इस प्रोजेक्ट के बारे में

Remove AI Watermarks एक Python पैकेज और कमांड-लाइन टूलकिट है जो छवियों और वीडियो में AI-जनरेशन प्रोवेंस के साथ काम करने के लिए डिज़ाइन किया गया है। इसके दस्तावेज़ में कहा गया है कि इसका उपयोग केवल उस सामग्री पर कानूनी रूप से किया जाना चाहिए जिसका स्वामित्व या निर्माण उपयोगकर्ता ने किया है, और यह स्टॉक-एजेंसी पूर्वावलोकन या अन्य तृतीय-पक्ष भुगतान-सामग्री वॉटरमार्क को लक्षित नहीं करता है। छवि सुविधाओं में प्रोवेंस निरीक्षण, वैकल्पिक AI-बनाम-कैमरा और स्रोत-निर्यात वर्गीकरण, पंजीकृत दृश्य चिह्नों को हटाना, मैन्युअल क्षेत्र मिटाना और मेटाडेटा स्ट्रिपिंग शामिल है। पहचाने जाने योग्य दृश्य छवि चिह्नों में Google Gemini/Nano Banana स्पार्कल, Doubao और Jimeng चिह्न, Qwen, Kling AI, Yuanbao, Baidu, LiblibAI, RunningHub और कैलिब्रेटेड Microsoft और Samsung वेरिएंट शामिल हैं। फिलिंग डिफ़ॉल्ट रूप से OpenCV या वैकल्पिक MI-GAN और LaMa बैकएंड का उपयोग कर सकती है। मेटाडेटा समर्थन C2PA, EXIF, XMP, IPTC, जनरेटर पैरामीटर, चीन TC260 AIGC लेबल और विक्रेता-विशिष्ट सिग्नल को कवर करता है। JPEG मेटाडेटा हटाने को एन्कोडेड छवि स्कैन को संरक्षित करने के रूप में वर्णित किया गया है। अदृश्य छवि चिह्नों के लिए, मुख्य CLI/API पथ qwen-zimage, sdxl-zimage या chroma-zimage जैसे डिफ्यूजन पाइपलाइनों का उपयोग करके छवि को पुनर्जीवित करता है; इन पाइपलाइनों को CUDA की आवश्यकता होती है और इनमें CPU या Apple GPU फ़ॉलबैक नहीं होता है। एक विशेष स्थानीय Microsoft Paint InvisMark पथ छोटे पिक्सेल परिवर्तनों और CUDA के बिना मान्य स्थानीय Watermarker.dll पेलोड का निरीक्षण और बाधित कर सकता है। एक वैकल्पिक सत्यापित-टेक्स्ट पोस्ट-पास ऑपरेटर-समीक्षित टेक्स्ट मेनिफेस्ट को स्वीकार करता है। वीडियो कमांड प्रोवेंस की पहचान कर सकते हैं, मेटाडेटा का निरीक्षण या हटा सकते हैं, पंजीकृत दृश्य चिह्नों को हटा सकते हैं, निर्देशिकाओं को संसाधित कर सकते हैं और एक वैकल्पिक अदृश्य-पिक्सेल पुनर्जनन प्रोफ़ाइल चला सकते हैं। समर्थित कंटेनरों में MP4, MOV, M4V, WebM, MKV, AVI और FLV शामिल हैं। दृश्य वीडियो समर्थन Sora 2, वर्तमान और लीगेसी Veo चिह्न, Seedance, Doubao, Dola, Hailuo AI और Kling AI को सूचीबद्ध करता है। डिटेक्टर को आसन्न फ्रेमों में एक स्थिर दोहराए जाने वाले चिह्न की आवश्यकता होती है; ऑडियो कॉपी किया जाता है, परिवर्तित वीडियो ट्रांसकोड किया जाता है, और अस्थायी स्थिरता प्रसंस्करण डिफ़ॉल्ट रूप से सक्षम होता है। मेटाडेटा प्रसंस्करण जहां संभव हो स्ट्रीम ट्रांसकोडिंग से बचता है, TC260 टैग और कंटेनर मेटाडेटा के लिए प्रारूप-विशिष्ट हैंडलिंग के साथ। वैकल्पिक वीडियो SynthID पथ साझा अस्थायी अव्यक्त शोर के साथ एक कैलिब्रेटेड VAE-पुनर्जनन प्रोफ़ाइल का उपयोग करता है। परियोजना का कहना है कि इसका डिफ़ॉल्ट शोर प्रोफ़ाइल विशिष्ट नमूनों पर दस्तावेजित प्रदाता-ओरेकल जांच पास करता है, लेकिन यह भी नोट करता है कि Google एक स्थानीय डिकोडर प्रदान नहीं करता है, प्रत्येक फ़ाइल के लिए परिणाम गारंटीकृत नहीं हैं, प्रदाता सिस्टम बदल सकते हैं, और महत्वपूर्ण आउटपुट को पुनः जांचा जाना चाहिए। README कॉपी किए गए ऑडियो वॉटरमार्क स्थिति को असत्यापित बताता है। पैकेज मेटाडेटा, दृश्य हटाने, वीडियो प्रसंस्करण, डिटेक्शन, वर्गीकरण, डिफ्यूजन, पिक्सेल, HEIF, TrustMark, MI-GAN, LaMa और अन्य सुविधाओं के लिए मॉड्यूलर एक्स्ट्रा के माध्यम से वितरित किया जाता है। उच्च-स्तरीय Python API फ़ाइल पथ या BGR NumPy सरणियाँ स्वीकार करते हैं और एकल फ़ाइलों, बैचों, मेटाडेटा निरीक्षण, दृश्य हटाने, वीडियो प्रसंस्करण और डिफ्यूजन वर्कफ़्लो को कवर करते हैं। रिपॉजिटरी एक एजेंट कौशल, एक अलग ComfyUI एकीकरण और raiw.cc पर एक होस्टेड संस्करण का भी दस्तावेजीकरण करती है। महत्वपूर्ण सीमाओं में चेहरे, टेक्स्ट, रिज़ॉल्यूशन, फ्रेम दर या बारीक विवरण में संभावित परिवर्तन शामिल हैं; दृश्य पथ के लिए HDR/PQ/HLG और 8-बिट से अधिक वीडियो की अस्वीकृति; और यह सिद्धांत कि एक गुम स्थानीय सिग्नल का अर्थ अज्ञात है, पुष्टि किए गए क्लीन का नहीं।