videowipe 实测：能自动检测的视频清洁引擎，字幕水印台标一次清

视频去水印的隐形成本：手动框选

用过视频去水印工具的人都知道流程有多繁琐：把视频拖进去，一帧一帧找到水印出现的位置，画个框，祈祷它全程都在同一个地方。但现实里的视频根本不是这样——字幕只出现在说话的段落，水印前 10 秒在左下角、后面跑到右上角，台标时隐时现。固定区域处理的结果就是：水印擦掉了，可那些没有水印的帧也被白白糊掉一块。

GitHub 上一个叫 videowipe 的开源项目想解决的就是这个问题：自动检测 + 时间感知。它先扫描整段视频，找出每一个字幕、水印、台标、时间戳，给每个目标单独建立"时间轨道"，然后只擦除目标真正出现的那些帧。全程不用手动框选。

一、核心设计：时间感知的 remove/keep 轨道

videowipe 最特别的概念是 WipePlan（擦除计划）——一个纯 JSON 文件，里面每个检测目标是一条"轨道"（track），带四个关键信息：

• action：remove（擦除）或 keep（保留）
• segments：该目标出现的时间区间
• mask：精确蒙版（存在独立的 .npz 侧车文件里，不允许手动编辑）
• source：绑定的源视频

这套设计的精髓在于"时间感知"：一条字幕在第 5 秒出现、第 20 秒消失，它的轨道里就只记录这两个时间点之间的片段。执行擦除时，只有这些帧会被处理，同一区域在没有字幕的帧里保持原样。字幕被擦掉了，画面其他地方一点不受影响。

WipePlan 可以人工审查：用任何编辑器打开 JSON，把某条轨道的 action 从 remove 改成 keep，或者调整 segments 的时间范围，再重新执行。计划绑定源视频——拿这份计划去跑另一段视频会被直接拒绝，防止误用。

二、自动检测：多语言、四类目标、意图驱动

videowipe 的检测能力是它的另一个卖点：

• 多语言文本检测：官方在中文、英文、韩文、缅甸语字幕上实测过，开箱即用；
• 四类目标：subtitle（字幕）、timestamp（时间戳）、watermark（水印）、logo（台标），默认全自动检测，也可以 --target 指定；
• 区域限定：--region 可以只检测顶部、底部、四个角落或中间区域；
• 意图驱动：--intent 支持自然语言描述清理目标（比如"只去掉右下角的 logo"）；
• 本地 LLM 代理：--agent 可以接入本地大模型 CLI（如 claude、codex）来自动决策意图选择。

检测精度也有三档：fast（24 帧粗检）、balanced（50 帧，默认）、sensitive（80 帧密集复查），后者会重新检查检测器给出的 remove 片段，减少漏网。

三、架构：SDK 优先，而不是又一个 GUI

videowipe 的架构思路和大多数去水印工具相反——核心是一个可复用的 Python 引擎 WipeEngine，CLI、本地 Web UI、Docker 镜像都只是这个引擎的"适配器"。

• 创建一次 WipeEngine 实例，可以在整个批量任务中复用，模型只加载一次；
• WipeEngine.run() 返回 WipeResult，出错抛出稳定的 WipeError 异常类型（无效输入、缺后端、取消、处理失败分开报）；
• 老的 process() 和 remove_text() 入口保持向后兼容；
• 不需要 LLM、不需要云服务，计划就是纯 JSON，任何编辑器或本地 agent 都能改。

要求是 Python 3.10+，推理后端 ONNX Runtime 或 PyTorch 二选一，底层用 opencv-python-headless（无显示服务器的容器里也能跑）。还没发布到 PyPI，需要从源码安装；模型权重首次运行时自动下载到 ~/.videowipe/weights/。

四、修复模型：内置 STTN，外接 ProPainter

擦除部分，videowipe 默认内置 STTN（Video Inpainting Transformer，CPU 上的 ONNX 推理即可运行，无需 GPU）。想要更高质量，可以用 --external-command 接入任意第三方修复模型——命令收到 <视频> <蒙版> <输出目录> 三个参数，把成品视频放进输出目录即可。

官方对比测试（一段韩语+缅甸语双语字幕 MV，852×480，10 秒片段）：

• ProPainter（GPU fp16）：画质更高；
• STTN（CPU ONNX）：内置默认，零 GPU 门槛。

注意 ProPainter 的代价：处理 480p 视频大约需要 16GB 显存，而且许可证是 NTU S-Lab License 1.0（非商用）。

五、命令行速查

核心命令是 clean（完整流水线），常用参数：

参数	作用	默认
--target	指定目标类型：subtitle/timestamp/watermark/logo，可重复	自动检测全部
--region	限定检测区域：top/bottom/四个角/center	全部区域
--intent	自然语言清理意图	—
--preview	只输出检测结果，不执行修复	关
--plan	执行已有的 wipe_plan.json	—
--confirm	处理前展示检测到的目标并确认	关
--detect-mode	fast/balanced/sensitive	balanced
--external-command	外接修复模型命令	—
-g, --gap	每遍处理的分段长度，越大质量越高越慢	200
-d, --dual	输出并排对比视频	关

完整流程一句话：videowipe clean --target subtitle --target watermark input.mp4。

六、适合谁用

videowipe 的价值在于把"人工框选 + 盲处理"变成了"自动检测 + 精准时间擦除"：

1. 搬运/二创作者：批量清理下载素材里的硬字幕和水印，多语言检测对海外素材尤其友好；
2. 想做自动化管线的开发者：SDK-first 架构 + JSON 计划 + Python API，适合嵌进自己的批处理 worker；
3. 追求可控性的用户：WipePlan 可审查可编辑，擦之前先看计划，比黑盒工具放心。

当然它也有门槛：需要 Python 环境，命令行操作，默认 STTN 的画质上限不如 ProPainter。但如果你想找的是一台"能自己找水印"的清洁引擎，而不是又一个人工框选工具，videowipe 是目前开源生态里思路最特别的一个。