Remove AI Watermarks

移除 AI 水印

移除你自己生成的图像和视频中的 AI 来源标记：

• Google Gemini 闪光水印和厂商文字标记等已知可见标记；
• 通过直接破坏本地格式或扩散再生成，移除不可见像素水印；
• C2PA、EXIF、XMP、IPTC 及相关 AI 元数据。

Before	After

uv tool install "remove-ai-watermarks[visible]"   # CLI for visible marks and metadata
npx skills add wiltodelta/remove-ai-watermarks    # agent skill for Claude Code, Codex, Cursor, and other agents

视频支持来源识别、完整清理可见标记和元数据、目录批处理、移除可见的 Sora、Veo、Seedance、Doubao、Dola、Hailuo AI 和 Kling AI 标记，以及通过经过 oracle 认证的 VAE 再生成来移除视频 SynthID。

raiw.cc 将此库作为托管服务运行，包含 GPU，无需安装。该服务免费提供 Standard 输出（最高 12 MP）的可见标记和元数据移除；原始分辨率高于 12 MP 以及不可见水印移除则需付费。

这是一个研究 AI 来源信号的项目，仅供合法处理你拥有的内容。项目按原样提供，不作任何保证，也不承担任何责任；每位用户都需对自己的使用方式负责。项目不针对图库预览图，也不针对保护第三方付费内容的其他水印。包括中国在内的一些司法管辖区限制移除 AI 标记或提供此类工具。请参阅适用范围、安全和法律说明。

选择要执行的操作

目标	命令	GPU
查找来源信号和水印	identify	否
根据像素对照片进行分类（自选启用，不代表来源信息）	classify	否
移除已知的可见 AI 标记	visible	否
擦除你选定的区域	erase	否
移除 AI 元数据	metadata	否
识别支持的视频来源信息	video identify	否
移除视频中的可见标记和 AI 元数据	video all	否
移除视频中的 AI 元数据	video metadata	否
移除视频中已注册的可见 AI 标记	video visible	否
处理视频目录	video batch	视模式而定
应用经过校准的视频像素 SynthID 移除配置	video invisible	建议使用
重新生成图像以破坏不可见水印	invisible	必需（CUDA）
运行可见标记、不可见水印和元数据移除	all	建议使用
处理目录	batch	视模式而定

Microsoft Paint 和 Photos 的 InvisMark 声明会自动转交给像素再生成处理。all 命令会同时移除隐藏的像素水印及与之关联的 C2PA 清单；单独移除元数据时，只会移除清单。专用 Python API 可以检查并破坏经验证的本地 Watermarker.dll 负载，无需使用扩散模型。

安装模式

需求	安装
元数据检查与剥离	remove-ai-watermarks
照片 AI 与相机分类	remove-ai-watermarks[classify]
OpenAI/Google/未知来源导出分类	remove-ai-watermarks[source-classify]
可见水印检测与移除	remove-ai-watermarks[visible]
可见视频处理	remove-ai-watermarks[video]
视频 SynthID 移除	remove-ai-watermarks[video,diffusion]
无需 Torch 的 DWT-DCT 检测	remove-ai-watermarks[detect]
直接在本地干扰 Paint InvisMark	remove-ai-watermarks[pixels]
隐形图像移除（需要 CUDA）	remove-ai-watermarks[qwen-zimage]
当前 Python 环境可用的所有生产功能	remove-ai-watermarks[all]

更底层和专用的额外功能包括 pixels、heif、trustmark、 migan、lama、diffusion、classify-onnx 和 source-classify。此 安装指南详细介绍了这些功能的确切 依赖组成、Python 兼容性和模型要求。

快速开始

安装以元数据处理为主的默认 CLI：

uv tool install remove-ai-watermarks

检查图像：

remove-ai-watermarks identify image.png

若要根据像素对照片进行分类（AI 与相机，可选提供方），请安装额外功能并调用 classify。identify 不会启动它：

uv tool install --force "remove-ai-watermarks[classify]"
remove-ai-watermarks classify image.png

