2025年10月

项目说明

github地址:
[bsgit user="StepDust"]Reverse_1999_image_download[/bsgit]
软件下载:https://s.fnnas.net/s/62d245d590974baf93

  1. 虽然我不玩《重返未来1999》,但是我很喜欢它的美术
  2. 图片来源地址 《重返未来:1999》官方网站-深蓝互动
  3. 会根据起始页码和每页数量,来循环请求接口,获取所有图片的url
  4. 会跳过已经下载过的图片,避免重复下载
  5. 没有写停止下载的功能,我懒,直接关闭软件就好
  6. 代码全部来源于ChatGPT和Trae
  7. 这玩意儿巨吃内存,没做优化,凑合用吧
    重返未来1999图片下载器

技术说明

  1. 项目基于 Python 开发
  2. 项目依赖的第三方库请参考 requirements.txt 文件
  3. 本来以为直接requests就可以了,然后发现它做了防盗链,就不得不用playwright来模拟浏览器请求

使用说明

  1. 接口地址:https://re.bluepoch.com/activity/official/websites/picture/query
  2. 起始页码:1

    • 只要是大于0的数字,都可以,但是太大了可能没有那么多图片
  3. 每页数量:10

    • 官方的接口填的是15,大家随意吧,是数字就行
  4. 图片保存路径

    • 你自己指定一个文件夹
  5. 谷歌浏览器路径

    • 你需要自己安装一个谷歌浏览器
    • 填写它的安装路径
    • 比如 C:\Program Files\Google\Chrome\Application\chrome.exe
    • 不能用Edge,会报错
    • 本来我是一起打包进去的,但是打包出来的软件体积太大了,接近300M,遂放弃
  6. 运行软件后会在同目录生成logs文件夹,里面会有运行日志
  7. 同目录下会有一个同名的cfg配置文件

    • 里面会存储你之前填写的参数
    • 下次运行软件时,会自动读取这个配置文件

源码运行说明

  1. 安装python
  2. 安装依赖库
    pip install -r requirements.txt
  3. 运行软件
    python Reverse_1999_image_download.py
  4. 打包软件
    pyinstaller Reverse_1999_image_download.spec
    打包出来的软件在dist文件夹下

软件截图

软件截图

华为GaussDB入门级开发者认证–实验教程
分享一下教程,考之前没有找到完整的教程,那我就简单分享一下。 不知道每个人的题是不是都一样的,可以作为参考。
我的题主要有一下这几个
任务1:用户与数据库初始化
创建新用户和数据库,执行数据导入操作。

任务2:应用配置调整
修改应用程序的数据库连接配置,确保与新建的GaussDB数据库正确对接。

任务3:功能逻辑优化
调整“”功能模块中“理财资产信息”的查询逻辑,包括返回结果的内容及排序规则。

任务4:余额查询功能实现
在Java代码中编写SQL语句,完成“查询卡余额”功能模块的开发。

任务5:开卡业务数据记录
客户开卡时,通过Java代码执行SQL插入操作,新增一条对应的存/取款信息记录。

任务6:销卡业务数据清理
客户销卡时,通过Java代码执行SQL删除操作,移除该卡关联的存/取款信息。

任务7:存取款功能开发
在Java代码中整合SQL语句,实现完整的“存取款业务”功能模块。

任务1基本都一样的创建环境,之类的。主要的点可以记一下。
首先通过root账号登录数据库

gsql -h xxx.xx.xx.x -d postgres -p 8000 -U root -W yourpassword -r

然后创建用户,并付给权限,注意要替换成自己实验的用户名

CREATE USER joe PASSWORD 'yourpassword';
ALTER USER joe with sysadmin;

然后创建创建名为finance的数据库,编码格式采用默认的UTF-8,数据库的所有者为db_dev用户

CREATE DATABASE finance OWNER db_dev ENCODING 'UTF8';

使用db_dev用户通过gsql客户端,将ECS弹性云服务器中/root目录下的create_object.sql文件导入finance数据库中

gsql -d finance -U db_dev -p 8000 -h <GaussDB服务器IP地址> -W 密码 -f /root/create_object.sql

