업데이트로 돌아가기
New releaseSep 4, 2026

remove-ai-watermarks v0.37.1

이미지와 비디오에서 가시적 및 비가시적 AI 워터마크와 출처 메타데이터를 제거합니다. SynthID, C2PA, EXIF, IPTC, XMP 및 일반적인 생성형 AI 마크를 위한 Python 라이브러리 및 CLI입니다.

공유

AI 워터마크 제거

직접 생성한 이미지와 비디오에서 AI 출처 표시를 제거합니다:

  • Google Gemini 스파클 워터마크 및 벤더 텍스트 마크와 같은 알려진 가시적 라벨;
  • 직접적인 로컬 포맷 교란 또는 확산 재생성을 통한 비가시적 픽셀 워터마크;
  • C2PA, EXIF, XMP, IPTC 및 관련 AI 메타데이터.

비디오 지원은 출처 식별, 가시적 마크와 메타데이터의 완전한 정리, 디렉터리 배치 처리, Sora, Veo, Seedance, Doubao, Dola, Hailuo AI, Kling AI의 가시적 마크 제거, 그리고 비디오 SynthID 제거를 위한 오라클 인증 VAE 재생성을 포함합니다.

raiw.cc는 이 라이브러리를 GPU 포함, 설치 필요 없는 호스팅 서비스로 운영합니다. Standard 출력에서 최대 12 MP까지의 가시적 마크 및 메타데이터 제거는 무료이며, 12 MP 초과 원본 해상도와 비가시적 워터마크 제거는 유료입니다.

PyPI Python Downloads License Tests Sponsor skills.sh

이 프로젝트는 본인이 소유한 콘텐츠에 대한 합법적 사용을 위한 것입니다. 스톡 에이전시 미리보기나 제3자 유료 콘텐츠를 보호하는 기타 워터마크를 대상으로 하지 않습니다. 범위, 안전성 및 법적 고지를 참조하세요.

원하는 작업 선택

목표명령GPU
출처 신호 및 워터마크 찾기identify아니오
픽셀에서 사진 분류 (옵트인, 출처 아님)classify아니오
알려진 가시적 AI 마크 제거visible아니오
선택한 영역 지우기erase아니오
AI 메타데이터 제거metadata아니오
지원되는 비디오 출처 식별video identify아니오
비디오에서 가시적 마크 및 AI 메타데이터 제거video all아니오
비디오에서 AI 메타데이터 제거video metadata아니오
비디오에서 등록된 가시적 AI 마크 제거video visible아니오
비디오 디렉터리 처리video batch모드에 따라 다름
보정된 비디오 픽셀 SynthID 제거 프로파일 적용video invisible권장
비가시적 워터마크를 교란하기 위해 이미지 재생성invisible필요 (CUDA)
가시적, 비가시적 및 메타데이터 제거 실행all권장
디렉터리 처리batch모드에 따라 다름

Microsoft Paint 및 Photos InvisMark 선언은 자동으로 픽셀 재생성으로 라우팅됩니다. all 명령은 숨겨진 픽셀 워터마크와 그에 연결된 C2PA 매니페스트를 모두 제거하며, 메타데이터만 제거하면 매니페스트만 제거됩니다. 특수 Python API는 확산 없이 검증된 로컬 Watermarker.dll 페이로드를 검사하고 교란할 수 있습니다.

설치 모드

필요 사항설치
메타데이터 검사 및 제거remove-ai-watermarks
사진 AI 대 카메라 분류remove-ai-watermarks[classify]
OpenAI/Google/알 수 없는 소스 내보내기 분류remove-ai-watermarks[source-classify]
가시적 감지 및 제거remove-ai-watermarks[visible]
가시적 비디오 처리remove-ai-watermarks[video]
비디오 SynthID 제거remove-ai-watermarks[video,diffusion]
Torch 없는 DWT-DCT 감지remove-ai-watermarks[detect]
직접 로컬 Paint InvisMark 교란remove-ai-watermarks[pixels]
비가시적 이미지 제거 (CUDA 필요)remove-ai-watermarks[qwen-zimage]
활성 Python에서 사용 가능한 모든 프로덕션 기능remove-ai-watermarks[all]

하위 수준 및 특수 extras에는 pixels, heif, trustmark, migan, lama, diffusion, classify-onnx, source-classify가 포함됩니다. 설치 가이드는 이들의 정확한 의존성 구성, Python 호환성 및 모델 요구 사항을 문서화합니다.