指南：照片像素分类。

移除元数据后，若要获得轻量且可弃权的 OpenAI/Google/未知来源导出信号，请使用 单独的 Python API。它不是 SynthID 检测器：

import remove_ai_watermarks as raiw

result = raiw.classify_source("image.png")
print(result.label, result.reason)

安装 remove-ai-watermarks[source-classify]。指南： 来源流水线分类。

带签名的溯源信息是支持 SynthID 的方式，identify 会读取它。此软件包没有本地 SynthID 像素检测器。周期晶格专家的研究见 scripts/synthid_runtime/ 和 synthid-detector-research.md。

若要移除可见水印，请安装像素依赖：

uv tool install --force "remove-ai-watermarks[visible]"

然后移除已知的可见水印和 AI 元数据：

remove-ai-watermarks visible image.png -o clean.png

剥离元数据，但不运行可见水印修复或扩散处理：

remove-ai-watermarks metadata image.png --remove -o clean.png

不使用 -o 时，此命令会原地覆盖源文件。

检查或移除 MP4、MOV、M4V、WebM、MKV、AVI 或 FLV 文件中的 AI 元数据：

remove-ai-watermarks video metadata input.mp4 --check
remove-ai-watermarks video metadata input.mp4 --remove -o clean.mp4

video metadata 命令不会转码视频或音频流。与上面的图像命令不同，省略 -o 时， 它会写入 <source>_clean 并保留原文件。MP4 和 MOV 检查包括原生 TC260 AIGC 标签，位于 moov.udta.meta.keys/ilst，包括 moov 位于媒体负载之后的情况， 还包括 Doubao 的 iOS 导出所写入的 QuickTime 格式 meta 变体（作为直接 moov 子项的裸 meta box，以及无键 hdlr=mdir 元数据列表）。 同一元数据列表结构中的带键 workflow 和 prompt 条目也会被检测并移除， 包括 ComfyUI 导出文件。 MKV 和 WebM 检查会读取规范定义的 Segment.Tags.Tag.SimpleTag 位置。AVI 使用 LIST/INFO/AIGC，而 FLV 使用 script.onMetaData.AIGC。移除这些非 ISOBMFF 格式中的元数据时，会通过流复制重新封装。

使用面向产品的视频处理路径来识别或清理文件：

uv tool install --force "remove-ai-watermarks[video]"
remove-ai-watermarks video identify input.mp4
remove-ai-watermarks video all input.mp4 -o clean.mp4

video all 会在存在稳定的已注册可见水印时将其移除，并始终剥离已验证的 AI 元数据。 即使未发现任何一种信号，它仍会写入同容器直通文件，因此应用调用方可以获得统一且 可预测的输出约定。默认不包含专有的隐形视频移除功能。 --invisible 可选择启用有损、经 oracle 认证的视频 SynthID 配置。

按相同约定处理目录：

remove-ai-watermarks video batch ./videos --mode all

移除受支持的可见视频水印：

remove-ai-watermarks video visible input.mp4 -o clean.mp4
remove-ai-watermarks video visible veo.mp4 --mark veo -o veo_clean.mp4
remove-ai-watermarks video visible seedance.mp4 --mark seedance -o seedance_clean.mp4
remove-ai-watermarks video visible dola.mp4 --mark dola -o dola_clean.mp4
remove-ai-watermarks video visible hailuo.mp4 --mark hailuo -o hailuo_clean.mp4
remove-ai-watermarks video visible kling.mp4 --mark kling -o kling_clean.mp4