数据导入完成后,使用db_dev用户通过gsql客户端登录finance数据库
就是把上面的root替换成新建的用户和密码就行

任务2: 就是进入他给的配置文件路径将里面的ip地址换成主节点的就可以了。

任务3: 就是查询financex下的表然后排序。我给个sql,可以照着改改。

SELECT 
    n.nspname AS schema_name,
    c.relname AS table_name,
    c.reltuples::bigint AS table_rows
FROM pg_class c
JOIN pg_namespace n ON n.oid = c.relnamespace
WHERE n.nspname = 'finance' 
  AND c.relkind = 'r'   -- r 表示普通表
ORDER BY table_rows;

任务4-7: 我这主要是修改他的一个java文件,其实就是将sql写到文件里面,里面的功能都写好了,就写sql就可以。 类似这样的代码,需要把sql写到conn.prepareStatement()里面。
华为GaussDB入门级开发者认证–实验教程2
下面的仅作参考:

public boolean insertCardAsset(String card_number) {
    PreparedStatement pstat = null;

    try {
        // 假设 CardAsset 表有 card_id, balance, currency 三个字段
        String sql = "INSERT INTO CardAsset (card_id, balance, currency) VALUES (?, ?, ?)";
        pstat = conn.prepareStatement(sql);

        pstat.setString(1, card_number);   // 卡号
        pstat.setInt(2, 0);                // 默认金额 0
        pstat.setString(3, "人民币");      // 默认币种 人民币

        pstat.execute();

        return Const.SUCCEED;
    } catch (SQLException ex) {
        System.err.println("SQLException information");
        while (ex != null) {
            System.err.println("Error msg: " + ex.getMessage());
            ex = ex.getNextException();
        }
        return Const.FAILED;
    }
}

然后都是这样的,就是增删改查。4个方法,写完了sql就完事了。整个实验也就完成了。
然后有几个点也需要注意下,改完文件后,要回到finance目录,先编译下,然后在运行。
编译:

javac -classpath ../../../ -d . *.java

运行:

java -p /root/db-dev-cert/libs/opengauss-jdbc-2.0.0.jar expt.db.finance.launch

还有写sql时要注意表名和字段名,可以另外打开一个命令窗口,先查出来,然后再对着写。

阿里 Qoder CLI 即将发布
阿里 Qoder CLI 即将发布
阿里 Qoder 官方命令行工具 Qoder CLI 即将正式发布!佬们可以去datawhale的微信公众号预约直播。

X 平台下月全面启用 Grok AI 推荐算法
X 平台下月全面启用 Grok AI 推荐算法

马斯克发推表示 X 平台将于下月全面切换至由 Grok驱动的AI推荐系统,一并发布的还有模型权重的新算法。每天超过1亿条内容都将由 Grok 进行评估,并推荐最可能引起用户兴趣的内容,显著提升信息流的质量。

OpenAI 发布 GPT-5 搜索 API:价格直降 60%,支持域名过滤
OpenAI 发布 GPT-5 搜索 API:价格直降 60%,支持域名过滤
OpenAI 推出基于 GPT-5 的搜索模型 API,型号标识为 gpt-5-search-api。定价为每千次调用 10 美元,相比原方案降低了 60%,并支持按域名过滤结果。该功能与 Responses 接口中的网页搜索一致。
微软发布首款自研图像生成模型 MAI-Image-1,LMArena 排名第九
微软发布首款自研图像生成模型 MAI-Image-1,LMArena 排名第九
微软 AI 正式发布其首款完全自研的图像生成模型 MAI-Image-1,目前在 LMArena 竞技场上排名第九。

不过目前只能在 LMArena 上使用,官方表示后续会优先面向 Copilot 和 Bing Image Creator 中提供 MAI-Image-1 模型。

Nanonets 开源 OCR 2 系列模型:图像文档转结构化 Markdown
Nanonets 开源 OCR 2 系列模型:图像文档转结构化 Markdown
Nanonets 发布并开源了 OCR 2 系列模型,包括 Nanonets-OCR2-Plus、Nanonets-OCR2-3B 与 Nanonets-OCR2-1.5B-exp 三个版本。该系列模型专注于将图像文档转换为结构化 Markdown,并支持视觉问答功能。

其背后是基于 Qwen2-VL 微调而来,3B 版本在超过 300 万页的混合文档上进行训练,覆盖了论文、财报、合同、病历、税表、收据、手写及多语种材料,有需要的佬可以看看。

谷歌 NotebookLM 视频概览支持 Nano Banana

NotebookLM 视频概览功能发布更新升级 ,新增了六种由 Nano Banana 提供配图支持的视觉风格:Watercolor、Papercraft、Anime、Whiteboard、Retro Print 和 Heritage。

