remove-ai-watermarks

Remove AI Watermarks est un package Python et un outil en ligne de commande pour travailler avec la provenance de génération IA dans les images et vidéos. Sa documentation indique qu'il est destiné à un usage légal sur du contenu que l'utilisateur possède ou a généré, et qu'il ne cible pas les aperçus d'agences de stock ou autres filigranes de contenu payant tiers. Les fonctionnalités pour les images incluent l'inspection de provenance, la classification optionnelle IA vs appareil photo et exportation source, la suppression des marques visibles enregistrées, l'effacement manuel de régions et le retrait des métadonnées. Les marques visibles reconnues incluent le sparkle Google Gemini/Nano Banana, les marques Doubao et Jimeng, Qwen, Kling AI, Yuanbao, Baidu, LiblibAI, RunningHub, et des variantes calibrées Microsoft et Samsung. Le remplissage peut utiliser OpenCV par défaut ou les fonds optionnels MI-GAN et LaMa. La prise en charge des métadonnées couvre C2PA, EXIF, XMP, IPTC, les paramètres de générateur, les étiquettes AIGC China TC260 et les signaux spécifiques aux fournisseurs. Le retrait des métadonnées JPEG est décrit comme préservant le scan d'image encodé. Pour les marques invisibles, le chemin principal CLI/API utilise des pipelines de diffusion tels que qwen-zimage, sdxl-zimage ou chroma-zimage pour régénérer l'image ; ces pipelines nécessitent CUDA et n'ont pas de repli CPU ou GPU Apple. Un chemin spécialisé local Microsoft Paint InvisMark peut inspecter et perturber la charge utile validée du Watermarker.dll local avec des changements de pixels plus petits et sans CUDA. Un post-pass de texte vérifié optionnel accepte des manifestes textuels revus par un opérateur. Les commandes vidéo peuvent identifier la provenance, inspecter ou supprimer les métadonnées, supprimer les marques visibles enregistrées, traiter des répertoires et exécuter un profil de régénération de pixels invisibles optionnel. Les conteneurs pris en charge incluent MP4, MOV, M4V, WebM, MKV, AVI et FLV. La prise en charge vidéo visible liste Sora 2, les marques Veo actuelles et héritées, Seedance, Doubao, Dola, Hailuo AI et Kling AI. Le détecteur nécessite une marque stable se répétant sur les trames adjacentes ; l'audio est copié, la vidéo modifiée est transcodée, et le traitement de cohérence temporelle est activé par défaut. Le traitement des métadonnées évite le transcodage de flux lorsque possible, avec une gestion spécifique au format pour les balises TC260 et les métadonnées de conteneur. Le chemin vidéo SynthID optionnel utilise un profil de régénération VAE calibré avec un bruit latent temporel partagé. Le projet indique que son profil de bruit par défaut a passé les vérifications documentées du fournisseur oracle sur des échantillons spécifiques, mais note également que Google ne fournit pas de décodeur local, que les résultats ne sont pas garantis pour chaque fichier, que les systèmes des fournisseurs peuvent changer et que les sorties importantes doivent être revérifiées. Le README indique que le statut du filigrane audio copié n'est pas vérifié. Le package est distribué via des extras modulaires pour les métadonnées, la suppression visible, le traitement vidéo, la détection, la classification, la diffusion, les pixels, HEIF, TrustMark, MI-GAN, LaMa et d'autres fonctionnalités. Les API Python de haut niveau acceptent des chemins de fichiers ou des tableaux NumPy BGR et couvrent les fichiers uniques, les lots, l'inspection des métadonnées, la suppression visible, le traitement vidéo et les workflows de diffusion. Le dépôt documente également une compétence d'agent, une intégration ComfyUI séparée et une version hébergée sur raiw.cc. Les limitations importantes incluent des modifications possibles des visages, du texte, de la résolution, de la fréquence d'images ou des détails fins ; le rejet de la vidéo HDR/PQ/HLG et supérieure à 8 bits pour le chemin visible ; et le principe qu'un signal local manquant signifie inconnu plutôt que confirmé propre.