ByteDance Video Upscaler 對比 Topaz 與 Real-ESRGAN

需要託管式 API 來升頻和補幀，就選 ByteDance；想在本機互動式修復影片，就選 Topaz；要建立自架、可程式化的流程，則以 Real-ESRGAN 為起點。真正影響結果的，往往是素材損壞程度與交付需求，而不是影片最後掛上 4K 標籤。

先講結論：先看素材，不要只看輸出解析度

如果你要把 AI 生成內容、UGC、短劇或老電影素材輸出成 1080p、2K 或 4K，ByteDance Video Upscaler 是相當方便的 API 選擇。需要本機預覽、手動調整模型的剪輯師，會更適合 Topaz Video。Real-ESRGAN 則是成本低、可用腳本控制的基準方案，但逐幀處理時，還得自行處理畫面閃爍與音訊保留問題。

ByteDance Video Upscaler 實際提供哪些功能

Replicate 頁面將這個模型標示為 ByteDance 的 vCube 影片升頻器。文件說明它能將 480p、720p 和 1080p 輸入提升至 2K 或 4K，並在同一個流程中完成畫質增強與補幀。它不是把靜態圖片生成影片的工具，而是處理現有影片檔案。

真正值得注意的控制項包括場景預設、處理等級、目標解析度與目標影格率。Replicate 列出 aigc、short_series、ugc、old_film 和 common 等場景；頁面也說明了 standard，以及僅限獲准使用者的 pro 等級。Replicate 的 README 表示，5 秒影片通常需要 3–5 分鐘，因此它並不適合拿來做即時預覽。

fal 提供的控制項比 Replicate 更多，包括處理等級、保真度、位元深度、預設選項，以及最高 8K 的結構定義目標；不過它目前公開的價目表只涵蓋 1080p、2K 和 4K。

哪些設定會直接影響帳單

fal 列出的標準 30 fps 價格為：1080p 每秒 $0.0072、2K 每秒 $0.0144、4K 每秒 $0.0288。頁面說明，60 fps 的價格會加倍，而 Pro 則是一般價格的 10 倍。換算下來，30 秒的 4K/30 標準處理約為 $0.864，尚未計入任何帳戶層級的額外費用。

以上是 fal 的價格，不代表 ByteDance 的統一費率；BytePlus VOD 採用以分鐘計價的獨立價格，並依處理等級、解析度與影格率區間收費。

用同一段老影片比較，才不會被結果誤導

有意義的比較必須固定同一份素材與同一個交付目標。從老影片中截取 5–10 秒，內容最好同時包含人臉、細緻紋理、字幕或招牌、移動中的邊緣，以及平坦的暗部區域。來源檔、截取片段、輸出解析度、影格率、編碼器與重新封裝音訊的步驟，都應保持一致。

只有在記錄來源、設定、處理時間、成本，並完成盲測並排比較後，結果才適合當作基準；廠商頁面能證明功能與價格，卻不能替所有素材選出一個永遠勝出的方案。

上面的表格是分流建議，不是畫質保證：正式處理整部影片前，先拿素材做測試。比起品牌名稱，失敗模式更值得注意。細小字幕可能變成銳化過度的筆畫；人臉可能變得蠟像般平滑，或出現過度細節；電影顆粒可能變成不斷爬動的雜訊；24 fps 素材轉成 60 fps 後，畫面也許更滑順，卻不代表真的增加了原本沒有捕捉到的動作。若來源畫面模糊、壓縮嚴重、交錯掃描或曝光不佳，升到 4K 反而可能更難看，因為振鈴與模型臆測出的細節會變得更加明顯。

API 工作流程：提交、輪詢、下載，再批次處理

fal API 採用非同步模式。請把金鑰放在伺服器端，提交公開 URL 或上傳的檔案，輪詢佇列狀態，最後下載回傳的 MP4。最基本的 Python worker 可以寫成這樣：

import os
import fal_client

VIDEO = "https://example.com/archive/clip.mp4"

result = fal_client.subscribe(
    "fal-ai/bytedance-upscaler/upscale/video",
    arguments={
        "video_url": VIDEO,
        "target_resolution": "4k",
        "target_fps": 30,
        "enhancement_preset": "old_film",
        "enhancement_tier": "standard",
        "fidelity": "high",
    },
    with_logs=True,
)
print(result["video"]["url"])