此路径会在修改像素前扫描完整序列。它只接受在相邻帧中位置稳定且重复出现的标记，然后复用与图像移除相同的 OpenCV、MI-GAN 或 LaMa 填充后端。音频会直接复制，不重新编码，并允许播放至自然结束；视频流则会重新转码，因为其像素发生了变化。默认情况下，经过保护的光流处理会将前一个已接受的填充结果进行运动对齐，并且仅当附近的源内容一致时才进行混合；使用 --no-temporal-consistency 可禁用此功能。 编码器会保留受支持的 8 位源色度抽样、色彩标签和 MP4/MOV 轨道时基，而不依赖 ffmpeg 隐式使用的原始 BGR 默认值。可变帧间隔通过带时间戳的内存 NUT 桥接保留，而不会被压平为平均帧率。非零的源起始时间戳会与复制后的音频偏移一并保留。默认的 --mark auto 会在一次解码过程中扫描所有提供方，并按照下方所示的特异性顺序选择第一个稳定匹配项。当有效的 Google AI 视频来源信息存在时，如果菱形标记嵌套在 Sora 区域内，或 Veo 标记贯穿整个片段而 Sora 标记没有，则会在 Sora/Veo 交叉匹配时优先选择 Veo。 传入显式标记可将检测范围限制为单个提供方。 Sora 可识别移动的 Sora 2 吉祥物，无论是否带有文字标识；仅匹配吉祥物时，也要求完整的双眼形状。Veo 可识别当前的四角菱形和旧版 Veo 文字。Seedance 可识别固定的方框 AI 标签，Dola 可识别固定的 Dola AI 文字，Hailuo AI 可识别组合标签 MINIMAX | hailuo AI，Kling AI 可识别右下角带版本后缀的 KLING AI 或 KlingAI 标签。完成的编码会以原子方式发布。未找到稳定标记时，不会写入任何输出。 HDR、PQ/HLG 以及位深高于 8 位的输入会在编码前被拒绝，而不会经由 OpenCV 的 8 位 BGR 边界被静默降位。

应用经过校准的视频像素 SynthID 移除配置：

uv tool install --force "remove-ai-watermarks[video,diffusion]"
remove-ai-watermarks video invisible input.mp4 -o clean.mp4

此路径会使用整个序列共享的单个潜在噪声场重新生成完整序列，复制完整音频，剥离源元数据，并以原子方式发布完成的编码。默认的 noise_std=0.15 配置通过了双载体校准和完整的公开 8 秒 Veo Oracle 检查。Google 未发布本地解码器，因此对于特别重要的文件或提供方发生变化后，重新进行提供方检查仍有帮助，但这并非产品结果状态。因此，CLI 会将其描述为视频像素重新生成，而不会声称给出逐文件的 SynthID 判定；复制的音频水印则报告为 UNVERIFIED。

若要通过 CLI 或高级 API 移除不可见水印，请安装 qwen-zimage extra。必须配备 NVIDIA GPU：所有扩散配置都仅支持 CUDA，不提供 CPU 或 MPS 回退。专用的本地 Paint API 使用不需要 CUDA 的 pixels extra。

uv tool install --force "remove-ai-watermarks[qwen-zimage]"
remove-ai-watermarks invisible image.png -o clean.png

如果本地检测器无法确认不可见水印，但你知道图像来自 AI 生成器，请添加 --force：

remove-ai-watermarks invisible image.png -o clean.png --force

文字密集的图像可选择启用实验性的已验证文本后处理步骤。它接受经过人工审核的字符串和行框，或经操作员验证的纯几何清单；不会将原始 OCR 输出视为真实依据，也不会自动运行：

uv tool install --force "remove-ai-watermarks[text-restoration]"
remove-ai-watermarks invisible image.png -o clean.png \
  --text-manifest verified-lines.json --force

有关清单架构、兼容性限制和 Oracle 注意事项，请参阅 CLI 指南。

有关 Homebrew、uv、可选功能和开发环境设置，请参阅安装指南。

示例

可见的 Gemini 标记

本页顶部的 after 光栅图由公开路径根据受版本控制的 before 光栅图生成：

uv run remove-ai-watermarks visible demo_banana_before.png \
  --backend cv2 -o demo_banana_after.png

