chaiNNer logosu

chaiNNer

v0.25.1~150 MBAçık Kaynak Linux macOS Windows
Güvenli Açık Kaynak
Resmi Site GitHub

chaiNNer, yapay zeka destekli görsel büyütme ve toplu görüntü işleme için geliştirilmiş, akış şeması (node) tabanlı açık kaynaklı bir uygulamadır. Real-ESRGAN, ESRGAN ve diğer AI modellerini görsel olarak bağlanan düğümler aracılığıyla birleştirerek karmaşık işleme pipeline’ları oluşturabilirsiniz. Binlerce görüntüyü toplu olarak yüksek çözünürlüğe büyütmek, gürültü gidermek ve renk düzenlemek için idealdir. NCNN arka ucu sayesinde NVIDIA olmayan GPU’larda da çalışır. Windows, macOS ve Linux’ta ücretsiz kullanılabilir.

Öne Çıkan Özellikler

  • Akış şeması (node) tabanlı görüntü işleme pipeline’ı
  • Real-ESRGAN, ESRGAN ve diğer AI büyütme modelleri
  • Toplu görüntü işleme — binlerce dosyayı tek seferde
  • NCNN arka ucu ile NVIDIA dışı GPU desteği
  • Gürültü giderme ve renk düzeltme düğümleri
  • Özel AI model (ONNX, PyTorch) yükleme desteği
  • Pipeline kaydetme ve yükleme
  • Windows, macOS ve Linux desteği
  • Tamamen ücretsiz ve açık kaynak (GPL-3.0)
  • Aktif geliştirme ve güçlü topluluk

chaiNNer ile düşük çözünürlüklü bir görseli 4x büyütmek için ne yapmalıyım?

  1. chaiNNer’ı açın; Load Image düğümünü tuvale sürükleyin ve görüntü dosyasını seçin.
  2. Upscale Image düğümünü ekleyin ve Real-ESRGAN x4plus modelini seçin.
  3. Load Image çıkışını Upscale Image girişine bağlayın.
  4. Save Image düğümü ekleyip çıkış yolunu belirleyin.
  5. Çalıştır butonuna tıklayın — işlenmiş görüntü kaydedilir.

chaiNNer’a yeni bir AI modeli nasıl eklenir?

  1. Ayarlar → Dependency Manager‘dan PyTorch veya NCNN arka ucunu kurun.
  2. İstediğiniz modeli .pth veya .onnx formatında indirin.
  3. Upscale düğümündeki model seçiciye tıklayın.
  4. Özel Model Ekle seçeneğini seçin ve dosyayı gösterin.
  5. Model listeye eklenir ve pipeline’larınızda kullanılabilir.

Alternatifler

Upscayl, Stability Matrix, ComfyUI

Artılar
  • Tamamen ücretsiz ve açık kaynak node tabanlı görsel işleme
  • PyTorch, NCNN, ONNX, TensorRT model desteği
  • Toplu görsel ve video çerçeve işleme
  • GPU hızlandırma desteği
  • Akış şeması ile karmaşık işleme zincirleri
  • Windows, macOS ve Linux desteği
Eksiler
  • Türkçe arayüz desteği yok
  • Yeni kullanıcılar için öğrenme eğrisi var
  • GPU gerektiren işlemler için güçlü donanım şart
  • Upscayl gibi daha basit araçlara göre daha karmaşık

İşletim Sistemi: Windows 10 ve üzeri (64-bit)
RAM: Minimum 4 GB (8 GB önerilir)
Disk: 500 MB (modeller hariç)
GPU: NVIDIA GPU önerilir (CUDA, TensorRT için); AMD ve Intel de desteklenir
Diğer: Python otomatik kurulur

Değerlendirmeler

Değerlendirme Yaz

İndirme hazırlanıyor...

5

İndirme 5 saniye içinde başlayacak...