फेस एन्हांसमेंट

टूल रूट: enhance-faces
मॉडल: GFPGAN, CodeFormer

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
model	"auto" | "gfpgan" | "codeformer"	"auto"	एन्हांसमेंट मॉडल
strength	number (0-1)	0.8	एन्हांसमेंट शक्ति
sensitivity	number (0-1)	0.5	फेस डिटेक्शन थ्रेशोल्ड
onlyCenterFace	boolean	false	केवल सबसे केंद्रीय फेस को एन्हांस करें

AI कलराइज़ेशन

टूल रूट: colorize
मॉडल: DDColor (OpenCV DNN फ़ॉलबैक के साथ)

ब्लैक-एंड-व्हाइट या ग्रेस्केल फोटो को पूर्ण रंग में बदलता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
intensity	number (0-1)	1.0	रंग संतृप्ति शक्ति
model	"auto" | "ddcolor" | "opencv"	"auto"	मॉडल वेरिएंट

नॉइज़ हटाना

टूल रूट: noise-removal
मॉडल: SCUNet (स्तरीय डीनॉइज़िंग पाइपलाइन)

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
tier	"quick" | "balanced" | "quality" | "maximum"	"balanced"	प्रसंस्करण स्तर
strength	number (0-100)	50	डीनॉइज़िंग शक्ति
detailPreservation	number (0-100)	50	कितना विवरण संरक्षित करना है; अधिक होने पर अधिक टेक्सचर बना रहता है
colorNoise	number (0-100)	30	कलर नॉइज़ कमी शक्ति
format	string	"original"	आउटपुट प्रारूप: original, png, jpeg, webp, avif, jxl
quality	number (1-100)	90	आउटपुट एन्कोडिंग गुणवत्ता

रेड आई हटाना

टूल रूट: red-eye-removal

फेस लैंडमार्क का पता लगाता है, आँख क्षेत्रों को खोजता है, और रेड-चैनल ओवरसैचुरेशन को ठीक करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
sensitivity	number (0-100)	50	रेड पिक्सेल डिटेक्शन थ्रेशोल्ड
strength	number (0-100)	70	सुधार शक्ति
format	string	-	आउटपुट प्रारूप ओवरराइड (वैकल्पिक)
quality	number (1-100)	90	आउटपुट गुणवत्ता

फोटो रिस्टोरेशन

टूल रूट: restore-photo

पुरानी या क्षतिग्रस्त फोटो के लिए बहु-चरण पाइपलाइन: स्क्रैच/फटने का पता लगाना और मरम्मत, फेस एन्हांसमेंट, डीनॉइज़िंग, और वैकल्पिक कलराइज़ेशन।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
scratchRemoval	boolean	true	स्क्रैच, फटने का पता लगाएँ और मरम्मत करें
faceEnhancement	boolean	true	फेस एन्हांसमेंट पास लागू करें
fidelity	number (0-1)	0.7	फेस एन्हांसमेंट शक्ति (अधिक = अधिक संरक्षी)
denoise	boolean	true	डीनॉइज़िंग पास लागू करें
denoiseStrength	number (0-100)	25	डीनॉइज़िंग शक्ति
colorize	boolean	false	रिस्टोरेशन के बाद कलराइज़ करें
colorizeStrength	number (0-100)	85	कलराइज़ेशन तीव्रता

पासपोर्ट फोटो

टूल रूट: passport-photo
मॉडल: MediaPipe फेस लैंडमार्क + BiRefNet बैकग्राउंड हटाना

दो-चरण वर्कफ़्लो: विश्लेषण (फेस का पता लगाना + बैकग्राउंड हटाना) फिर जनरेट (क्रॉप, आकार बदलना, टाइल)। 6 क्षेत्रों में 37+ देशों का समर्थन करता है।

चरण 1: विश्लेषण

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

एक इमेज फ़ाइल (multipart) स्वीकार करता है। फेस लैंडमार्क डेटा, एक base64 प्रीव्यू, और इमेज आयाम लौटाता है।

चरण 2: जनरेट

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

चरण 1 के परिणामों के साथ-साथ जनरेशन सेटिंग्स वाला एक JSON बॉडी स्वीकार करता है:

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
jobId	string	(आवश्यक)	चरण 1 से Job ID
filename	string	(आवश्यक)	चरण 1 से मूल फ़ाइल नाम
countryCode	string	(आवश्यक)	ISO देश कोड (जैसे, US, GB, IN)
documentType	string	"passport"	दस्तावेज़ प्रकार
bgColor	string	"#FFFFFF"	बैकग्राउंड रंग hex
printLayout	string	"none"	प्रिंट लेआउट: none, 4x6, a4, letter
maxFileSizeKb	number	0	KB में अधिकतम फ़ाइल आकार (0 = कोई सीमा नहीं)
dpi	number (72-1200)	300	आउटपुट DPI
customWidthMm	number	-	mm में कस्टम चौड़ाई (देश स्पेक को ओवरराइड करती है)
customHeightMm	number	-	mm में कस्टम ऊँचाई (देश स्पेक को ओवरराइड करती है)
zoom	number (0.5-3)	1	ज़ूम कारक
adjustX	number	0	क्षैतिज स्थिति समायोजन
adjustY	number	0	ऊर्ध्वाधर स्थिति समायोजन
landmarks	object	(आवश्यक)	चरण 1 से लैंडमार्क
imageWidth	number	(आवश्यक)	चरण 1 से इमेज चौड़ाई
imageHeight	number	(आवश्यक)	चरण 1 से इमेज ऊँचाई

ऑब्जेक्ट मिटाना (इनपेंटिंग)

टूल रूट: erase-object
मॉडल: ONNX Runtime के माध्यम से LaMa

मास्क को एक दूसरे फ़ाइल भाग (fieldname mask) के रूप में भेजा जाता है, base64 के रूप में नहीं। मास्क में सफेद पिक्सेल मिटाने वाले क्षेत्रों को इंगित करते हैं। format और quality सेटिंग्स शीर्ष-स्तरीय फ़ॉर्म फ़ील्ड के रूप में भेजी जाती हैं।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
file	file	(आवश्यक)	स्रोत इमेज (multipart)
mask	file	(आवश्यक)	मास्क इमेज (multipart, fieldname mask, सफेद = मिटाएँ)
format	string	"auto"	आउटपुट प्रारूप: auto, png, jpg, jpeg, webp, tiff, gif, avif, heic, heif, jxl
quality	integer (1-100)	95	आउटपुट गुणवत्ता

NVIDIA GPU उपलब्ध होने पर CUDA-त्वरित।

AI कैनवास विस्तार

टूल रूट: ai-canvas-expand
मॉडल: LaMa-आधारित आउटपेंटिंग

किसी इमेज के कैनवास को किसी भी दिशा में विस्तारित करता है और नए क्षेत्रों को AI-जनित सामग्री से भरता है जो मौजूदा इमेज से मेल खाती है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
extendTop	integer	0	शीर्ष पर विस्तारित करने के लिए पिक्सेल
extendRight	integer	0	दाईं ओर विस्तारित करने के लिए पिक्सेल
extendBottom	integer	0	नीचे विस्तारित करने के लिए पिक्सेल
extendLeft	integer	0	बाईं ओर विस्तारित करने के लिए पिक्सेल
tier	"fast" | "balanced" | "high"	"balanced"	गुणवत्ता स्तर
format	string	"auto"	आउटपुट प्रारूप: auto, png, jpg, jpeg, webp, tiff, gif, avif, heic, heif, jxl
quality	integer (1-100)	95	आउटपुट गुणवत्ता

कम से कम एक विस्तार दिशा 0 से अधिक होनी चाहिए।

स्मार्ट क्रॉप

टूल रूट: smart-crop
मॉडल: MediaPipe फेस डिटेक्शन (केवल फेस मोड)

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
mode	string	"subject"	क्रॉप रणनीति: subject, face, trim
strategy	"attention" | "entropy"	"attention"	विषय मोड के लिए रणनीति
width	integer	-	आउटपुट चौड़ाई
height	integer	-	आउटपुट ऊँचाई
padding	integer (0-50)	0	विषय के चारों ओर पैडिंग प्रतिशत
facePreset	string	"head-shoulders"	mode=face होने पर प्रीसेट फ्रेमिंग
sensitivity	number (0-1)	0.5	फेस डिटेक्शन थ्रेशोल्ड
threshold	integer (0-255)	30	बैकग्राउंड डिटेक्शन थ्रेशोल्ड (ट्रिम मोड)
padToSquare	boolean	false	ट्रिम किए गए परिणाम को वर्ग में पैड करें
padColor	string	"#ffffff"	वर्ग पैडिंग के लिए बैकग्राउंड रंग
targetSize	integer	-	पैड किए गए आउटपुट के लिए लक्ष्य आकार (पिक्सेल)
quality	integer (1-100)	-	आउटपुट गुणवत्ता

लेगेसी mode मान attention और content स्वीकार किए जाते हैं और क्रमशः subject और trim पर मैप किए जाते हैं।

फेस प्रीसेट:

प्रीसेट	किसके लिए सर्वश्रेष्ठ
closeup	हेडशॉट
head-shoulders	प्रोफ़ाइल फोटो
upper-body	LinkedIn / औपचारिक
half-body	पूरा ऊपरी शरीर

ऑडियो ट्रांसक्राइब

टूल रूट: transcribe-audio
मॉडल: faster-whisper

स्पीच को टेक्स्ट में बदलता है। सादा टेक्स्ट, SRT, और VTT आउटपुट प्रारूपों का समर्थन करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
language	string	"auto"	भाषा: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	"txt" | "srt" | "vtt"	"txt"	आउटपुट प्रारूप