这次更新彻底告别了以往固定主体动态颜色的限制,效果提升明细。还没体验过的佬们快去试试吧!不过该功能目前仅支持 Pro 用户,谷歌官方表示未来将逐步覆盖全体用户。

阿里 Qwen3-VL 开源 4B/8B 版本
阿里 Qwen3-VL 开源 4B/8B 版本
阿里通义开源了 Qwen3-VL 的 4B 和 8B 版本,显存占用更低的同时,完整保留了 Qwen3-VL 的核心功能。此外,还提供了 FP8 版本。

官方测试数据显示,在 STEM、VQA、OCR、视频理解以及 Agent 任务等多项测试中,居然超过了 Gemini 2.5 Flash Lite 和 GPT-5 Nano,有些表现甚至能媲美 Qwen2.5-VL-72B。
OpenAI 官宣:ChatGPT 即将推出 NSFW 版本
OpenAI 官宣:ChatGPT 即将推出 NSFW 版本
OpenAI CEO Sam Altman 在推特上宣布,未来几周将推出一个新版 GPT,类似 GPT-4o,回复更加人性化,就像你的朋友那样。

更劲爆的是,12 月将推出更全面的年龄限制,允许 GPT 在验证成年身份的情况下提供涩涩内容!好家伙,第一生产力来了。

被广泛用于模拟真实浏览器指纹的 uTLS 库存在一个严重的指纹泄露漏洞,进而对主流的代理工具构成了严重威胁。

该漏洞会导致 uTLS 在模仿浏览器时,有 50% 的概率创造出一个矛盾的 TLS 指纹:即外部连接声称优先使用 AES
加密,但其内部 ECH 功能却使用了 ChaCha20。这种矛盾的指纹组合在真实浏览器中绝不会出现,因此可以被立即识别。此漏洞存在于 2023年12月至2025年10月之间的所有 uTLS 版本。

依赖 uTLS 进行指纹模拟的代理工具均受此影响。例如,在 Xray 中 uTLS 功能 fingerprint 默认设置为 chrome,这会直接导致指纹泄露。用户需要手动将其修改为 firefox 或其他浏览器指纹以作规避。

此漏洞可被 GF*W 等审查系统利用,从而极大地提高识别效率。虽然单个连接的泄露概率是50%,但由于代理工具会持续产生大量连接,审查系统识别出用户流量的成功率几乎可以达到100%。比较讽刺的是,如果你不使用 uTLS 伪装,GFW反而更难识别出代理流量,因此当前如果没有必要请勿开启 uTLS 伪装。

消息来源:信号旗

https://github.com/refraction-networking/utls/commit/24bd1e05a788c1add7f3037f4532ea552b2cee07

目前sing-box表示已修复该问题。
https://github.com/refraction-networking/utls/pull/375
https://github.com/SagerNet/sing-box/releases/tag/v1.12.10
https://github.com/SagerNet/sing-box/releases/tag/v1.13.0-alpha.22
mihomo也表示修复该问题。

https://github.com/MetaCubeX/mihomo/releases/tag/v1.19.15
https://github.com/MetaCubeX/ClashMetaForAndroid/releases/tag/v2.11.18

[bsgit user="ChinaSiro"]CloudFlare-RealiP-nginx[/bsgit]

我每个站点都优选到了CF,但是回来的都是CF后的IP。
也就是我们nginx日志中出现的都不是用户真实IP,而是加速后的。

虽然我做的东西都不限制IP频次,但我也不想无法控制。
避免有人利用攻击导致我封了CF的IP让大量用户无法访问。

写了一段配置放到nginx.conf中的可以获取

# ===== Cloudflare Real IP Support =====
# 2025/10/13 by Huo0.com
# IPv4
set_real_ip_from 173.245.48.0/20;
set_real_ip_from 103.21.244.0/22;
set_real_ip_from 103.22.200.0/22;
set_real_ip_from 103.31.4.0/22;
set_real_ip_from 141.101.64.0/18;
set_real_ip_from 108.162.192.0/18;
set_real_ip_from 190.93.240.0/20;
set_real_ip_from 188.114.96.0/20;
set_real_ip_from 197.234.240.0/22;
set_real_ip_from 198.41.128.0/17;
set_real_ip_from 162.158.0.0/15;
set_real_ip_from 104.16.0.0/13;
set_real_ip_from 104.24.0.0/14;
set_real_ip_from 172.64.0.0/13;
set_real_ip_from 131.0.72.0/22;

