刚刚,海马云自研超分模型RH Upscale全球首发上线,旗下全能内容创作平台RunningHub已经全面接入。
在包含RH Upscale五档模式,以及Topaz Astra 2.6、SeedVR2、FlashVSR、DLSS5、火山引擎等方案的13个参测配置中,RH Upscale 斩获综合性能第一,实现画质还原、人物一致性、时序稳定性与推理效率的多维突破,为 AI 生成视频、实拍素材、剪辑成片提供一站式画质增强能力。
横向测评综合性能第一,五大模式覆盖全场景视频增强
本次评测统一输入 540P 视频、输出 1080P 分辨率,围绕感知画质、纹理还原、原始画面相似度、人脸一致性、时序视频质量五大核心维度,对包含RH Upscale五档模式及其他主流超分方案在内的13个配置进行横向测评。
评测结果显示:
- RH Upscale Ultra以0.539 分拿下综合质量第一名。区别于单纯拉高锐度的传统方案,Ultra在人脸一致性、时序稳定性和细节还原等不同指标之间取得了更均衡的综合表现。
- RH Upscale Max实现极致推理效率:在本次测试中,5‑10 秒视频 2 倍超分仅需 34 秒,处理时间约为Ultra的1/8.6,兼顾画质与处理效率。


RH Upscale 完整提供Ultra、Max、High、Medium、Low五档处理模式,从顶级成片质量到低成本批量处理,覆盖完整创作链路;而且在分项的测评中,RH Upscale 的优势也表现突出:
- Ultra(顶级画质档): 人脸类视频得分 0.640,行业最优。适配精品短剧、商业广告、人物特写、高价值剪辑母版等对画质保真度要求极高的场景。
- Max(默认推荐档):夜景、高速运动画面取得 0.642 最高分,平衡画质表现与推理速度。适配素材预览、快速迭代、大批量视频批量处理,是绝大多数业务的首选。
- High:夜景、运动场景得分 0.602,仅次于 Max,在算力消耗与画质之间取得平衡。
- Medium:精细纹理类视频取得 0.555 最高分,擅长织物、建筑、物件细节还原,适合中等预算批量素材加工。
- Low:轻量化快速增强,适配对成本敏感、用于快速预览的大批量素材。
也即,创作者可依据视频题材、交付标准、任务规模灵活选型,精准控制算力开销,无需所有任务都承受最高档位的算力成本。
内容保真约束下时空联合重建,做到 “放大而不改内容”
市面上传统视频放大大多依靠像素插值、边缘锐化实现分辨率提升。这类方式只会放大已有像素,无法修复压缩、低分辨率丢失的发丝、皮肤、服饰、环境细节,还会放大噪点、压缩方块,极易造成画面失真。
海马云自研的RH Upscale视频超分模型,核心就是解决这个两难:既要把丢失的细节补回来,又绝不乱改原始内容,真正做到「放大而不改内容」。
RH Upscale 采用内容保真约束下的时空联合重建,基于条件视频 Diffusion Transformer + 多尺度结构编码 + 视频 VAE整套生成式架构,协同处理复杂退化、细节生成和跨帧一致性。
RH Upscale以主体结构和视觉风格作为重建约束,调节不同区域的细节增强强度,减少内容偏移及超分过程引入的闪烁、纹理跳变和拖影。
这意味着,模型不会对整幅画面进行统一锐化,而是根据不同区域的画面信息决定增强程度。人物轮廓、画面构图、色彩和明暗关系需要尽量保持稳定;发丝、皮肤、织物和环境纹理等细节区域则进行针对性恢复。对于信息不足、容易产生误判的区域,模型会采取更克制的增强方式,减少凭空生成细节造成的内容变化。
在视频层面,RH Upscale关注的不只是单帧是否清楚,还要让重建后的细节在连续播放中保持连贯。最终目标不是把每一帧处理得更锐,而是在提升清晰度和材质表现的同时,尽量保持人物、场景和运动过程的一致性。
无缝接入 RunningHub 创作链路,全类型视频素材一键增强
目前,RH Upscale 现已正式落地 RunningHub 平台,深度融入 AI 视频生产工作流:可以直接串联在视频生成节点下游,生成完毕自动完成超分、编码输出,实现端到端流畅生产。同时,RH Upscale提供API调用,开发者可以将视频超分能力接入自己的工作流、应用和视频生产系统。 根据使用地区,选择对应入口查看接口说明并调用:
国内RH Upscale
https://www.runninghub.cn/call-api/api-detail/2102380957716844546
海外RH Upscale
https://www.runninghub.ai/zh-cn/call-api/api-detail/2102602959524831233
模型不限制素材来源:AI 模型生成视频、实拍录像、二次剪辑素材、经过压缩损伤的低清文件,全部都可以输入 RH Upscale 完成分辨率提升与画质修复。
版权声明:本文内容转自互联网,本文观点仅代表作者本人。本站仅提供信息存储空间服务,所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至1393616908@qq.com 举报,一经查实,本站将立刻删除。