AI Watermark RemoverWatermarkRemover

豆包、即梦、通义、腾讯元宝、百度 AI 图片去水印指南：本地开源工具 OpenNoMark 实测解析

23 days ago

豆包、即梦、通义、腾讯元宝、百度 AI 图片去水印指南：本地开源工具 OpenNoMark 实测解析

中国 AI 生图时代的"水印困局"

2026 年的中国 AI 生图市场，豆包、即梦、通义万相、可灵、腾讯元宝、百度文心——几乎每个主流平台都在生成的图片角落盖上一个水印。对普通用户来说这只是个小瑕疵，但对做电商素材、自媒体配图、设计初稿、甚至外包交付的人来说，这个水印意味着图片不能直接用。

更麻烦的是，这些平台的水印没有统一的去除入口。有些平台付费会员可以关掉水印，有些平台干脆没有无水印导出选项；在线去水印工具要一张张上传，涉及商业素材时还得担心隐私。有没有一个方案：本地运行、开源免费、一次覆盖所有主流国产 AI 平台？

2026 年 7 月，GitHub 上出现了一个名为 OpenNoMark 的开源项目，正是冲着这个痛点来的。这篇文章从技术原理到四种使用方式，完整拆解这款工具，并给出它在国产 AI 平台水印场景下的适用性判断。

一、国产 AI 平台的水印现状

先认清问题本身。目前国产 AI 生图/生视频平台的水印大致分两类：

  • 可见角标：固定在图片某个角落（通常是右下角）的半透明 Logo 或平台名称，最常见
  • 文字标记：例如"AI 生成"、"仅供预览"、SAMPLE 等字样，或边缘的网址/账号水印

OpenNoMark 的作者在 README 中明确指出，项目为 Gemini、豆包（Doubao）、通义（Qwen）、即梦（Jimeng）、可灵（Kling）、腾讯元宝（Tencent Yuanbao）、百度（Baidu） 等平台内置了"校准过的快速路径"（calibrated fast paths）——也就是说，针对这些平台水印的常见位置和形态做了专门的检测优化。

对内容创作者来说，这个覆盖范围的价值在于：你不需要为每个平台分别找工具，一个本地工具就能处理主流国产平台 + Gemini 的图片水印。

二、OpenNoMark 是什么

OpenNoMark 是一个本地优先（local-first）的开源 AI 去水印工具。核心卖点有三个：

  1. 完全本地处理：检测和修复都在你自己的机器上完成，图片不会上传到任何云端推理接口。对商业素材、未发布作品、客户交付物来说，这一点尤其重要
  2. 多专家水印定位：把"水印在哪里"和"缺失内容怎么修复"分成两个独立模块，检测层可以为不同平台单独进化，而不必重写修复层
  3. 多形态交付：同一个处理核心同时提供 Web 界面、命令行、Python API 和 AI 编程助手 Skill 四种用法，结果语义完全一致

需要明确它的边界：OpenNoMark 只处理可见水印，不会改动或移除不可见的溯源元数据（如 C2PA、内容凭证）。如果目标是清理 AI 生成内容的溯源信息，需要搭配其他工具（参见文末对比）。

三、去水印原理：定位、修复、验证三段式

OpenNoMark 的技术架构是文章里最值得看的部分，因为它解释了"为什么它比一刀切的模糊工具效果好"。

1. 分层定位（Tiered Localization）

  • Gemini 轻量空间检测器：针对 Gemini 图片水印的专用检测器，用真实正样本和难负样本校准，不是微调的大模型，速度快
  • OWLv2 通用检测：分别运行"角落水印"和"通用水印"两套提示词，独立成组，避免新词汇稀释校准信号
  • PP-OCRv5 文字兜底：本地 OCR 识别 SAMPLE、PREVIEW、AI GENERATED 这类字样以及边缘的 URL/账号，把识别出的多边形转成更紧致的掩码

2. 保守融合（Conservative Fusion）

多个检测器可能同时报出候选区域，融合策略是：

  • 平台专用掩码优先于重叠的通用提议
  • 独立通用区域需要强语义或 OCR 证据才接受
  • 最多处理 4 个紧凑区域，候选数量和总面积有预算上限
  • 遇到平铺式、密集的、有歧义的水印时宁可不处理也不误删（fail closed）

3. LaMa 重绘 + 视觉校验

  • 对紧凑的局部掩码做 LaMa（Large Mask Inpainting）内容感知修复
  • 修复后由同一套视觉专家检查修复区域，若有残留，执行一次仅限掩码内的重试
  • 仍然无法消除的证据会如实报告为 partial（部分完成），绝不静默宣称成功

这种"定位-修复-验证"的闭环，加上"可检查的编辑元数据"（输出中会报告检测框和精确的羽化掩码边界），让用户能区分正常融合与越界修改——对需要审计交付质量的专业用户是刚需。