ऑटो सबटाइटल

टूल रूट: auto-subtitles
मॉडल: faster-whisper (वीडियो से ऑडियो निकालता है, फिर ट्रांसक्राइब करता है)

किसी वीडियो के ऑडियो ट्रैक से सबटाइटल फ़ाइलें जनरेट करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
language	string	"auto"	भाषा: auto, en, de, fr, es, zh, ja, ko, id, th, vi
format	"srt" | "vtt"	"srt"	आउटपुट सबटाइटल प्रारूप

PNG ट्रांसपेरेंसी फिक्सर

टूल रूट: transparency-fixer
मॉडल: BiRefNet HR-मैटिंग (2048x2048 रिज़ॉल्यूशन)

"नकली पारदर्शी" PNG को ठीक करता है जहाँ बैकग्राउंड हटा दिया गया था लेकिन फ्रिंजिंग, हेलो, या अर्ध-पारदर्शी आर्टिफैक्ट पीछे छूट गए। साफ अल्फा चैनल उत्पन्न करने के लिए BiRefNet के उच्च-रिज़ॉल्यूशन मैटिंग मॉडल का उपयोग करता है, फिर किनारों के साथ रंग संदूषण हटाने के लिए कॉन्फ़िगर करने योग्य डिफ्रिंज प्रसंस्करण लागू करता है।

OOM फ़ॉलबैक शृंखला: यदि BiRefNet HR-मैटिंग उपलब्ध मेमोरी से अधिक हो जाती है, तो टूल स्वतः birefnet-general पर, फिर u2net पर फ़ॉलबैक करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
defringe	number (0-100)	30	रंग संदूषण हटाने के लिए एज डिफ्रिंज शक्ति
outputFormat	"png" | "webp"	"png"	आउटपुट इमेज प्रारूप
removeWatermark	boolean	false	वॉटरमार्क हटाने की पूर्व-प्रसंस्करण लागू करें (median filter)

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"}'

---

वैकल्पिक AI क्षमताओं वाले टूल

निम्नलिखित टूल Python साइडकार टूल नहीं हैं लेकिन कुछ विकल्प सक्षम होने पर AI फ़ीचर का उपयोग करते हैं।

इमेज एन्हांसमेंट

टूल रूट: image-enhancement
इंजन: विश्लेषण-आधारित (Sharp हिस्टोग्राम और सांख्यिकी)

इमेज का विश्लेषण करता है और एक्सपोज़र, कंट्रास्ट, व्हाइट बैलेंस, सैचुरेशन, शार्पनेस, और नॉइज़ के लिए स्वचालित सुधार लागू करता है। दृश्य-विशिष्ट मोड का समर्थन करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
mode	"auto" | "portrait" | "landscape" | "low-light" | "food" | "document"	"auto"	सुधारों को ट्यून करने के लिए दृश्य मोड
intensity	number (0-100)	50	कुल सुधार शक्ति
corrections.exposure	boolean	true	एक्सपोज़र सुधार लागू करें
corrections.contrast	boolean	true	कंट्रास्ट सुधार लागू करें
corrections.whiteBalance	boolean	true	व्हाइट बैलेंस सुधार लागू करें
corrections.saturation	boolean	true	सैचुरेशन सुधार लागू करें
corrections.sharpness	boolean	true	शार्पनेस सुधार लागू करें
corrections.denoise	boolean	true	डीनॉइज़िंग लागू करें
deepEnhance	boolean	false	SCUNet के माध्यम से AI नॉइज़ हटाना सक्षम करें (upscale-enhance बंडल की आवश्यकता है)

एक अतिरिक्त विश्लेषण एंडपॉइंट POST /api/v1/tools/image/image-enhancement/analyze पर उपलब्ध है जो पहचाने गए सुधार लागू किए बिना लौटाता है।

सामग्री-जागरूक आकार बदलना (सीम कार्विंग)

टूल रूट: content-aware-resize
इंजन: Go caire बाइनरी (Python नहीं; कोई GPU लाभ नहीं)

कम-ऊर्जा सीम हटाकर इमेज का बुद्धिमानी से आकार बदलता है, महत्वपूर्ण सामग्री को संरक्षित करता है।

पैरामीटर	प्रकार	डिफ़ॉल्ट	विवरण
width	number	-	लक्ष्य चौड़ाई
height	number	-	लक्ष्य ऊँचाई
protectFaces	boolean	false	पहचाने गए फेस क्षेत्रों की रक्षा करें (face-detection बंडल की आवश्यकता है)
blurRadius	number (0-20)	4	ऊर्जा गणना के लिए पूर्व-ब्लर
sobelThreshold	number (1-20)	2	एज संवेदनशीलता थ्रेशोल्ड
square	boolean	false	वर्गाकार आउटपुट बाध्य करें