mirror of https://github.com/snapotter-hq/SnapOtter.git synced 2026-08-03 07:46:42 +02:00

Files

T

SnapOtterandGitHub 4963ab3bbd feat(docs-i18n): translate all documentation into 20 languages

All 181 docs markdown files translated into 20 languages (apps/docs/<locale>/**). Companion to the i18n code PR; admin-merged because the file count exceeds GitHub's per-PR CI trigger limit. Validated by pnpm i18n:check (all surfaces, 0 stale/missing) and a clean all-locale docs build.

2026-07-11 13:52:47 +08:00

2.8 KiB

Raw Blame History

description, i18n_source_hash, i18n_provenance, i18n_output_hash

description	i18n_source_hash	i18n_provenance	i18n_output_hash
使用 GFPGAN 與 CodeFormer AI 模型修復並銳化圖片中模糊或低品質的臉部。	7f9f6af8ebda	human	fc67e4f3ddbd

臉部增強

使用 AI 模型（GFPGAN/CodeFormer）修復並增強圖片中的臉部。

API 端點

POST /api/v1/tools/image/enhance-faces

處理方式： 非同步（回傳 202，透過 SSE 輪詢 /api/v1/jobs/{jobId}/progress 取得狀態）

模型套件： upscale-enhance（5-6 GB）與 face-detection（200-300 MB）

參數

參數	類型	必填	預設值	說明
file	file	是	-	圖片檔案（multipart）
model	string	否	`"auto"`	要使用的模型：`auto`、`gfpgan`、`codeformer`
strength	number	否	`0.8`	增強強度（0-1）。數值越高，增強效果越強
onlyCenterFace	boolean	否	`false`	僅增強最居中／最顯著的臉部
sensitivity	number	否	`0.5`	臉部偵測靈敏度（0-1）

範例請求

curl -X POST http://localhost:1349/api/v1/tools/image/enhance-faces \
  -F "file=@portrait.jpg" \
  -F 'settings={"model":"codeformer","strength":0.7,"onlyCenterFace":false}'

回應

初始回應（202 Accepted）

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "async": true
}

進度（SSE，位於 `/api/v1/jobs/{jobId}/progress`）

event: progress
data: {"phase":"processing","stage":"Enhancing faces...","percent":60}

最終結果（透過 SSE）

{
  "phase": "complete",
  "percent": 100,
  "result": {
    "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
    "downloadUrl": "/api/v1/download/{jobId}/portrait_enhanced.png",
    "previewUrl": "/api/v1/download/{jobId}/preview.webp",
    "originalSize": 350000,
    "processedSize": 600000,
    "facesDetected": 2,
    "faces": [
      {"x": 120, "y": 80, "w": 100, "h": 100},
      {"x": 350, "y": 90, "w": 95, "h": 95}
    ],
    "model": "codeformer"
  }
}

備註

同時需要 upscale-enhance 模型套件（5-6 GB）與 face-detection 模型套件（200-300 MB）。
GFPGAN 產生較激進的增強；CodeFormer 較能保留身分特徵。auto 會為輸入選擇最合適的模型。
輸出一律為 PNG 格式以達到最高品質。
會在全解析度輸出旁一併產生 WebP 預覽，以加快前端顯示。
strength 參數會將增強後的臉部與原圖混合。使用較低數值（0.3-0.5）以獲得細微改善，較高數值（0.7-1.0）以獲得更強的修復。
透過自動解碼支援 HEIC/HEIF、RAW、TGA、PSD、EXR 與 HDR 輸入格式。

2.8 KiB Raw Blame History Unescape Escape