高质量无痕移除

qwen-zimage 是默认配置：先在 Canny ControlNet 下运行 Qwen-Image-2512 Lightning 处理，再通过 SAM 掩码对检测到的人脸进行 Z-Image 修复。另一种配置 sdxl-zimage 将全局处理阶段替换为 SDXL，并保留相同的人脸处理阶段。第三种配置 chroma-zimage 使用 Apache-2.0 Chroma1 全局处理阶段，并采用其专属的固定供应商阈值；校准信息请参阅 docs/chroma1-engine-research.md。--pipeline auto 会为 Google 选择 sdxl-zimage，为 Microsoft 选择 chroma-zimage，否则选择 qwen-zimage。以上配置均仅支持 CUDA。

uv tool install --force "remove-ai-watermarks[qwen-zimage]"
remove-ai-watermarks invisible image.png -o clean.png --force

OpenAI 示例：处理前	OpenAI 示例：处理后

Gemini 示例：处理前	Gemini 示例：处理后

这些精确的输出文件已使用对应供应商的验证器进行检查。该结果仅适用于这些文件，不适用于其他种子、图像或未来版本的水印。

常用配方

移除检测到的所有可见标记

remove-ai-watermarks visible image.png -o clean.png

默认的 --mark auto 会检查所有已注册的可见标记，并移除所有匹配项。如果你能看到标记但检测器未能识别，可明确指定其区域：

remove-ai-watermarks erase image.png \
  --region 1640,1930,400,100 \
  -o clean.png

--region 使用 x,y,width,height 格式，且可重复指定。

使用学习式填充后端

未安装学习式后端时，visible 附加组件会使用 OpenCV 修复。对于更复杂的背景，学习式后端附加组件会自动包含相同的像素依赖项：

uv tool install --force "remove-ai-watermarks[migan]"
remove-ai-watermarks visible image.png -o clean.png --backend migan

uv tool install --force "remove-ai-watermarks[lama]"
remove-ai-watermarks visible image.png -o clean.png --backend lama

降低 CUDA 内存使用量

remove-ai-watermarks invisible image.png -o clean.png \
  --cpu-offload --force

CPU 卸载会在 CPU 和 GPU 之间移动模型组件，以降低 CUDA 内存压力，但会牺牲速度。

处理目录

remove-ai-watermarks batch ./images --mode visible
remove-ai-watermarks batch ./images --mode all

工具能够识别的内容

可见标记支持包括：

• Google Gemini 和 Nano Banana 的可见闪光水印；
• 豆包、即梦文字标识和左上角 AI生成 布局、Qwen、Kling AI、元宝、Dola、WorkBuddy、百度、LiblibAI 的底部居中文字标识和左上角紧凑胶囊标记，以及 RunningHub 标签；
• 经过校准的 Microsoft 右上角白色和米色 AI 徽章布局；
• 经过校准的意大利语和韩语 Samsung Galaxy AI 声明；
• 通用的、无品牌的右下角 AI生成 备用标记，用于 OS／图库级 AI 编辑标记，这些标记本身不带供应商品牌文字（已确认 vivo 和小米图库）；仅基于合成样本校准，证据弱于上述针对供应商调优的检测器；
• OpenArt 文字标识，位于画面中心而非角落；未经校准（仅确认过 1 个真实案例，且没有采集到样本集）。

元数据和来源信息检查涵盖 C2PA、EXIF、XMP、IPTC、图像和视频容器中的常见生成器参数、中国 TC260 AIGC 标签，以及若干供应商特有信号。可选解码器还可支持开放式 DWT-DCT 水印和 Adobe TrustMark。