빠른 시작

메타데이터 중심의 기본 CLI를 설치하세요:```bash uv tool install remove-ai-watermarks

이미지 검사:```bash
remove-ai-watermarks identify image.png

픽셀(AI 대 카메라, 선택적 제공자)로 사진을 분류하려면 추가 기능을 설치하고 classify를 호출하세요. identify는 절대 이를 시작하지 않습니다:```bash uv tool install --force "remove-ai-watermarks[classify]" remove-ai-watermarks classify image.png

가이드: [사진 픽셀 분류](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/photo-classify.md).

메타데이터 제거 후 가벼운, 판단을 보류하는 OpenAI/Google/알 수 없는 소스 내보내기 신호를 얻으려면 별도의 Python API를 사용하세요. 이는 SynthID 탐지기가 아닙니다:```python
import remove_ai_watermarks as raiw

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

remove-ai-watermarks[source-classify]를 설치합니다. 가이드: source-pipeline classification.

서명된 출처 증명은 SynthID에 대해 지원되는 경로이며 identify가 이를 읽습니다. 패키지에는 로컬 SynthID 픽셀 탐지기가 없습니다. 주기적 격자 전문가에 대한 연구는 scripts/synthid_runtime/ 및 synthid-detector-research.md에 있습니다.

가시적 워터마크 제거를 위해서는 픽셀 의존성을 설치하십시오:```bash uv tool install --force "remove-ai-watermarks[visible]"

그런 다음 알려진 가시적 마크와 AI 메타데이터를 제거합니다:```bash
remove-ai-watermarks visible image.png -o clean.png

메타데이터를 눈에 띄는 인페인팅이나 디퓨전 없이 제거:```bash remove-ai-watermarks metadata image.png --remove -o clean.png

`-o` 없이 이 명령을 실행하면 소스 파일을 제자리에서 덮어씁니다.

MP4, MOV, M4V, WebM, MKV, AVI 또는 FLV 파일에서 AI 메타데이터를 검사하거나 제거합니다:```bash
remove-ai-watermarks video metadata input.mp4 --check
remove-ai-watermarks video metadata input.mp4 --remove -o clean.mp4

video metadata 명령은 비디오나 오디오 스트림을 트랜스코딩하지 않습니다. 위의 이미지 명령과 달리, -o를 생략하면 <source>_clean을 쓰고 원본을 보존합니다. MP4 및 MOV 검사는 moov.udta.meta.keys/ilst에 있는 네이티브 TC260 AIGC 태그를 포함하며, 미디어 페이로드 뒤에 배치된 moov와 Doubao의 iOS 내보내기가 작성하는 QuickTime 형식의 meta 변형(moov의 직접 자식인 베어 meta 박스, 그리고 키 없는 hdlr=mdir 메타데이터 목록)도 포함합니다. 동일한 메타데이터 목록 구조에 있는 키가 지정된 workflow 및 prompt 항목도 감지되어 제거되며, ComfyUI 내보내기도 포함됩니다. MKV 및 WebM 검사는 규범적인 Segment.Tags.Tag.SimpleTag 배치를 읽습니다. AVI는 LIST/INFO/AIGC를 사용하고, FLV는 script.onMetaData.AIGC를 사용합니다. 비 ISOBMFF 형식은 제거를 위해 스트림 복사로 리먹스됩니다.

파일을 식별하거나 정리하려면 제품 지향 비디오 경로를 사용하십시오:```bash 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`은 존재하는 경우 등록된 안정적 가시 마크를 제거하고 항상 검증된 AI 메타데이터를 제거합니다. 두 신호 모두 발견되지 않으면 동일 컨테이너 패스스루를 기록하므로, 애플리케이션 호출자는 하나의 예측 가능한 출력 계약을 얻게 됩니다. 독점적 비가시 비디오 제거는 기본적으로 제외됩니다. `--invisible`은 손실이 있으며 오라클 인증된 비디오 SynthID 프로파일을 선택합니다.

동일한 계약으로 디렉터리를 처리합니다:```bash
remove-ai-watermarks video batch ./videos --mode all

지원되는 표시되는 비디오 마크를 제거합니다:```bash 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

