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

description, i18n_output_hash, i18n_source_hash, i18n_provenance

description	i18n_output_hash	i18n_source_hash	i18n_provenance
Referens för AI-motorn med alla lokala ML-verktyg. Bakgrundsborttagning, uppskalning, OCR, ansiktsdetektering, fotorestaurering och mer.	73c354201c5c	aa9a56cdddc7	human

Referens för AI-motorn

@snapotter/ai-paketet koordinerar inbyggda verktyg och Python-körtider för lokala ML-operationer. De flesta ML-verktyg använder en ihållande Python sidecar för snabba varma starter. OCR är avsiktligt separat: fast anropar den ursprungliga binära Tesseract, medan balanced och best använder en dedikerad beständig JSONL dispatcher fästad till den aktiva oföränderliga RapidOCR-generationen under /data/ai/v3. Varje begäran innehåller en generation lease. Under en uppgradering kör SnapOtter en smoke test på kandidaten före aktivering, växlar atomärt till den nya dispatcher och dränerar sedan den gamla generationen före garbage collection.

NVIDIA CUDA upptäcks automatiskt och används av körtider som stöder det. OCR använder CPU på varje värd, inklusive system med NVIDIA GPU:er, och undviker CUDA och drivrutinskoppling för detta verktyg.

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.

::: info Kompatibilitet för koreansk OCR Snabb OCR stöder auto, en, de, es, fr, zh och ja, men inte koreanska (ko). Koreanska kräver det exakta OCR-paketet och balanced eller best. Paketet fungerar i officiella Linux amd64- och arm64-containrar, även på NVIDIA-värdar där OCR fortsätter köras på CPU. System som inte stöds får ett uttryckligt kompatibilitetsfel och faller aldrig tyst tillbaka till fast. Koreanska med fast eller det äldre aliaset tesseract avvisas före köläggning med FEATURE_INCOMPATIBLE och fast-korean-unsupported. :::

Arkitektur

Node.js Tool Route
      |
      v
 @snapotter/ai bridge.ts
      | (stdin/stdout JSON + stderr progress events)
      v
 +-- Native Tesseract + Ghostscript (fast image/PDF OCR)
 |
 +-- Isolated OCR runtime (persistent JSONL dispatcher)
 |     `-- RapidOCR + ONNX Runtime CPU + pinned PP-OCR models
 |
 `-- Python dispatcher (persistent process, "ai" profile)
      |
      |-- remove_bg.py        (rembg / BiRefNet)
      |-- upscale.py          (RealESRGAN)
      |-- inpaint.py          (LaMa ONNX)
      |-- outpaint.py         (LaMa canvas expansion)
      |-- 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

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.

De flesta AI-verktyg kräver ett eller flera funktionspaket innan de kan köras. Administratörsgränssnittet installerar dessa med hjälp av POST /api/v1/admin/tools/:toolId/features/install, vilket löser hela paketlistan, hoppar över paket som redan är installerade och köar endast de saknade nedladdningarna. Till exempel, aktivering av Passfoto på en ny instans köer background-removal och face-detection; aktivera det efter att bakgrundsborttagning redan är installerat köer endast face-detection. OCR är undantaget eftersom fast inte behöver något pack; installera dess valfria exakta körtid genom UI eller POST /api/v1/admin/features/ocr/install.

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	~208-234 MiB nedladdning / ~409-488 MiB installerad	Tillval RapidOCR 3.9.1, ONNX Runtime 1.20.1 och stiftade PP-OCR-modeller	ocr, ocr-pdf (endast balanced och best)
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 endast tillgängligt när alla dess nödvändiga buntar är installerade, förutom OCR: dess inbyggda fast-nivå förblir tillgänglig utan det valfria OCR-paketet. Delinstallationer är giltiga och hanteras inkrementellt: installerade paket återanvänds, saknade paket visas som nedladdningar och installationer i kö körs en i taget så att den delade Python-miljön inte ändras samtidigt.

