chaiNNer
Basiert auf Knoten, Desktop-App, die Bildaufgaben wie KI-Upscaling mithilfe von PyTorch-, NCNN-, ONNX- oder TensorRT-Modellen verkettet.
Verbinden Sie Knoten, um Bilder oder Videos mit neuronalen Netzwerken hochzuskalieren, im Batch zu verarbeiten und zu bearbeiten.
chaiNNer ist eine auf Knoten basierende Bildbearbeitungs-App, die als KI-Upscaler begann. Sie eignet sich für Fotografen, Restauratoren und Modder, die Upscaling, Hintergrundentfernung und andere Schritte in wiederverwendbaren Diagrammen auf ihrem eigenen Computer verketten möchten.
Was es ist
Sie ziehen Knoten in einen Editor, verbinden farbcodierte Griffe und drücken auf Start. Es lädt Upscaling-Modelle über PyTorch (über das Spandrel-Paket), NCNN, ONNX und TensorRT und verfügt über „Load Images“- und „Load Video“-Knoten für Stapelverarbeitung. Es bringt ein eigenes isoliertes Python mit, sodass Sie keines einrichten müssen.
Für wen
Gut für Personen, die viele Bilder mit Community-Modellen hochskalieren oder restaurieren möchten und visuelle Pipelines mögen. Wenn Sie nur eine einmalige Vergrößerung benötigen, ist eine einfache Upscaler-App unkomplizierter, und Sie müssen zuerst ein Framework für neuronale Netze über den Abhängigkeitsmanager installieren.
Wichtige Funktionen
Knotendiagramm-Editor
Ziehen Sie Knoten hinein, verbinden Sie typisierte Griffe und führen Sie die Kette mit der grünen Schaltfläche aus.
Vier Inferenz-Backends
PyTorch, NCNN, ONNX und TensorRT, wobei TensorRT auf unterstützten Nvidia-Modellen als am schnellsten gilt.
Bilder und Videos im Batch
Load Images- und Load Video-Knoten verarbeiten Ordner und Clips, wobei Sie jedoch nicht zwei Batch-Knoten in einer Kette kombinieren können.
Integriertes Python
chaiNNer lädt einen eigenen isolierten Python-Build herunter und installiert Abhängigkeiten über einen In-App-Manager.
Knoten zur Hintergrundentfernung
ONNX-Modelle zur Hintergrundentfernung wie u2net und isnet werden unterstützt.
Breite GPU-Unterstützung
Nvidia, AMD über ROCm oder NCNN, Apple Silicon über MPS, Intel über NCNN und CPU-Fallback.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Es gibt Installer für Windows, macOS und Linux, und laut README muss Python nicht vorinstalliert sein.
- Ketten sind wiederverwendbar, sodass ein Diagramm jedes Mal einen ganzen Ordner auf dieselbe Weise verarbeiten kann.
- Es liest viele Super-Resolution-Architekturen der Community über Spandrel, wobei OpenModelDB als Modellquelle aufgeführt ist.
- Funktioniert auf AMD-, Intel- und Apple-GPUs sowie Nvidia, was viele KI-Bildtools nicht tun.
Schwächen
- Sie müssen vor dem ersten Upscaling mindestens ein Framework für neuronale Netze über den Abhängigkeitsmanager installieren, und diese Pakete sind groß.
- Die Lizenz ist GPL-3.0, was wichtig ist, wenn Sie chaiNNer in geschlossene Software einbauen möchten.
- Die Kompatibilitätshinweise der README listen Besonderheiten auf: Einige NCNN-Benutzer mit Nicht-Nvidia-GPUs sehen komplett schwarze Ausgaben, und ONNX verwendet auf Apple Silicon nur die CPU.
- Knotendiagramme erfordern eine Einarbeitungszeit, und die README räumt ein, dass die Benutzeroberfläche anfangs einschüchternd wirken kann.
Preise & Lizenz
chaiNNer steht unter der GPL-3.0 und ist kostenlos herunterzuladen und zu verwenden. Die README zeigt eine Ko-fi-Seite für Spenden und keinen kostenpflichtigen Tarif. Ihre Kosten sind der Computer und die GPU, auf denen Sie es ausführen.
Stellen für Deutschsprachige
767 offene Remote-Stellen im KI-Training, aktualisiert am 14. November 2026; die meisten zahlen $20–$175 pro Stunde. 11 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Muss ich Python installieren?
Nein. Laut README lädt chaiNNer beim Start einen isolierten, integrierten Python-Build herunter. Sie können stattdessen zu Ihrem System-Python (3.10 oder neuer) wechseln, wenn Sie möchten.
Welche GPUs funktionieren?
Nvidia über PyTorch, ONNX und TensorRT; AMD über ROCm unter Linux oder NCNN; Apple Silicon über MPS; Intel über NCNN; und CPU als Fallback.
Kann es Videos verarbeiten?
Ja, mit dem Load Video-Knoten, aber Sie können ihn nicht mit Load Images oder einem anderen Batch-Iterationsknoten in einer Kette kombinieren.