이 경로는 픽셀을 변경하기 전에 전체 시퀀스를 스캔합니다. 인접 프레임에 걸쳐 안정적인 위치에서 반복되는 마크만 허용한 다음, 이미지 제거와 동일한 OpenCV, MI-GAN 또는 LaMa 채우기 백엔드를 재사용합니다. 오디오는 재인코딩 없이 복사되며 자연스러운 끝까지 도달하도록 허용됩니다. 비디오 스트림은 픽셀이 변경되므로 트랜스코딩됩니다. 기본적으로 가드된 광학 흐름 패스가 이전에 허용된 채우기를 모션 정렬하고 주변 소스 컨텍스트가 일치할 때만 블렌딩합니다. 비활성화하려면 `--no-temporal-consistency`를 사용하십시오.
인코더는 ffmpeg의 암시적 raw-BGR 기본값에 의존하는 대신 지원되는
8비트 소스 크로마 샘플링, 색상 태그 및 MP4/MOV 트랙 타임스케일을 보존합니다. 가변 프레임 간격은 평균 프레임 레이트로 평탄화되는 대신 타임스탬프가 있는 인메모리 NUT 브리지를 통해 보존됩니다. 0이 아닌 소스 시작 타임스탬프는 복사된 오디오 오프셋과 함께 유지됩니다. 기본 `--mark auto`는
한 번의 디코드 패스에서 모든 제공자를 스캔하고 아래에 표시된 특이성 순서에서 첫 번째 안정적인 일치를 선택합니다. 명시적 마크를 전달하여 감지를 하나의 제공자로 제한하십시오.
Sora는 움직이는 Sora 2 마스코트와 워드마크를 포함합니다. Veo는 현재의
4점 다이아몬드와 레거시 `Veo` 텍스트를 모두 포함합니다. Seedance는 고정된 박스형
`AI` 라벨을 포함하고, Dola는 고정된 `Dola AI` 텍스트를 포함하며, Hailuo AI는 복합
`MINIMAX | hailuo AI` 라벨을 포함하고, Kling AI는 버전 접미사가 있는 우측 하단 `KLING AI` 또는
`KlingAI` 라벨을 포함합니다. 완료된 인코딩은 원자적으로 게시됩니다. 안정적인 마크가 발견되지 않으면 출력이 작성되지 않습니다.
HDR, PQ/HLG 및 8비트 초과 입력은 OpenCV의 8비트 BGR 경계를 통해 조용히 축소되는 대신 인코딩 전에 거부됩니다.

보정된 비디오 픽셀 SynthID 제거 프로필을 적용하십시오:```bash
uv tool install --force "remove-ai-watermarks[video,diffusion]"
remove-ai-watermarks video invisible input.mp4 -o clean.mp4

이 경로는 시간에 걸쳐 공유되는 하나의 잠재 노이즈 필드로 전체 시퀀스를 재생성하고, 완전한 오디오를 복사하며, 소스 메타데이터를 제거하고, 완료된 인코딩을 원자적으로 게시합니다. 기본 noise_std=0.15 프로필은 두 개의 캐리어 보정과 완전한 공개 8초 Veo 오라클 검사를 모두 통과했습니다. Google은 로컬 디코더를 공개하지 않으므로, 새 공급자 검사는 특별히 중요한 파일이나 공급자 변경 후에 여전히 유용하지만, 제품 결과 상태는 아닙니다. 따라서 CLI는 파일별 SynthID 판정을 주장하는 대신 비디오 픽셀 재생성을 설명하며, 복사된 오디오 워터마크를 UNVERIFIED로 보고합니다.

CLI 또는 고수준 API를 통한 보이지 않는 워터마크 제거를 위해서는 qwen-zimage 추가 기능을 설치하십시오. NVIDIA GPU가 필요합니다: 모든 확산 프로필은 CUDA 전용이며, CPU 또는 MPS 폴백이 없습니다. 특수 로컬 Paint API는 CUDA 없이 pixels 추가 기능을 사용합니다.```bash uv tool install --force "remove-ai-watermarks[qwen-zimage]" remove-ai-watermarks invisible image.png -o clean.png

로컬 탐지기가 보이지 않는 워터마크를 확인할 수 없지만 이미지가 AI 생성기에서 나온 것임을 알고 있다면 `--force`를 추가하세요:```bash
remove-ai-watermarks invisible image.png -o clean.png --force

타이포그래피 중심 이미지는 실험적인 검증된 텍스트 후처리(post-pass)를 선택적으로 적용할 수 있습니다. 이 기능은 수동으로 검토된 문자열과 라인 박스 또는 운영자가 검증한 기하 구조 전용 매니페스트를 받아들이며, 원시 OCR 출력을 절대 정답으로 취급하지 않고 자동으로 실행되지도 않습니다:```bash uv tool install --force "remove-ai-watermarks[text-restoration]" remove-ai-watermarks invisible image.png -o clean.png
--text-manifest verified-lines.json --force

매니페스트 스키마, 호환성 제한 사항, 오라클 주의 사항은 [CLI 가이드](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/cli.md#restore-operator-verified-text)를 참조하세요.

Homebrew, uv, 선택적 기능, 개발 설정은 [설치 가이드](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/installation.md)를 참조하세요.

