無審查 AI 圖片 · IvmeLabs
無審查 Ivme-Denoise-v1:一眨眼讓顆粒感夜拍變乾淨
演唱會影片截圖、用手機拍的霓虹街景、昏暗的地鐵月台:畫面上全是彩色雜點。Ivme-Denoise-v1 是一款專門用來抹除這些顆粒的免費 AI 模型。它只有大約 12MB,能自己判斷雜訊在哪裡,而且直接在你自己的電腦上執行,照片完全不必離開你的裝置。以下介紹它擅長什麼、怎麼使用,以及如何融入 AI 圖像工作流程。
- 免費開始
- 無過濾
- 可離線使用

無審查替代圖片生成器
文字生成圖片描述你想要的圖片。加入參考照片即可編輯,留空則為文字生成圖片。
為你的照片準備的 12MB 夜視貓
這個模型出自 IvmeLabs,於 2026 年 10 月 27 日以 Apache-2.0 授權發布在 Hugging Face 上,也就是可以免費下載並用於商業用途。İvme 在土耳其語中是「加速」的意思,團隊形容這個系列是「小得誇張、實力卻超乎體型」的模型。代號 Margay 1 取自一種眼睛超大的小型夜行性野貓,因為它的工作正是把黑暗清理乾淨。它的參數量不到 300 萬,大約只有 DRUNet 或 Restormer 等知名降噪模型的十分之一,但在標準測試中只落後它們 0.22 到 0.54dB。簡單來說,訣竅在於:作者沒有把網路做得更大,而是把「雜訊該如何被壓低」的數學直接寫進網路裡,讓它需要學的東西少很多。它只用了 1,200 張照片,在單張 GPU 上訓練約 7.5 小時。
去除夜拍、演唱會與高 ISO 照片的雜訊
只要相機光線不足、把 ISO 拉高,雜訊就會出現:夜晚街頭、室內派對、演出現場、水族館、昏暗的車站。官方的展示正是這類照片:一張 1230 萬像素的高 ISO 地鐵畫面。處理一次之後,近乎全黑的隧道牆面上的彩色雜點消失了,牆面變成真正的黑色而不是藍灰色,列車車頭的編號依然清晰可讀,時鐘指針也完好保留。實測的色彩雜訊從 7.61 降到 3.59,減少了一半以上。以下是 Ivme-Denoise-v1 及其高 ISO 降噪功能最派得上用場的場景:
| 場景 | 改善之處 | 小技巧 |
|---|---|---|
| 夜晚街景與霓虹 | 乾淨的暗色天空,招牌與倒影清晰 | 使用自動模式 |
| 演唱會與派對 | 昏暗人群中的色斑減少 | 從輕度強度開始 |
| 用作封面的影片截圖 | 放大前先得到更乾淨的畫面 | 先降噪,再放大 |
| 商品、街拍與寵物照 | 背景更平滑,邊緣保留 | 以 100% 比例比較前後差異 |
| 老照片掃描檔 | 柔化掃描器顆粒 | 官方未測試,請自行檢查結果 |

不用調滑桿:自動偵測雜訊與強度等級
大多數降噪工具都會問你雜訊有多強。Ivme-Denoise-v1 是盲降噪模型:交給它一張照片,它會逐像素估算出雜訊圖,所以暗角會比本來就乾淨的明亮區域得到更多清理。作者推薦對真實照片使用這種自動模式。如果你想自己掌控,也可以手動指定固定強度,用同一張照片比較輕度、中度、重度的效果也很有趣。只是別用過頭:作者提醒,雜訊實際只有 6 卻告訴它是 35,會把細節一併抹掉。好消息是,設錯也不會毀掉照片。真實雜訊為 5、卻告訴模型是 50 時,它仍拿到 35.75dB,而早期版本則跌到 26.02dB,而且不會出現棋盤格紋路。
- 自動:最適合不清楚雜訊程度的手機與相機照片。
- 輕度:保留肌膚、布料與髮絲質感,適合人像與 AI 圖片。
- 中度到重度:非常暗、顆粒非常重的夜拍,乾淨的陰影比細緻質感更重要時使用。
如何使用 Ivme-Denoise-v1:Hugging Face 下載與 Python
所有檔案都放在 Hugging Face 上的 IvmeLabs 儲存庫,下載不需申請權限。從儲存庫取得 model.safetensors 權重(約 12MB)和 modeling_ivmetron.py 程式碼,安裝四個 Python 套件,再執行幾行程式即可。有顯示卡時幾乎是瞬間完成:512 像素的圖片約 18 毫秒,完整的 1200 萬像素照片約 6.5 秒;但它也輕巧到能用 CPU 跑,每百萬像素只要幾秒。因此它很適合當作筆電上的輕量降噪模型,或是讓它整晚批次清理整本相簿。想在安裝任何東西之前先試試看?Hugging Face 上有兩個線上示範 Space,可以直接在瀏覽器上傳照片。