准确的支持矩阵（包括重要的区域设置和检测器限制）请参阅支持的信号。合成示例图库为每种已注册的图像和视频标记提供一个标准样本。

工作原理

可见水印去除分为三个步骤：

1. 在预期区域检测已注册的标记。
2. 围绕标记创建蒙版。
3. 仅使用 OpenCV、MI-GAN 或 LaMa 填充蒙版区域。

元数据去除采用格式感知的剥离方式。去除 JPEG 元数据时会保留编码后的图像扫描数据，而不是重新压缩图像。原生 MP4/MOV TC260 值和带键的生成参数会被置空，同时不改变区块大小或媒体偏移量。其他受支持的容器则使用相应的元数据处理路径。

通过 CLI 和高级 API 去除不可见水印时，会通过扩散管线重新生成图像。专业调用方也可以改用解码并破坏已确认为 Microsoft Paint 原生格式的图像，造成的像素改动要小得多。两种路径都无法保证所有专有验证器都会拒绝每个输出结果。

完整的技术边界请参阅支持的信号和 已知限制。

Python API

可见水印去除 API 需要安装 remove-ai-watermarks[visible]。

import remove_ai_watermarks as raiw

result, removed = raiw.remove_visible("watermarked.png", "clean.png")
print(removed)

report = raiw.remove_visible_detailed("watermarked.png", "clean.png")
print(report.status)  # cleaned | partial | unvalidated | no_watermark

complete = raiw.remove_all("watermarked.png", "clean.png")
print(complete.visible_status, complete.visible_marks)

images = raiw.remove_batch("images", "images_clean", mode="visible")
for item in images.items:
    print(item.source, item.visible_status, item.visible_marks)

provenance = raiw.identify_video("input.mp4")
report = raiw.inspect_video_metadata("input.mp4")
complete = raiw.remove_video_all("input.mp4", "clean.mp4")
print(complete.visual_invisible_action, complete.audio.watermark_status)
batch = raiw.remove_video_batch("videos", "videos_clean")
cleaned = raiw.remove_video_metadata("input.mp4")
synthid_cleaned = raiw.remove_video_invisible("input.mp4", "synthid_clean.mp4")
print(synthid_cleaned.visual_invisible_action, synthid_cleaned.audio.watermark_status)
visible = raiw.remove_video_visible("input.mp4", "clean.mp4")
print(visible.mark)
veo = raiw.remove_video_visible("veo.mp4", "veo_clean.mp4", mark="veo")
seedance = raiw.remove_video_visible(
    "seedance.mp4",
    "seedance_clean.mp4",
    mark="seedance",
)
dola = raiw.remove_video_visible("dola.mp4", "dola_clean.mp4", mark="dola")

高级 API 接受文件路径或 BGR NumPy 数组。对于路径输入，它还会读取来源元数据、保留透明度，并可从写入的结果中剥离 AI 元数据。

有关可见水印去除、完整的 remove_all 和 remove_batch 管线、来源检查、元数据剥离和扩散用法，请参阅 Python API 指南。

Agent 技能

编码 Agent 可以安装已发布的技能并调用此 CLI：

npx skills add wiltodelta/remove-ai-watermarks

Claude Code 可以将此仓库添加为插件市场：

/plugin marketplace add wiltodelta/remove-ai-watermarks
/plugin install remove-ai-watermarks@remove-ai-watermarks

Codex 通过相同的技能读取 .codex-plugin/plugin.json。 该技能会拒绝图库素材及其他第三方付费素材标记。请参阅 Agent 技能指南。

MCP 服务

remove-ai-watermarks mcp 通过 stdio 将 identify、remove 和 batch 作为 Model Context Protocol 工具提供，每个工具都是一个 CLI 命令的轻量封装：

{"mcpServers": {"remove-ai-watermarks": {"command": "uvx", "args": ["remove-ai-watermarks", "mcp"]}}}

