Inpaint-web

Inpaint-web 是什么

Inpaint-web（inpaintweb.lxfater.com）是由国内开发者 lxfater 开源的浏览器端 AI 图像处理工具,核心是 inpainting(图像修复/补全):画笔涂抹图片上不想要的内容,AI 根据周围背景智能填充,实现无痕消除。项目同时附带 AI 图片放大功能。

技术路线是它的全部个性:模型经 ONNX 转换后通过 WebGPU 在浏览器本地运行——这意味着零上传、零注册、零费用、零次数限制,代码完全开源可审计。

主要功能

AI 涂抹消除

调整笔刷大小,涂抹目标区域,AI 即时填充。处理速度在支持 WebGPU 的设备上相当快,"飞快"的口碑名副其实。

效果的现实分布,提前了解少走弯路:

• 简单背景(天空、墙面、水面、虚化背景):近乎无痕,最强场景
• 自然纹理(草地、树丛、沙滩):效果良好,偶需补涂
• 规则纹理(砖墙、瓷砖、文字招牌):图案延续容易露馅,所有 inpainting 模型的共同考区
• 大面积消除或关键内容重建:AI 要"无中生有"的部分越多,翻车率越高,需要多次尝试

典型用途:游客照去路人、背景除杂物、自有图片去标记、老照片划痕修复。

本地运行:隐私的架构级保证

值得单独强调,因为这是它和 90% 同类工具的本质区别:图片的读取、处理、导出全程发生在你的浏览器内存里,开发者的服务器只负责发给你网页和模型文件,看不到你的任何图片。

处理证件照、含人脸的家庭照片、工作文件截图——这类"传到别人服务器总归不踏实"的内容,本地运行工具是唯一让人完全安心的选项。不放心的话,断网状态下(页面加载完成后)它照样能工作,这就是最直观的验证。

图片放大

附带的 AI 超分辨率功能,同样本地运行,小图放大提清晰度,作为消除之外的顺手补充。

开源可部署

代码托管在 GitHub(lxfater/inpaint-web),MIT 风格开放。技术用户可以自行部署内网版本——企业内部要一个"图片绝不外流"的消除工具,这就是现成答案。

与同类工具的对比

vs Cleanup.pictures / BG Eraser 等云端工具:交互几乎一样,差异全在数据路径——云端工具要上传、有免费墙;Inpaint-web 本地跑、真免费。消除质量同梯队,隐私和成本敏感的用户没有理由选云端。

vs IOPaint(原 Lama Cleaner):同样开源、模型选择更多、效果上限更高的桌面方案,但要本地安装 Python 环境;Inpaint-web 是"打开网页就用"的零门槛版本。愿意折腾选 IOPaint,要省事选 Inpaint-web。

vs Photoshop 生成式填充:质量天花板,Firefly 模型对复杂场景的重建能力远超轻量模型;代价是订阅费和学习成本。专业精修归 PS,日常快修归免费工具,分工明确。

vs 手机系统消除功能(iPhone 清除、Google Magic Eraser):移动场景下系统功能最顺手;Inpaint-web 的位置在 PC 端——处理电脑里的图、需要控制输出、或设备不支持系统级功能时。

vs SD WebUI inpainting:可控性和生成能力最强(能指定填充内容),但部署门槛和显卡要求完全是另一个世界的事。

谁适合用 Inpaint-web

隐私敏感的用户:本地处理是它存在的第一理由,敏感图片消除需求的首选,没有之一。

高频使用者:电商、自媒体每天要修十几张图,云端工具的免费额度根本不够看,无限免费的本地工具直接消灭这笔订阅。

普通人的日常快修:偶尔去个路人、修个污点,打开网页三十秒搞定,无注册无套路。

开发者和技术爱好者:WebGPU 跑 AI 模型的完整开源范例,想研究浏览器端机器学习的人值得读它的代码;需要内网图像工具的团队可直接自部署。

使用技巧

涂抹比目标物体稍大一圈,把阴影、反光一起圈进去——只擦人不擦影子是最常见的露馅原因。

大目标分次处理:先消主体看结果,再补残留,逐步逼近比一次涂一大片成功率高。

结果有随机性,不满意就重涂再生成,多试两次往往就有惊喜。

首次加载需要下载模型文件(几十 MB),之后有缓存;设备显卡和浏览器版本(需支持 WebGPU 的新版 Chrome/Edge)决定速度,老旧环境会降速或不可用——这是本地方案换来隐私和免费的对价。

价格

完全免费,开源,无任何限制和商业化设计。

Inpaint-web 是开源精神在 AI 工具时代的一个小而美的注脚:一位开发者用技术架构的巧思,把一个通常要收费、要上传的功能做成了免费且隐私安全的公共品。把它收进书签,既是收藏一个工具,也是给这种做事方式投一票。