pip install torch safetensors numpy pillow
import numpy as np
from PIL import Image
from modeling_ivmetron import load_model, denoise_tiled, estimate_sigma_map
model = load_model(".", device="cuda") # or device="cpu"
img = np.asarray(Image.open("photo.jpg").convert("RGB"), dtype=np.float32) / 255.0
out = denoise_tiled(model, img, estimate_sigma_map(img), device="cuda")
Image.fromarray((np.clip(out, 0, 1) * 255).round().astype(np.uint8)).save("clean.png")ComfyUI:目前還沒有官方節點,暫時只能透過儲存庫附帶的 Python 程式碼執行。
在放大或做成動畫前,先為 AI 生成圖片降噪
AI 圖片與影片截圖常帶有顆粒、壓縮色塊或充滿雜訊的陰影,而放大工具會連同這些髒污一起放大。養成簡單的三步驟習慣就能解決:先跑 Ivme-Denoise-v1,再用 Real-ESRGAN 之類的工具放大,最後調色。圖片轉影片也是一樣:乾淨的第一幀能讓動畫少一些晃動的雜點。請記得,AI 生成與算圖的圖片不在訓練資料中,所以請使用輕度強度並比較效果。以下是搭配 Spicy AI 的用法:在線上圖片編輯器建立或編輯圖片、下載下來、在本機快速清理一次,再帶回來繼續編輯,或用圖片轉影片讓它動起來。適合搭配降噪的提示詞包括 “night city street, neon signs, rain reflections, shot on phone, high ISO, realistic, 35mm”,以及用於封面畫面的 “cinematic short drama still, dim office, two adults arguing, moody lighting”。
建立或編輯一張圖片,清理乾淨後再帶回來做成動畫。
開啟圖片編輯器 →私密、離線、無審查的照片清理
降噪模型沒有提示詞欄位,也沒有內容過濾,所以不存在另外的無審查版本,也不需要:在你自己的電腦上執行,它就只是清理你給它的任何圖片,不會上傳到任何雲端服務。這才是大家搜尋無審查或離線照片編輯器的真正原因,也讓這個模型天生適合私密的成人(18+)創作。熱門用途包括清除寫實成人算圖中的低光雜訊,或讓黃昏比基尼拍攝的暗色天空看起來更平滑。肌膚與臉部不在訓練資料內,請維持輕度強度,以免出現塑膠感或偏色。編輯部分可交給線上無審查圖片編輯器,再由這個模型做最後的修飾。
黃昏泳裝拍攝
讓日落後拍攝的成人比基尼或泳裝照片中的暗色天空與陰影變得平滑。
寫實成人算圖
在放大或做成動畫前,為 AI 製作的成人圖片做一次輕度清理。
私密閨房照修圖
在本機清理經同意的成年人低光閨房照,完全不需上傳。
- 處理肌膚時使用輕度強度,保留自然質感。
- 先降噪再放大,千萬不要反過來。
- 畫面中的每個人都必須是成年人(18+),未經同意絕不可編輯真人照片。
無過濾編輯成人圖片,再做最後一次清理。
試用無審查編輯器 →
Ivme 對比 DRUNet、Restormer、DnCNN 與 BM3D
這麼小的模型表現如何?在標準 CBSD68 彩色測試的中度雜訊(σ25)下,它勝過經典的 DnCNN,只略遜於兩個重量級模型,體積卻小了約十倍。對上知名的非 AI 方法 BM3D,它在重度雜訊(σ50)下高出 2.2dB,速度也快得多:約 18 毫秒對上約 3.3 秒。請注意,這些都是作者自己在合成雜訊上測得的數據。
