Upscayl, yapay zeka modelleriyle düşük çözünürlüklü görüntüleri büyütüp kalitesini iyileştiren ücretsiz ve açık kaynaklı bir masaüstü uygulamasıdır. Real-ESRGAN ve diğer AI büyütme modellerini kullanarak görüntüleri 4x, 8x ve hatta 16x büyütebilir. Sezgisel arayüzü sayesinde teknik bilgi gerektirmeden yüksek kaliteli çıktılar elde edilebilir. Toplu görüntü işleme özelliğiyle birden fazla dosyayı tek seferde işleyebilirsiniz. Windows, macOS ve Linux’ta ücretsiz çalışır.
Öne Çıkan Özellikler
- Real-ESRGAN ile 4x-16x görüntü büyütme
- Birden fazla AI modeli seçeneği
- Toplu görüntü işleme desteği
- PNG, JPG, WEBP ve diğer formatları destekler
- GPU hızlandırması ile hızlı işleme
- Orijinal ve büyütülmüş görüntüyü yan yana karşılaştırma
- Özel çıktı formatı ve klasör seçimi
- Windows, macOS ve Linux desteği
- Tamamen ücretsiz ve açık kaynak
- Teknik bilgi gerektirmez
Upscayl ile düşük çözünürlüklü bir fotoğrafı 4x büyütmek için ne yapmalıyım?
- Upscayl’ı açın; sol panelden Görüntü Seç butonuyla görüntünüzü yükleyin.
- Model listesinden bir AI modeli seçin (örn. Real-ESRGAN x4plus).
- Çıktı boyutu olarak 4x‘i seçin.
- Çıktı klasörünü belirleyin.
- Büyüt butonuna tıklayın — işlem GPU’nuza göre saniyeler ila dakikalar sürer.
Upscayl’de toplu görüntü büyütme nasıl yapılır?
- Upscayl’ı açın ve üst menüden Toplu İşlem moduna geçin.
- Büyütmek istediğiniz görüntülerin bulunduğu klasörü seçin.
- AI modelini ve büyütme oranını seçin.
- Çıktı klasörünü belirleyin.
- Tümünü Büyüt butonuna tıklayın — tüm görüntüler sırayla işlenir.
Alternatifler
chaiNNer, GIMP, Canva
- Tamamen ücretsiz ve açık kaynak AI görsel büyütme programı
- İnternet bağlantısı gerektirmez, tüm işlem yerel yapılır
- Birden fazla AI modeli ve özel model desteği
- Türkçe dahil 9 dil desteği
- Toplu görsel işleme (batch processing) özelliği
- Windows, macOS ve Linux platformlarında çalışır
- Topaz Gigapixel AI gibi ücretli alternatiflere kıyasla bazı modellerde kalite farkı olabilir
- GPU gerektiren işlemlerde eski ekran kartlarında yavaş çalışabilir
- Electron tabanlı olduğundan RAM kullanımı görece yüksek