请参阅 MCP 服务指南。

ComfyUI

独立的 ComfyUI Remove AI Watermarks 软件包提供用于可见水印去除、检测、区域擦除和不可见水印去除的节点。

重要限制

• 缺少本地信号意味着未知，并非干净。剥离元数据后，专有像素水印仍可能残留。 各处理路径会留下什么 按命令列出可能残留的内容以及检查方法。
• 可见水印移除会重建一小块区域。效果取决于背景和所选填充后端。
• 不可见水印移除会改变整张图像，并可能影响人脸、文字或精细细节。
• 可见视频水印移除可识别移动的 Sora 2 字标、当前版 Veo 菱形标记和旧版 Veo 文字、Seedance 方框 AI 标记，以及固定位置的 Doubao、Dola、Hailuo AI、Vidu 和 Kling AI 标记。它无法识别旧版 Sora Turbo 角落漩涡标记，也无法识别这些提供商未注册的布局。 传统 OpenCV 后端可能会模糊结构化背景；需要较好的修复效果时，请使用 MI-GAN 或 LaMa。
• 视频 SynthID 再生成会改变分辨率、帧率和图像细节。随附配置已获 oracle 认证，但没有公开的本地解码器能在运行时认证任意输出。提供商发生变化后，请重新检查特别重要的输出。
• 通过 CLI 和高级 API 移除不可见水印需要 CUDA。所有扩散配置在构造时都会拒绝使用任何其他设备，而不会回退到无法运行它们的设备。专用本地 Paint API、可见水印移除、元数据剥离和 identify 无需 CUDA 即可运行。
• 提供商的水印系统可能会改变。若提供商提供自有验证器，请用其验证重要输出。

随附的 video invisible 命令使用经过认证的 noise_std=0.15 配置。配套的 scripts/video_synthid_sweep.py 研究脚本会生成匹配的重新编码对照和 VAE 再生成候选项，并将验证结果留空：

uv run --extra video --extra diffusion python scripts/video_synthid_sweep.py input.mp4 -o sweep/

若要评估输出实际付出的代价，请使用 scripts/video_fidelity_probe.py：引擎自身的 PSNR 是在输入缩放后、最终编码前测量的，因此只有探测脚本能评估最终交付的画面。

uv run --extra video python scripts/video_fidelity_probe.py input.mp4 input_clean.mp4

只有当对照仍被 SynthID 判定为阳性时，阴性候选项才能算作移除证据。在 2026-07-29 的双片段校准中，Gemini 内置的 SynthID 验证器将两个匹配对照都判定为阳性；较强的候选项在两种载体上均为阴性，较弱的候选项则在其中一种载体上为阴性。之后的一次对抗性跟进测试要求普通 Gemini 重新解读像素结果，返回了 UNAVAILABLE；这次跟进并非重新运行验证器，不会使内置验证结果失效。2026-07-31 对一个公开的八秒 Veo 样本进行的全片段检查发现，0.10 仍可被检测到，而 0.15 无法被检测到，因此 0.15 现为经过认证的默认值。该全片段检查可复现的哈希和验证结果——一个载体，两行记录——位于 data/evaluations/video-synthid-oracle.csv。较早的双片段校准仅为叙述性记录：其验证结果未记录在受版本控制的清单中，因此应将经过认证的默认值视为仅基于 2026-07-31 的记录。

文档

请从文档索引开始。

• 安装
• CLI 指南
• Python API
• 支持的信号
• 已知限制
• 范围、安全与法律说明
• 模块内部机制
• 发布与分发
• Agent 技能

研究笔记和历史实验另列于文档索引中。这些内容解释了过去的决策，但不定义当前公开 API。

参与贡献

安装开发环境并运行项目检查：

uv sync --frozen --extra dev
bash maintain.sh

修改具有已记录不变量的子系统前，请参阅 模块内部说明。 如需报告漏洞，请按照 SECURITY.md 中的说明操作。

许可证

Apache 2.0。版权所有 2025-2026 wiltodelta。