正式的批次流程應將 subscribe 換成佇列提交，再搭配 Webhook 或狀態輪詢。針對暫時性錯誤加入重試機制，記錄服務商的 request ID，並限制同時處理數量，避免一整個資料夾的短片在不知不覺中堆出失控帳單。先處理 5–10 秒的測試片段，確認結果後再提交完整來源。

Real-ESRGAN 的逐幀流程更需要手動串接：先用 FFmpeg 擷取影格，再執行官方影片推論腳本或圖片模型，按照原始影格率重新組合編號影格，最後重新封裝原始音訊。請保留影格編號，並使用無損或高品質的中間檔；否則最後比較的，不只是升頻器，也包含你的中間編碼器。

哪些情況會讓升頻後的影片更糟

只要在短片測試中出現以下任何一種情況，就應該停止，或降低輸出目標：

1. 文字變形。 模型是在猜測並重建畫面，不是在找回真正可讀的字元。
2. 人臉在不同影格之間漂移。 改用更保守的處理等級，或換成本機且控制項更完整的流程。
3. 邊緣出現光暈。 過度銳化只是在對比邊緣描線，而不是還原細節。
4. 顆粒開始爬動。 雜訊被轉成時間上的紋理；這類素材可能需要先降噪，再進行放大。
5. 動作看起來不自然。 補幀改變了時間感，或產生物件互相融合的畫面。
6. 來源是交錯掃描或曝光嚴重不均。 應先去交錯或修正來源。
7. 實際交付目標只有 1080p。 輸出 4K 不但增加成本，還可能放大最後縮小時根本看不見的瑕疵。

ByteDance 的 old_film 預設很適合拿來測試典藏素材，但公開模型頁面並未承諾去除刮痕、修正閃爍、保留音訊或使用特定編碼器。這些都應視為工作流程上的問題，而不是保證具備的功能。

FAQ：開始渲染前，先做這些實際判斷

ByteDance 能把影片升頻到 4K 嗎？

可以。Replicate 的文件列出 2K 與 4K 目標，fal 則提供 4K 及其他結構定義值。實際限制、價格與可用等級，取決於你使用的託管平台。

我應該把 24 fps 轉成 60 fps 嗎？

只有在交付規格要求，或你已檢查過補幀瑕疵時才值得這麼做。提高影格率，不會找回原本根本沒有被拍下來的動作。

ByteDance 比 Topaz 便宜嗎？

如果只處理幾秒 API 影片，託管式 ByteDance 可能相當便宜；fal 列出的標準 4K/30 價格是 30 秒 $0.864。Topaz Video 的官方價格文件列出 Video 年繳預付價格為每年 $299，或以年度承諾方案按月支付 $33。損益平衡點取決於你的 GPU、處理量，以及是否需要雲端渲染：應將年度授權費加上硬體處理時間，與預估的託管 API 秒數成本放在一起比較。

Real-ESRGAN 用在影片上是免費的嗎？

官方專案提供開放原始碼與預訓練模型，但運算資源、儲存空間與工程時間都不是免費的。逐幀處理也需要一套經過測試的音訊與時間一致性流程。

升頻器會保留音訊嗎？

不要直接假設會保留。模型或 API 的輸出是影片檔案，但目前查閱到的公開文件並未提供統一的音訊保留保證。需要時，請保留原始音訊並重新封裝。

處理人臉時該用哪一套？

先截取一小段測試，比較 ByteDance Pro、Topaz 與較保守的 Real-ESRGAN 設定。即使結果看起來多了更多毛孔，只要改變了人物身分特徵，或把皮膚處理得像塑膠，就應該淘汰。

如果是我上線，會這樣選

最穩妥的正式流程是：先截取短片段，讓所有候選方案以實際交付影格率輸出，在 100% 顯示倍率下檢查人臉、文字與動作，確認後再處理整個素材庫。若你想了解相關的本機流程，也可以參考 Real-ESRGAN 設定指南與 GFPGAN 和 CodeFormer 人臉修復。