Exakt OCR runtime installation

Det exakta OCR-paketet är en plattformsspecifik körtid för den officiella Linux amd64- eller Linux arm64-behållaren. amd64-bygget använder Python 3.12; arm64-bygget använder Python 3.11. Båda byggen kör RapidOCR genom ONNX Runtime:s CPUExecutionProvider, så samma paket fungerar på endast CPU- och NVIDIA Docker-värdar. Den exakta körtiden kräver minst 4 GiB effektivt minne: den konfigurerade behållarens cgroup-gräns, annars värdminne. Ett system under det signerade kompatibilitetsminimum avvisas före nedladdning. Detta krav gäller inte för inbyggd Fast OCR. Bare-metal-builds avvisas eftersom deras libc och Python ABI inte kan härledas säkert; Snabb OCR förblir tillgänglig när värden tillhandahåller Tesseract och Ghostscript.

Den valfria artefakten är cirka 208-234 MiB komprimerad och 409-488 MiB extraherad, beroende på arkitektur. Det signerade indexet binder de exakta komprimerade och extraherade byteantalerna som upprätthålls av installationsprogrammet. Inbyggd Tesseract lägger till cirka 25 MiB till den officiella bilden och behöver inga filer i /data/ai.

Onlineinstallation hämtar ett signerat releaseindex och den exakta innehållsadresserade artefakten för den aktuella plattformen. SnapOtter verifierar Ed25519 indexsignatur, artefaktstorlek, SHA-256 sammanfattning, modellsammandrag, sökvägar, fillägen och iscensatta smoke test innan den nya generationen atomärt aktiveras. En misslyckad installation lämnar den tidigare friska generationen aktiv.

För installation med luftgap, ladda upp både releasens ocr-runtime-index.json och matchande OCR runtime-arkiv till POST /api/v1/admin/features/import med hjälp av flerdelade fält som heter index och archive. Offlineimport tillämpar samma signatur-, hash-, extraktions-, kompatibilitets- och röktestkontroller som onlineinstallation; ett arkiv utan dess betrodda signerade index avvisas.

---

Bakgrundsborttagning

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

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

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

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

Verktygsrutt: ocr Modeller: Tesseract (fast); RapidOCR med PP-OCRv6 små modeller (balanced); PP-OCRv6 mellanmodeller med kalibrerad variantpoäng (best)

Parameter	Typ	Standard	Beskrivning
quality	"fast" | "balanced" | "best"	Dynamisk	När quality och engine utelämnas väljer SnapOtter den bästa tillgängliga nivån i ordningen best, balanced, fast. För koreanska väljs aldrig fast; best, sedan balanced används, annars returneras installations- eller kompatibilitetsfelet för den exakta körmiljön.
language	string	"auto"	Språk: auto, en, de, fr, es, zh, ja, ko
enhance	booleskt	Tierberoende	Förbättra den lokala kontrasten. Fast applicerar det direkt; exakta nivåer behåller varianten endast när kalibrerad poängsättning förbättrar OCR. Standard på för Best
engine	sträng	-	Utfasat kompatibilitetsalias. Mappar tesseract till fast och det äldre paddleocr-värdet till balanced; den laddar inte PaddlePaddle

Returnerar extraherad text plus härkomstmetadata: motor, begärd och faktisk kvalitet, enhet, leverantör, försämringstillstånd, varningar och korrekt körtid/modellversioner när tillämpligt. Explicita kvalitetsförfrågningar faller aldrig tillbaka till en annan nivå. Om balanced eller best är otillgängliga, returnerar API FEATURE_NOT_INSTALLED eller FEATURE_INCOMPATIBLE istället för att köra fast tyst.

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"	Dynamisk	När quality och engine utelämnas väljer SnapOtter den bästa tillgängliga nivån i ordningen best, balanced, fast. För koreanska väljs aldrig fast; best, sedan balanced används, annars returneras installations- eller kompatibilitetsfelet för den exakta körmiljön.
language	string	"auto"	Språk: auto, en, de, fr, es, zh, ja, ko
pages	string	"all"	Sidval: "all", "1-3", "1,3,5"
enhance	booleskt	Tierberoende	Förbättra den lokala kontrasten. Fast applicerar det direkt; exakta nivåer behåller varianten endast när kalibrerad poängsättning förbättrar OCR. Standard på för Best
engine	sträng	-	Utfasat kompatibilitetsalias. Mappar tesseract till fast och det äldre paddleocr-värdet till balanced; den laddar inte PaddlePaddle

Samma regel om ingen nedgradering gäller för PDF OCR. PDF sidor rastreras före igenkänning, och en begäran kan välja högst 50 sidor.

Oskärp ansikten / PII

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

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

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

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

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

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

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

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

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)

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

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

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

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

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

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)

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

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

Bildförbättring

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)

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