| Ivme (Margay 1) | DnCNN | DRUNet | Restormer | |
|---|---|---|---|---|
| CBSD68 σ25(PSNR) | 31.44dB | 31.24dB | 31.69dB | 31.79dB |
| 參數量 | 2.97M | 0.56M | 32.6M | 26.1M |
| 最適合 | 速度、CPU、小型裝置 | 經典基準 | GPU 上的頂級畫質 | GPU 上的頂級畫質 |
在作者的測試中,BM3D 於 σ50 落後 2.2dB,速度約慢 180 倍。
免費開源 AI 照片降噪工具與 Topaz 替代方案
如果你在找免費的 Topaz Denoise 替代品,Ivme-Denoise-v1 是最輕巧的選擇之一:不用訂閱、授權允許商業使用、可離線處理。不過目前沒有公開與 Topaz 正面比較的結果,請用你自己的照片來判斷。以下列出其他值得認識的免費開源工具,各有所長,在「先清理、再放大」的流程中也能很好地搭配。
- Real-ESRGAN:首選的免費放大工具,請在降噪之後使用。
- SCUNet:針對真實世界雜訊的盲降噪模型。
- NAFNet:強大又簡潔的修復網路,可用於降噪與去模糊。
- Restormer:如果你有夠力的 GPU,可獲得頂級的修復品質。
它(目前)做不到的事
誠實了解限制,才能得到更好的結果。Ivme-Denoise-v1 預期的是 JPEG、PNG 這類一般 sRGB 圖片;餵給它 RAW 或 HDR 檔不會當掉,但輸出結果會不正確。臉部、文字密集的截圖以及算圖或 AI 生成的圖片都不在訓練資料中,因此這些情況的效果未經測試。品質低於 50 的高度壓縮 JPEG 超出它的處理範圍,飽和度很高的色彩也可能略微偏移。此外,它在真實相機感光元件基準測試上還沒有分數,所以作者稱真實照片的效果「很有潛力」,而非「已獲證實」。
- 擅長:顆粒感明顯的夜拍與室內照片、暗部的彩色雜點。
- 未經測試:臉部、截圖、AI 算圖、老底片顆粒。
- 不適用:RAW 或 HDR 檔、品質極低的 JPEG。
剛起步:目前社群的反應
這是全新的版本。截至 2026 年 11 月 20 日,Hugging Face 頁面顯示有 208 次下載和 8 個讚,另有兩個 Space 讓任何人都能線上試用。我們還沒在 Reddit 或 X 上找到較大規模的討論,也沒有獨立評測,所以現階段最好的評審就是你自己的相簿。由於權重很小、授權寬鬆,很容易拿你最多雜訊的一批照片來測試,喜歡效果就留著用。
自行架設 Ivme vs 在 Spicy AI 線上創作
| 本機部署(官方權重) | Spicy AI 線上版 | |
|---|---|---|
| 內容過濾 | 本機執行時無 | 無內容過濾 |
| 開放權重 | 是 | 不需要——直接在瀏覽器執行 |
| 模型 | 297 萬參數降噪模型,適用 sRGB 照片 | 無審查圖片編輯與生成工具,線上託管 |
| 入門成本 | 你自己的電腦 | 提供免費方案 |
常見問題
它是誰做的?什麼時候發布?
IvmeLabs 於 2026 年 10 月 27 日以 Apache-2.0 授權在 Hugging Face 上發布。
它免費嗎?可以商用嗎?
可以。權重可免費下載,Apache-2.0 允許商業使用,只要保留授權聲明即可。目前沒有官方付費 API。
我需要顯示卡嗎?
不需要。檔案只有約 12MB,用 CPU 執行每百萬像素只需幾秒。在 GPU 上,512 像素的圖片約需 18 毫秒。
它能處理 RAW 檔或人像嗎?
不支援 RAW 與 HDR。臉部不在訓練資料中,請自行測試人像,並使用輕度強度。
我需要自己設定雜訊等級嗎?
不需要。自動雜訊圖會為每個像素算出強度。手動設得太高可能會抹除細節。
可以在 ComfyUI 中使用嗎?
目前還沒有官方節點。暫時只能透過儲存庫中的 Python 程式碼執行。
Spicy AI 與 IvmeLabs 有關係嗎?
沒有。Spicy AI 是獨立平台,與 IvmeLabs 沒有任何關聯,也未獲其背書。模型名稱歸其各自的所有者所有。