# IPv6
set_real_ip_from 2400:cb00::/32;
set_real_ip_from 2606:4700::/32;
set_real_ip_from 2803:f800::/32;
set_real_ip_from 2405:b500::/32;
set_real_ip_from 2405:8100::/32;
set_real_ip_from 2a06:98c0::/29;
set_real_ip_from 2c0f:f248::/32;

# Use Cloudflare header for real IP
real_ip_header CF-Connecting-IP;

但站点太多,手动太麻烦。
就又写到git 直接 命令行一键配置+重载

宝塔云+debian¢os 一键脚本

CF_URL='https://raw.githubusercontent.com/ChinaSiro/CloudFlare-RealiP-nginx/main/realip.conf'; TARGET='/www/server/panel/vhost/nginx/realip.conf'; sudo mkdir -p "$(dirname "$TARGET")" && sudo curl -fsSL "$CF_URL" -o "$TARGET" && sudo nginx -t && sudo /www/server/nginx/sbin/nginx -s reload

启用该功能非常简单,只需配置以下两个环境变量:

  1. MANAGEMENT_PASSWORD
  2. PGSTORE_DSN

变量说明:

  • MANAGEMENT_PASSWORD:用于设置管理页面的密码。
  • PGSTORE_DSN:由云数据库提供商提供,其标准格式如下:

    postgresql://用户名:密码@网址:端口/数据库名

示例如下:
在 CLIProxyAPI v6.2.7+ 中启用 PostgreSQL 数据库存储

至于其他的配置步骤,请参考之前的文章。

项目链接

[bsgit user="chenyme"]grok2api[/bsgit]

更新日志

  • 适配视频生成模型 grok-imagine-0.9。
  • 修复已知错误。
  • 快速更新
docker compose down 

docker compose pull

docker compose up -d

注意事项

  • 选择 grok-imagine-0.9 模型,传入图片和提示词即可(方式和 OpenAI 的图片分析调用格式一致)
  • 返回格式为 <video src="{full_video_url}" controls="controls"></video>
  • 注意:Grok 的视频直链受 403 限制,系统自动缓存图片到本地。必须正确设置 Base Url 以确保视频能正常显示!

    调用示例

curl https://你的服务器地址/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $GROK2API_API_KEY" \
  -d '{
    "model": "grok-imagine-0.9",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "让太阳升起来"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://your-image.jpg"
            }
          }
        ]
      }
    ]
  }'

效果示例

效果示例

[bsplayer url="https://xiaohack.oss-cn-zhangjiakou.aliyuncs.com/typecho/2025/10/2878303982.mp4" image="视频封面图地址"]
[bsmessage type="common" color="red" title="注意"]Grok 最近放开允许轻度NSFW,但有审查,如果视频过于暴露,会返回为空[/bsmessage]

[bsopc] NSFW [/bsopc]
[bsopc]NSFW[/bsopc]

[todo-t] 完整 Claude Code兼容 [/todo-t]
[todo-t] 流式响应零延迟 [/todo-t]
[todo-t] 工具调用完整支持 [/todo-t]
[todo-t] 多模态图片处理 [/todo-t]
[todo-t] 支持多账号 [/todo-t]
[todo-t] 支持IdC和Social认证方式 [/todo-t]
[todo-t] 保持agentContinuationId减少kiro vibe次数扣减 [/todo-t]

[bsgit user="caidaoli"]kiro2api[/bsgit]

ZCF v2新功能介绍

1. ZCF菜单功能

ZCF菜单功能
可以清晰地看到现在ZCF支持的所有功能

2. CCR快速配置菜单

CCR快速配置菜单
使用方法:
如果是小白或者第一次使用Claude Code,推荐直接执行npx zcf选1,进入初始化流程,api配置的步骤里选CCR

单独的CCR菜单配置进入方法如下:

npx zcf ccr      # 打开 CCR 管理菜单
# 或
npx zcf → 选择 R

目前ZCF中的CCR配置只提供了基础的预设,以及全部配置一个模型,流程如下:

选择一个提供商预设:
  1. dashscope
  2. deepseek
  3. gemini
  4. modelscope
  5. openrouter
  6. siliconflow
  7. volcengine
  8. 跳过,在 CCR 中自行配置

