Upscaler vidéo IA — de la HD à la 4K en super-résolution

Un redimensionnement classique (lanczos/bicubic) étire les pixels existants — la même quantité d'information, juste plus gros. Real-ESRGAN est un modèle de deep learning entraîné sur des millions d'images pour générer des détails plausibles manquants : bords nets, textures fines, peau et feuillage réalistes. Côte à côte, l'upscale IA paraît dramatiquement plus net, surtout sur les visages et le texte.

Parce qu'un réseau de neurones tourne sur chaque image. La plupart des outils ici décodent, changent quelque chose de peu coûteux et réencodent ; Real-ESRGAN reconstruit chaque image à quatre fois la taille, ce qui est un vrai calcul par image et n'accélère pas avec un meilleur conteneur ou un fichier plus petit. C'est aussi pourquoi un extrait de dix secondes est la façon sensée d'essayer avant de lancer un long.

WebGPU est l'API par laquelle le modèle IA s'exécute sur la carte graphique. Les versions récentes de Chrome, Edge, Opera et Yandex Browser en disposent sur ordinateur et Android ; Safari et Firefox l'ont ajoutée dans leurs dernières versions. Si WebGPU est absent ou si la carte graphique de l'appareil ne peut pas l'exécuter, l'agrandissement ne démarrera pas ici : sur le processeur, une seule image prendrait des minutes. La page propose alors le traitement sur notre serveur GPU, ou « Améliorer la vidéo » sans IA, qui fonctionne sur tout appareil.

Oui — chaque image source est upscalée, quelle que soit la fréquence. Un clip 60 fps prend simplement deux fois plus longtemps qu'un clip 30 fps de même durée. La sortie préserve exactement la fréquence d'images de la source.

HDR (HDR10, HLG, Dolby Vision) est automatiquement tonemappé en SDR rec.709 avant que l'IA ne le voie — Real-ESRGAN a été entraîné sur des images SDR et couperait sinon les highlights gamut large. Le résultat est une vidéo SDR propre et correctement exposée.

Le modèle tourne sur votre propre appareil via le navigateur : la vitesse dépend donc de votre matériel et non d'une file d'attente. Une machine avec accélération GPU sera plusieurs fois plus rapide qu'une machine sans, et un téléphone plus lent encore. Le travail se fait image par image, le temps croît donc avec la durée et la résolution de la source ; le réseau traite toujours l'image complète, donc la HD 720p du même fichier prend presque autant de temps que ×4 — elle donne seulement un fichier plus léger. Nous enregistrons des événements de performance anonymes (nombre d'images, échelle, temps d'inférence) pour trouver des bogues et gagner en vitesse ; leur contenu est décrit dans la politique de confidentialité. Un conseil pratique : essayez d'abord trente secondes et lisez l'estimation avant de lancer un long plan.

Choisissez « HD 720p » : 640×360 devient 1280×720, un 640×280 en format large devient 1280×560 — chaque option affiche la taille du résultat pour votre fichier. Le réseau traite quand même l'image complète, c'est donc à peine plus rapide que ×4, mais le fichier est plusieurs fois plus léger. Pour la Full HD, choisissez « Full HD 1080p ».

Les prises de vue réelles avec du détail clair en bénéficient le plus — visages, texte, feuillage, textures de tissu. Les sources compressées (téléchargements YouTube, vidéos smartphone) gagnent dramatiquement. Les sources 4K déjà nettes gagnent moins. Les images très compressées ou avec flou de mouvement produisent des résultats moins impressionnants — l'IA ne peut pas inventer du détail qui n'a jamais été capturé.

Le modèle est fixe à ×4. D'une source 1080p cela donne 4320p (au-dessus de 4K) — que l'outil garde avec l'option "×4". De 1440p vous obtiendriez 5760p. L'option "Jusqu'à 4K" plafonne la taille finale à 4K pour les sources où ×4 serait excessif.