四、四种使用方式

方式一：Web 界面（可视化查看与批量）

适合不想碰命令行的用户：

  • 要求 Python 3.10+、uv、Node.js/npm，建议 16GB 内存
  • 运行 start.sh / start.bat 启动，打开 http://localhost:48292
  • 支持单张检查与长批量任务：每个文件独立状态（排队/上传中/处理中/完成/失败），原图对比视图，单文件重试，全部结果 ZIP 打包下载
  • 处理过程中可以继续添加图片，已完成的不会被重复处理
  • 界面支持中英文切换

方式二：命令行（文件夹与自动化）

无需克隆仓库，直接安装：

uv tool install git+https://github.com/NanmiCoder/OpenNoMark.git opennomark --version

支持处理文件、路径、目录或 glob 通配（如 ./incoming/*.webp），提供检测框/掩码调试输出、面向脚本的机器可读 JSON 响应、显式设备选择。

方式三：Python API（应用集成）

from opennomark.pipeline import WatermarkRemovalPipeline

pipeline = WatermarkRemovalPipeline()
image, metadata = pipeline.process("image.png", "clean_image.png")
print(metadata["status"], metadata["watermarks_found"])

results = pipeline.process_batch(
    ["img1.png", "img2.jpg"], output_dir="output/",
    callback=lambda index, total, item: print(index, total, item["status"])
)

方式四：AI 编程助手 Skill

遵循跨代理 skills 规范（vercel-labs/skills 布局），支持 Codex、Claude Code、Cursor、OpenCode 等。Skill 内部调用的是同一个版本化 CLI（直接或经 uvx），不存在第二套图像处理实现——保证了不同入口的结果一致性。

五、模型与硬件要求

首次运行会下载模型权重：

模型用途大小
OWLv2水印检测约 500 MB
LaMa内容重绘约 196 MB
PP-OCRv5（移动端检测+识别）通用文字兜底约 45 MB（按需懒加载）

设备支持情况：

环境检测重绘
NVIDIA CUDACUDACUDA
Apple SiliconMPS（可用时）CPU 回退
纯 CPUCPUCPU

注意：LaMa 在 MPS 上会回退到 CPU（TorchScript 图中有 MPS 无法可靠支持的操作），Apple Silicon 用户对此要有预期。批量并发有界，不会每 worker 加载一个模型。

六、安全边界与局限（务必先读）

OpenNoMark 对自己的能力边界描述得很诚实，使用前请确认这些限制符合你的需求：

  • 只处理中小型、高置信度的可见标记：目标是角标、文字水印这类典型 AI 平台水印
  • 不是通用物体移除工具：大范围、密集平铺的水印候选会被明确拒绝，不要拿它去删照片里的人或大物件
  • 不处理不可见水印与元数据：C2PA、EXIF、内容凭证等溯源信息不在它的职责范围内
  • 复杂水印可能报 partial：遇到无法彻底修复的残留，它会如实报告，而不是给你一个"看似干净"的结果

七、与其他方案对比

方案覆盖平台隐私成本适用人群
OpenNoMark（本地开源）豆包/即梦/通义/Kling/元宝/百度/Gemini 等✅ 完全本地免费创作者、开发者、注重隐私者
在线去水印工具单一或少量❌ 需上传订阅/积分不介意上传的普通用户
平台付费会员单一平台✅每月订阅重度使用单一平台的用户
手动 PS/修复任意✅时间成本低频处理，追求精细控制

对于"手上同时有多个国产 AI 平台的图片、且对素材保密有要求"的用户，OpenNoMark 是目前少有的全覆盖本地方案。

八、适用场景与总结

推荐场景：

  • 电商/自媒体：批量清理豆包、即梦生成的配图水印，直接进素材库
  • 设计外包：处理通义、可灵产出的设计初稿，交付无水印版本
  • 企业内训/提案：需要展示 AI 生成物料但不想带平台 Logo
  • 开发者：把去水印能力通过 Python API 集成进自有内容流水线
  • AI 工具链玩家：让 Claude Code / Codex 等代理直接在项目里调用去水印

不推荐场景：

  • 需要去除 C2PA/EXIF 等溯源元数据（它不做，需要配合 exiftool 等工具）
  • 大面积复杂遮挡的通用物体移除（它不是通用 inpaint 工具）
  • 完全没有技术基础、也不想看文档的用户（建议先用 Web UI，仍然有门槛）

总结：OpenNoMark 用"多专家定位 + LaMa 重绘 + 保守融合"的思路，解决了国产 AI 平台水印类型杂、位置多、在线工具隐私差的痛点。它不是一个花哨的在线产品，而是一个扎实的本地工具——如果你需要批量、隐私、跨平台地清理 AI 图片水印，它值得放进你的工具箱。项目仍在快速迭代（截至 2026 年 7 月底 29 次提交），未来对更多平台的支持值得期待。

Author
Admin
Category
Technical