Versi 5.0.0 beta dulu sempat bikin pusing karena performanya kurang stabil. K4YT3X akhirnya menulis ulang seluruh basis kode proyek Video2X AI video upscaling ini menggunakan C/C++ pada rilis versi 6.0.0. Hasilnya lumayan berasa. Pipeline baru ini bikin proses render lebih kencang, hemat resource, dan nggak bikin storage penuh.
Arsitektur C++ dan Efisiensi Storage
Satu hal yang paling ngeselin dari versi terdahulu adalah pemakaian ruang penyimpanan sementara yang besar saat proses berjalan. Versi 6.0.0 membereskan masalah itu. Proses pengolahan video sekarang tidak membutuhkan ruang disk tambahan sama sekali, selain ukuran file output akhir.
Sistem ini menyediakan dua fungsi utama: filtering atau upscaling ukuran video, serta frame interpolation untuk membuat pergerakan animasi jadi lebih mulus. Beberapa model populer sudah terintegrasi langsung:
- Anime4K v4 dan seluruh shader GLSL yang kompatibel dengan MPV.
- Real-ESRGAN, Real-CUGAN, dan RIFE (semua varian model) berbasis ncnn serta Vulkan.
Spesifikasi Hardware Minimum
Agar software ini bisa berjalan tanpa masalah, perangkat keras harus memenuhi standar instruksi tertentu. Prosesor wajib mendukung AVX2, sementara kartu grafis harus sudah mendukung API Vulkan.
| Komponen | Spesifikasi Minimum |
|---|---|
| CPU Intel | Haswell (Q2 2013) atau lebih baru |
| CPU AMD | Excavator (Q2 2015) atau lebih baru |
| GPU NVIDIA | Kepler (GTX 600 series, Q2 2012) atau lebih baru |
| GPU AMD | GCN 1.0 (Radeon HD 7000 series, Q1 2012) atau lebih baru |
| GPU Intel | HD Graphics 4000 (Q2 2012) atau lebih baru |
Opsi Deployment dan Google Colab
Pengguna Windows tinggal mengunduh installer GUI resmi versi 6.4.0. Untuk ekosistem Linux, package sudah tersedia di AUR (aur/video2x, aur/video2x-qt6) dan repo archlinuxcn, atau menggunakan format AppImage universal. Alternatif lain seperti Docker container juga disiapkan di GitHub Container Registry.
Kalau tidak punya kartu grafis lokal yang sanggup running model ini, opsi Google Colab bisa dimanfaatkan. Server Google menyediakan GPU gratisan seperti NVIDIA T4, L4, hingga A100 dengan batas durasi maksimal 12 jam per sesi. Menjalankan upscale nonstop 24 jam di Colab gratisan sangat tidak disarankan karena berisiko kena pemblokiran akun.
Proyek open-source ini beroperasi di bawah lisensi GNU AGPL version 3 dan memanfaatkan library eksternal seperti FFmpeg, ncnn, serta repositori resmi dari masing-masing pembuat model AI.
Referensi
https://github.com/k4yt3x/video2x