WatermarkOut 评测：浏览器本地 AI 去水印，你的文件永远不会离开电脑
WatermarkOut 评测：浏览器本地 AI 去水印，你的文件永远不会离开电脑
去水印也要交出照片？不一定了
用在线工具去水印时，你其实一直在做一个隐性的交换：上传照片、视频到别人的服务器，换来一次"免费"处理。WatermarkRemover.io、HitPaw、Cleanup.pictures 这些主流工具背后都是云端 AI——你的私人物料会经过第三方服务器，免费套餐还常常在输出图上叠加自家水印，逼你付费。
2026 年，一个叫 WatermarkOut 的开源项目提出了完全相反的思路：AI 模型直接跑在你的浏览器里，文件从头到尾不出设备。没有服务器、没有上传、没有账号，甚至断网也能用。这篇文章会完整评测它的功能、原理、局限，以及它到底适合谁。
一、WatermarkOut 是什么
WatermarkOut 是 GitHub 上的开源项目（IamRamgarhia/free-ai-watermark-remover），采用 MIT 协议，由印度开发者 IamRamgarhia 维护。项目主页上的标语很直白：
"The only watermark remover you'll never have to pay for."（唯一一款你永远不用付费的去水印工具）
它的核心定位有三个关键词：免费、私密、开源。AI 模型通过 WebAssembly 编译后直接嵌入网页，推理全部在本地浏览器完成。文件不上传，也就没有泄露风险、没有使用配额、没有免费版水印。
你可以通过三种方式使用它：
- 直接打开在线版：访问 GitHub Pages 托管的 live demo 链接即可使用
- 安装为桌面应用（PWA）：在浏览器里点击"安装"图标，就能获得独立窗口的桌面应用，支持 Windows、macOS、Linux、iOS、Android
- 本地自托管：克隆仓库后，用任意静态服务器运行
static/目录即可，无需 Node.js、无需 npm、无需编译
二、核心功能一览
| 功能 | 说明 |
|---|---|
| 图片去水印 | JPG、PNG、WEBP、BMP，最大 100MB |
| 视频去水印 | MP4、WEBM、MOV，保留音频，支持实时预览 |
| AI 模型 | MI-GAN 图像修复模型（Picsart Research ICCV 2023），仅 29MB |
| 水印预设 | Gemini、DALL·E、Midjourney、Bing、Firefly、Meta AI 一键选择 |
| 手动蒙版 | 矩形、画笔、橡皮擦、撤销，自由框选水印区域 |
| 前后对比 | 一键切换原图/结果，直观验证效果 |
| 100% 离线 | 首次加载后零出站请求，之后断网也能用 |
| PWA 安装 | 桌面图标、独立窗口、离线支持 |
值得注意的细节：视频去水印保留原始音频，处理完的视频不会变成无声文件；图片支持到 100MB，远超多数在线工具 10-20MB 的上限。
水印预设机制
针对 AI 生成图片，WatermarkOut 内置了 6 大主流平台的预设：Gemini（谷歌）、DALL·E（OpenAI）、Midjourney、Bing Image Creator、Adobe Firefly、Meta AI。选择对应预设后，工具会自动按该平台水印的典型位置和形态生成蒙版，比手动框选更省事。当然，你也可以完全手动用画笔涂抹任意区域。
三、工作原理：MI-GAN 如何在浏览器里跑起来
WatermarkOut 的底层是 MI-GAN——Picsart 研究院在 ICCV 2023 发表的一款 GAN 图像修复模型，专为移动端和浏览器端部署设计。模型被导出为 29MB 的 ONNX 格式，托管在 Hugging Face 上，通过 ONNX Runtime Web 在浏览器中执行。
推理管线
处理一张图片时，工具会按以下步骤执行（与 Picsart 官方 Python demo.py 一致）：
- 根据用户的蒙版找到水印包围盒，裁剪出带上下文的局部区域
- 将裁剪区域缩放到模型固定的 512×512 分辨率
- 图像归一化到 [-1, 1]，蒙版按"1=保留 / 0=修复"的极性编码
- 构建 4 通道输入：
[mask-0.5, R×mask, G×mask, B×mask] - 运行模型，输出映射回 [0, 255] 像素范围
- 只替换蒙版覆盖的像素，其余区域与原图完全一致
最后一步是关键：非蒙版区域保持像素级一致，不会出现整张图被"重绘"导致画质下降的问题。
性能优化：Cross-Origin Isolation
纯 WASM 单线程推理很慢，WatermarkOut 通过 Service Worker 注入 COOP/COEP 响应头，让页面进入 crossOriginIsolated 状态，从而解锁 WebAssembly 多线程 + SIMD + WebGPU 加速。据项目文档，没有这一层优化时推理速度会慢约 5 倍。
推理优先走 WebGPU（如果浏览器支持），否则回退到 WebGL，最后才是 WASM 多线程。模型首次下载后缓存在 IndexedDB 中，之后不再重复下载。
四、系统要求
| 项目 | 要求 |
|---|---|
| 浏览器 | Chrome/Edge 90+、Firefox 90+、Safari 16.4+（macOS/iOS） |
| 存储空间 | 约 250MB（模型 + 应用缓存） |
| 加速 | WebGPU 自动检测并使用；无 GPU 时回退 WASM 多线程 |
要求其实不高：2023 年之后的浏览器基本都满足。唯一需要留意的是 250MB 的本地缓存占用，以及首次加载时需要下载 29MB 模型（之后全部离线）。
五、隐私对比：它和在线工具差在哪
| 维度 | WatermarkOut | 主流在线工具 |
|---|---|---|
| 文件上传 | 从不上传，本地处理 | 上传到云端服务器 |
| 隐私 | 文件不出设备，可验证 | 依赖服务商隐私政策 |
| 账号 | 不需要 | 多数需要注册 |
| 价格 | 永久免费 | $10-30/月订阅或按次付费 |
| 免费版水印 | 无 | 常见 |
| 离线可用 | 可以 | 不可以 |
项目 README 特别强调了一个验证方法：打开开发者工具的 Network 面板，首次加载完成后网络请求为空——这是"没有服务器"最直接的证据。
六、局限与适用人群
WatermarkOut 并非万能，它有几个明确边界：
- 修复质量上限：MI-GAN 是 2023 年的轻量模型，处理大面积复杂背景修复时，效果不如云端大模型（如 GPT Image 2 驱动的服务）
- 视频能力有限：主要面向短视频场景，长视频处理耗时长
- 依赖现代浏览器：老旧浏览器无法运行 WebAssembly 多线程
- 硬件决定速度：没有 GPU 的电脑只能靠 WASM，处理速度明显更慢
适合谁：注重隐私的创作者、处理 AI 生成图片（Gemini/DALL·E/Midjourney）的用户、需要批量处理但不想订阅付费工具的个人用户、离线环境工作者。
不适合谁：需要专业级复杂修复效果的用户、处理超长视频的团队、对处理速度有极致要求的商业场景。
七、总结
WatermarkOut 用"浏览器本地推理"重新定义了去水印工具的隐私边界。它不追求最强的修复效果，而是把"文件不出设备、永久免费、开源可审计"做到了极致。对于处理 AI 生成图片水印和短视频水印的日常需求，它完全够用，而且是你唯一不需要上传文件的选项。
如果你厌倦了把私人物料交给陌生服务器，或者想省下每月 10-30 美元的订阅费，WatermarkOut 值得放进书签。唯一的建议是：在正式使用前，用几张代表性图片测试一下修复效果是否满足你的画质要求——毕竟本地轻量模型和云端大模型的差距是客观存在的。