选择一个提供商预设: 4. modelscope
✔ 请输入 modelscope 的 API 密钥: 123
? 选择 modelscope 的默认模型: (Use arrow keys)
❯ 1. Qwen/Qwen3-Coder-480B-A35B-Instruct
  2. Qwen/Qwen3-235B-A22B-Thinking-2507
  3. ZhipuAI/GLM-4.5

✔ CCR 配置已保存
✔ 代理设置已配置

? 配置提示:
  • 您可以使用 ccr ui 命令进行更高级的配置
  • 手动修改配置文件后,请执行 ccr restart 使配置生效
  • 请使用 claude 命令启动 Claude Code(而非 ccr code)
  • CCR UI 登录密钥: sk-zcf-x-ccr
    使用此密钥登录 CCR UI 界面

确保流程跑通后可自行在CCR UI或直接编辑~/.claude-code-router/config.json进行更高级配置

:light_bulb:注意:zcf配置的ccr,最后使用的是claude命令来运行的,而不是ccr code(好处是claude code vscode插件等可以直接用),使用前需要使用ccr status确保启动成功

如果一定要使用ccr code 启动,去~/.claude/settings.json里删掉env里的ANTHROPIC_API_KEY和ANTHROPIC_BASE_URL即可

qwen-cli每天提供2000次的qwen3-coder-plus
魔搭每天提供500次的qwen3-coder
加起来一共2500次
background路由到gemini-cli的grmini-flash(gemini-cli的频次限制要高于普通的api)
思考模型用魔搭的qwen3的thinking
websearch还是用gemini-flash
不管轻度中度还是重度一般情况(纯白嫖)是够用了

:collision:ccr启动不起来的可以试试:
我发现 ccr start 经常容易卡在 Loaded JSON config from xxx
可以先终止 3456 端口的服务:

# windows
# 1. 先这样获取到3456端口服务的pid
netstat -ano | findstr :3456
# 得到如下内容
# TCP    127.0.0.1:3456         0.0.0.0:0              LISTENING       1208
# TCP    127.0.0.1:59047        127.0.0.1:3456         TIME_WAIT       0
# 2. 然后终止它,1208不是固定值,取决于上个命令获取到的pid
taskkill //PID 1208 //F

#mac/linux 直接执行下面命令
lsof -t -i:3456 | xargs kill

然后用 ccr restart 命令启动,最后可以用 ccr status 查看状态,正常的话就能 claude 启动了

3. BMad工作流,附一个昨天发的使用流程

bmad 是项目级的,而且原项目一直在持续更新(听说 V5 版会改成 subagents 模式),就没有耦合进 zcf 里了,只做了个自动安装和更新 bmad 的 command
具体步骤:

 用 zcf 导入工作流 npx zcf后选2,走完流程
在项目目录终端运行 claude
5.claude code 中运行 /bmad-init
等待结束会有提示:

  1. 重启 claude: ctrl+c *2 + claude(agent 安装后得重启才能看到,claude command 好像不能自动重启自己:tieba_022: )
  2. 输入 /o+tab+ help(等同于完整命令:/BMad:agents:bmad-orchestrator is running… help)
  3. 此时进入了 bmad 流程,可以根据指引进行其他操作:

4. 工作流可选安装,增加Git指令,增加安装后的详细提示


5. ccusage 集成,可方便查看各种使用量


使用方法:

npx zcf ccu # 快速查看每日用量,可透传ccusage参数

npx zcf → 选择 U # 打开 ccusage 管理菜单

6. 自动检查并更新Claude Code和CCR

npx zcf check
# 或
npx zcf → 选择 +

7. 集成了哈雷佬的 CCometixLine - 基于 Rust 的高性能 Claude Code 状态栏工具,集成 Git 信息和实时使用量跟踪

#初始化中最后一步会确认是否需要安装

#单独安装
npx zcf → 选择 L → 选择 1

效果图:

v2.9.9 版本用户重要提示 :如果您之前使用过 ZCF v2.9.9 版本安装 CCometixLine,请重新运行一次安装流程,以确保 CCometixLine 配置被正确添加。运行 npx zcf → 选择 L → 选择 1 ,会自动添加 CCometixLine 配置。

ZCF todo list (不分先后)

