本地去水印神器！Moonshine-Image：一键批量去除图片/视频水印，支持Lama与SLBR双模型

简介说明
Moonshine-Image 是一个面向本地图片与视频去除任务的 Windows 桌面工具。它全面支持 Lama 通用擦除、SLBR 半透明水印去除、视频帧处理、模型管理、后端诊断以及 FFmpeg 兜底导出等核心功能。

该项目基于 Vue 3、Quasar、Electron 与本地 Python 后端构建。最初基于 IOPaint 进行二次开发，目前已经迁移为仓库内置的 moonshine_server 后端服务。此外，项目还结合了 WebAV 实现 Web 视频处理能力，并引入了 vue-timeline-editor 作为视频时间轴轨道组件。

能力边界说明

需要明确的是，水印去除并不是原图还原。水印会遮挡或污染原始像素，任何去除水印的模型都做不到完全恢复原图。如果水印盖住了人物五官、文字、产品细节等关键内容，建议使用即梦、Stable Diffusion、Flux 等生成式 AI 进行重绘。对于视频水印，也可以尝试 ProPainter，但它对设备性能要求较高，Moonshine-Image 后续不计划集成该模型。

功能概览

界面预览

软件提供了直观的操作界面，主要包含以下模块：

• 图片处理
• 视频处理
• 模型管理与全局设置
• 后端管理

下载选择指南

从 v1.1.0 版本起，Windows x64 发布包按 Torch 运行时和模型策略进行了拆分。具体的更新信息可查看 GitHub Releases 中的 v1.1.0 Release Notes。请根据您的硬件情况选择合适的安装包：

发布包命名示例：

Moonshine-Image-v1.1.0-win-x64-cu130-bundled-models.zip
Moonshine-Image-v1.1.0-win-x64-cu126-external-models.zip
Moonshine-Image-v1.1.0-win-x64-cpu-external-models.zip

下载后可使用 Release 附带的 SHA256SUMS.txt 校验文件完整性。目前提供夸克网盘与 Hugging Face 两种下载渠道。

项目使用教程

使用内置双模型包：

1. 下载 bundled-models 发布包并解压。
2. 打开 Moonshine-Image.exe。
3. 导入图片或视频。
4. 选择处理模型。
5. 点击运行，处理完成后打开输出目录或下载结果。

使用模型外置包：

1. 下载 external-models 发布包并解压。
2. 打开 Moonshine-Image.exe。
3. 进入“全局设置 > 模型管理”。
4. 下载模型，或按手动安装说明把模型文件放入模型目录。
5. 返回图片或视频页面，选择模型并运行。

发布包内关键路径参考：

• 后端项目：resources/backend/server
• Python 运行时：resources/runtime/win-x64/env
• FFmpeg：resources/ffmpeg/win-x64
• 模型目录：resources/models

模型详细说明

Lama 去除模型：Lama 需要手动绘制蒙版，适合通用擦除、图像修复、不规则物体遮挡和不透明区域处理。它会根据蒙版周围内容补全图像，但无法真正恢复被遮挡的原始细节。

SLBR 透明水印去除模型：SLBR 不需要手动蒙版，仅对可见半透明水印有效，适合批量清理半透明文字或图案水印。需要注意的是，SLBR 对不透明水印效果极差，不应作为不透明水印去除方案使用。如果水印是不透明贴片、粗黑字、遮挡关键细节的 logo 或大面积覆盖内容，请优先使用 Lama 手动蒙版或生成式 AI 重绘。另外，设备性能也会影响此模型的处理效果。

常见问题解答 (FAQ)

我应该下载哪个包？有较新的 NVIDIA 显卡，优先选择 cu130-bundled-models。旧显卡或 CUDA 13.0 不稳定时选择 cu126-bundled-models。没有 NVIDIA 显卡则选择 cpu-bundled-models 或 cpu-external-models。

没有 NVIDIA 显卡可以使用吗？可以。CPU 包能完成流程验证和少量图片处理，但速度明显慢于 CUDA 包。

模型缺失怎么办？进入“全局设置 > 模型管理”，查看模型状态、下载源和手动安装说明。模型外置包首次启动时模型缺失是正常情况。

后端启动失败怎么办？打开“后端管理”，检查 Python 运行时、后端项目路径、模型目录和终端日志。路径中包含中文时可能导致 Python 或模型加载异常，建议把软件解压到纯英文路径。模型外置包首次启动时没有模型也应能启动后端服务，模型只在实际处理时才要求存在。

FFmpeg 检测失败怎么办？v1.1.0 发布包会内置 FFmpeg。若检测失败，请确认 resources/ffmpeg/win-x64 中存在 ffmpeg.exe 与 ffprobe.exe，若不存在请重新解压发布包检查。

为什么水印去除后不能完全恢复原图？因为水印覆盖位置的原始像素已经不可见。去除模型只能根据周围内容推断和补全，不能知道原图真实内容。关键细节被遮挡时，生成式 AI 重绘通常比传统去水印模型更合适。

本地开发指南

安装依赖：

npm install

启动开发模式：

npm run dev

如需完整 Electron 能力：

npm run dev -- -m electron

构建项目：

npm run build

Windows Electron 构建：

npm run build -- -m electron

Windows 发布矩阵打包：

npm run package:win:matrix

手动启动后端：

后端源码位于 server/，Python 包名为 moonshine_server。推荐使用 Python 3.11.x。

# 安装依赖
pip install -r server/requirements.txt

# 准备模型文件。默认模型目录为项目根目录下的 models/：
# Lama：models/big-lama.pt
# SLBR：models/slbr.pth.tar

# 启动服务
python server/main.py start --model=lama --device=cuda --port=8080 --model-dir=models

回归验证测试：

常用质量闸门命令如下：

npm run lint
npm run build
npm run test:regression:p0
npm run test:regression:p0:assertions
npm run test:regression:p1:image
npm run test:regression:p1:video
npm run test:regression:e2e:smoke
npm run test:regression:e2e:workflow
python -m compileall server

如果已经完成构建，可复用构建产物运行 E2E 测试：

$env:MOONSHINE_E2E_SKIP_BUILD='1'; npm run test:regression:e2e:workflow

许可证与来源声明

本项目采用 GNU General Public License v3.0 许可证开源。模型文件来自各自公开来源或项目维护者整理的下载源。请在合法、合规、获得授权的前提下使用本项目处理图片和视频内容。

下载地址

https://github.com/CuiMuxuan/Moonshine-Image/

CuiMuxuan/Moonshine-Image-Release - Storage Bucket

https://pan.quark.cn/s/63458c79bab5