remove-ai-watermarks v0.26.1
Supprimez les filigranes IA visibles et invisibles ainsi que les métadonnées de provenance des images et des vidéos. Bibliothèque Python et CLI pour SynthID, C2PA, EXIF, IPTC, XMP et les marques courantes d'IA générative.
Supprimer les filigranes IA
Supprimez les marques de provenance IA des images et vidéos que vous avez générées vous-même :
- les étiquettes visibles connues telles que le filigrane en forme d'étincelle de Google Gemini et les marques textuelles des fournisseurs ;
- les filigranes invisibles dans les pixels via une perturbation directe du format local ou une régénération par diffusion ;
- les métadonnées C2PA, EXIF, XMP, IPTC et les métadonnées IA associées.
La prise en charge vidéo couvre l'identification de la provenance, le nettoyage complet des éléments visibles et des métadonnées, les traitements par lots de répertoires, la suppression des marques visibles de Sora, Veo, Seedance, Doubao, Dola, Hailuo AI et Kling AI, ainsi que la régénération VAE certifiée par oracle pour la suppression du SynthID vidéo.
raiw.cc exécute cette bibliothèque en tant que service hébergé, avec le GPU inclus et rien à installer. La suppression des marques visibles et des métadonnées en sortie Standard jusqu'à 12 MP y est gratuite ; la résolution d'origine au-delà de 12 MP et la suppression des filigranes invisibles sont payantes.
Ce projet est destiné à un usage licite sur du contenu que vous possédez. Il ne cible pas les aperçus d'agences de stock ou d'autres filigranes qui protègent du contenu payant tiers. Voir portée, sécurité et notes juridiques.
Choisissez ce que vous voulez faire
| Objectif | Commande | GPU |
|---|---|---|
| Trouver les signaux de provenance et les filigranes | identify | Non |
| Classifier une photographie à partir des pixels (opt-in, pas de provenance) | classify | Non |
| Supprimer les marques IA visibles connues | visible | Non |
| Effacer une région que vous sélectionnez | erase | Non |
| Retirer les métadonnées IA | metadata | Non |
| Identifier la provenance vidéo prise en charge | video identify | Non |
| Supprimer les marques visibles et les métadonnées IA d'une vidéo | video all | Non |
| Retirer les métadonnées IA d'une vidéo | video metadata | Non |
| Supprimer une marque IA visible enregistrée d'une vidéo | video visible | Non |
| Traiter un répertoire de vidéos | video batch | Dépend du mode |
| Appliquer le profil calibré de suppression du SynthID des pixels vidéo | video invisible | Recommandé |
| Régénérer une image pour perturber les filigranes invisibles | invisible | Requis (CUDA) |
| Exécuter la suppression des éléments visibles, invisibles et des métadonnées | all | Recommandé |
| Traiter un répertoire | batch | Dépend du mode |
Les déclarations InvisMark de Microsoft Paint et Photos sont automatiquement routées vers
la régénération des pixels. La commande all supprime à la fois le filigrane invisible dans les pixels et
son manifeste C2PA associé ; le simple retrait des métadonnées ne supprime que le manifeste. Une
API Python spécialisée peut inspecter et perturber la charge utile locale validée
Watermarker.dll sans diffusion.
Modes d'installation
| Besoin | Installation |
|---|---|
| Inspection et retrait des métadonnées | remove-ai-watermarks |
| Classification photographie IA versus appareil photo | remove-ai-watermarks[classify] |
| Classification des exports sources OpenAI/Google/inconnues | remove-ai-watermarks[source-classify] |
| Détection et suppression des éléments visibles | remove-ai-watermarks[visible] |
| Traitement vidéo des éléments visibles | remove-ai-watermarks[video] |
| Suppression du SynthID vidéo | remove-ai-watermarks[video,diffusion] |
| Détection DWT-DCT sans Torch | remove-ai-watermarks[detect] |
| Perturbation directe locale de Paint InvisMark | remove-ai-watermarks[pixels] |
| Suppression des filigranes invisibles d'image (nécessite CUDA) | remove-ai-watermarks[qwen-zimage] |
| Toutes les fonctionnalités de production disponibles sur le Python actif | remove-ai-watermarks[all] |
Les extras de niveau inférieur et spécialisés incluent pixels, heif, trustmark,
migan, lama, diffusion, classify-onnx et source-classify. Le
guide d'installation documente leur composition exacte
en dépendances, leur compatibilité Python et leurs exigences de modèles.
Démarrage rapide
Installez la CLI par défaut axée sur les métadonnées :```bash uv tool install remove-ai-watermarks
Inspecter une image :```bash
remove-ai-watermarks identify image.png
Pour classifier une photographie à partir des pixels (IA versus appareil photo, fournisseur facultatif), installez l'extra et appelez classify. identify ne le démarre jamais :```bash
uv tool install --force "remove-ai-watermarks[classify]"
remove-ai-watermarks classify image.png
Guide : [classification de pixels de photos](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/photo-classify.md).
Pour un signal léger et avec abstention, propre aux exports OpenAI/Google/inconnus après
suppression des métadonnées, utilisez l'API Python séparée. Ce n'est pas un détecteur SynthID :```python
import remove_ai_watermarks as raiw
result = raiw.classify_source("image.png")
print(result.label, result.reason)
Installez remove-ai-watermarks[source-classify]. Guide :
source-pipeline classification.
La provenance signée est la voie prise en charge pour SynthID et identify la lit.
Il n'existe aucun détecteur local de pixels SynthID dans le paquet. La recherche sur un
expert en réseau périodique se trouve dans scripts/synthid_runtime/ et
synthid-detector-research.md.
Pour la suppression de filigrane visible, installez les dépendances de pixels :```bash uv tool install --force "remove-ai-watermarks[visible]"
Puis supprimez une marque visible connue et les métadonnées IA :```bash
remove-ai-watermarks visible image.png -o clean.png
Supprimer les métadonnées sans exécuter d'inpainting visible ni de diffusion :```bash remove-ai-watermarks metadata image.png --remove -o clean.png
Sans `-o`, cette commande écrase la source sur place.