  1. 优化全局记忆配置,增加低token消耗版本【2.12.0已改为output-style】
  2. 重构workflow工作流,改成subagents模式
  3. 研究并集成更多好用的command、agent以及hook
  4. 增加真·一键命令,参数里配置好api,一键即可直接配置完成,适合各大公益站和富可敌国使用【2.10.0已增加】
  5. 优化交互体验,每一步增加返回功能,优化提示信息
  6. 增加快速卸载功能,只删除工作流和全局记忆,或完全卸载cc和ccr
  7. 增加完整的用户操作指南和Q&A

Sora 2 视频去水印:原理其实没那么神秘,说白了就这几种
最近刷到一堆“Sora 视频去水印神器”的帖子和视频,标题都挺唬人的,什么“AI秒去logo”、“高清还原不留痕”之类。
我看着好奇,干脆自己研究了一圈。结果发现啊——
原理其实都挺简单的,不外乎那两三种老办法。
看起来方法很多,其实就是换个壳。

这里我就不讲工具名了,直接讲原理,大家有兴趣自己试。

一、最原始那种:模糊遮盖

最常见的就是这一类。
视频解析成帧图,然后对水印那块区域做模糊或者贴一层颜色。
ffmpeg 就能搞,比如:

ffmpeg -i input.mp4 -vf "delogo=x=100:y=50:w=120:h=40:show=0" output.mp4

原理很直接:模糊掉那一块。
有点像你拿橡皮擦在图上糊一糊。

优点是:快,稳定,不挑环境,自动化也简单。
缺点也明显:
模糊区域细节没了;

  • 有时候边缘处理不自然,尤其背景在动的时候,看着会“糊一块”。
  • 但说实话,如果只是想应急去个logo,这种方式足够用了。

反正大部分视频网站的logo位置都挺固定的。

二、AI重绘(inpainting):好看但慢

第二种是现在最火的“AI去水印”,其实就是重绘。
先把视频分帧,再用算法把那一块抠掉,让模型重新补上。
常用的有:

  • Stable Diffusion 的 inpainting;
  • lama-cleaner;
  • OpenCV 自带的 inpaint()(老但经典)。

效果确实比模糊好,有时候能“补”出原来的纹理,看着挺神奇。
但是啊,问题也不少:

  1. 时间长,毕竟要逐帧处理;
  2. 时序不稳,一帧一帧重绘,结果每帧略有差异,就容易闪;
  3. 结构歪,比如logo刚好在马腿上,结果马腿下一帧就变形了(笑)。

这种方法适合做实验、玩玩 AI。
真要商用批量跑,成本有点高。
但我承认,画面出来确实最自然。

三、“无水印源”重构:直接绕过去

第三类思路挺有意思的,不算“去水印”,更像“绕水印”。
原理大概是:
Sora 在生成视频的时候,水印其实是后加的。
如果能截取到它生成阶段的原始视频包,再重新封装,那自然就没logo了。

问题是:
这个操作很吃技术细节,要懂视频流结构、API请求、缓存路径之类的东西。
网上有人提过思路,但我还没看到特别完整的实现。
而且,这种方式目前很难做成在线服务。
除非你能让用户在自己手机端跑个小代理之类的。

不过,这方向倒挺值得研究的。
真能抓到无logo流,效果肯定比什么模糊、重绘都干净。

四、那些收费的“AI网站”:其实就是套壳

网上一堆收费的“AI去水印网站”,我也看了不少。
大体分两类:

  1. 调用免费工具(ffmpeg、lama-cleaner、segment-anything)加个界面;
  2. 真的自己搭了 GPU 模型重绘服务。

第二类确实有成本,收费也合理。
但第一种就纯套壳,有的甚至还做得比开源工具更慢。
所以真要用,建议先看看有没有网页版 Demo,别盲付。

五、总结一下

各种教程和工具看起来五花八门,其实核心原理就这仨:

  1. 模糊/遮盖 → 快但糙
  2. 重绘/Inpainting → 慢但漂亮
  3. 源流重构 → 技术含量高,但门槛也高

剩下的那些付费网站,基本都在这三种思路里来回包装。

这是我亲自手动研究过的免费网站,有兴趣可以尝试验证上述原理:
https://www.soraaiwatermark.com/
https://www.basedlabs.ai/tools/sora-watermark-remover
https://magiceraser.org/sora-watermark-remover/
别把这些当成黑科技神器,用它们来理解原理才是正道。
转载自https://linux.do/t/topic/1034813