## 예제

### 눈에 보이는 Gemini 마크

| Before | After |
| --- | --- |
| ![눈에 보이는 Gemini 워터마크가 있는 이미지](https://assets.kitploit.com/production/public/readmes/7369/4f6643f46057e4a4ec503f5bf0daf7243768915090f2d7fc5ac183c2d928c5ca.png) | ![눈에 보이는 워터마크 제거 후 이미지](https://assets.kitploit.com/production/public/readmes/7369/45193ef965a27342b183a1834b01ef812f653da2ec356a81fce1aed79f1ef814.png) |

`after` 래스터는 추적된 `before` 래스터로부터 공개 경로를 통해 생성됩니다:```bash
uv run remove-ai-watermarks visible demo_banana_before.png \
  --backend cv2 -o demo_banana_after.png

고품질 비가시적 제거

qwen-zimage는 기본 프로필입니다: Canny ControlNet 아래에서 Qwen-Image-2512 Lightning 패스를 수행한 뒤, 감지된 얼굴에 대해 SAM 마스크 기반 Z-Image 복구를 수행합니다. 대안인 sdxl-zimage는 전역 단계를 SDXL로 교체하고 동일한 얼굴 단계를 유지합니다. 세 번째 프로필인 chroma-zimage는 Apache-2.0 Chroma1 전역 패스를 자체적인 플랫 벤더 하한과 함께 사용합니다. 보정에 대해서는 docs/chroma1-engine-research.md를 참조하십시오. --pipeline auto는 Google에는 sdxl-zimage를, Microsoft에는 chroma-zimage를, 그 외에는 qwen-zimage를 선택합니다. 모두 CUDA 전용입니다.```bash uv tool install --force "remove-ai-watermarks[qwen-zimage]" remove-ai-watermarks invisible image.png -o clean.png --force

| OpenAI 예시 이전 | OpenAI 예시 이후 |
| --- | --- |
| [![OpenAI portrait grid before qwen-zimage](https://assets.kitploit.com/production/public/readmes/7369/28ff8732b037f98a4ef5bc277bbcdaa32e5eb9ccbd00b6c8c616e46ef68ae8a0.png)](data/synthid/originals/ChatGPT%20Image%20May%2030,%202026,%2010_31_08%20AM.png) | [![OpenAI portrait grid after qwen-zimage](https://assets.kitploit.com/production/public/readmes/7369/8066deab6162ef4fba352ffb475a119bfe94f097a4f5531e0fe141cbb8e089b5.png)](docs/images/qwen-zimage/ChatGPT/ChatGPT%20Image%20May%2030,%202026,%2010_31_08%20AM_full_clean.png) |

| Gemini 예시 이전 | Gemini 예시 이후 |
| --- | --- |
| [![Gemini sign before qwen-zimage](https://assets.kitploit.com/production/public/readmes/7369/4affd7f27767a445db6abf741355743ba8d95108ad922c9fff045feed8492236.png)](data/synthid/originals/Gemini_Generated_Image_633uuy633uuy633u.png) | [![Gemini sign after qwen-zimage](https://assets.kitploit.com/production/public/readmes/7369/42858417874f6cd8bc7c9bdb39f6bde8aa32310a3e219e7ee2dff23a4742c7b1.png)](docs/images/qwen-zimage/Gemini/Gemini_Generated_Image_633uuy633uuy633u_full_clean.png) |

이 정확한 출력 파일들은 일치하는 제공자 검증기로 확인되었습니다. 이
결과는 이 파일들에 적용되는 것이지, 모든 시드, 이미지 또는 향후 워터마크
버전에 적용되는 것은 아닙니다.

## 일반적인 레시피

### 감지된 모든 가시적 마크 제거```bash
remove-ai-watermarks visible image.png -o clean.png

기본 --mark auto는 등록된 모든 가시 마크를 확인하고 일치하는 항목을 모두 제거합니다. 마크가 사용자에게는 보이지만 탐지기가 놓치는 경우, 해당 영역을 명시적으로 선택하십시오:```bash remove-ai-watermarks erase image.png
--region 1640,1930,400,100
-o clean.png

`--region`은 `x,y,width,height`를 사용하며 반복될 수 있습니다.

### 학습된 채우기 백엔드 사용

`visible` 추가 기능은 학습된 백엔드가 설치되어 있지 않을 때 OpenCV 인페인팅을 사용합니다.
더 어려운 배경의 경우, 학습된 백엔드 추가 기능은 동일한
픽셀 의존성을 자동으로 포함합니다:```bash
uv tool install --force "remove-ai-watermarks[migan]"
remove-ai-watermarks visible image.png -o clean.png --backend migan

감사 및 참고 자료

이 프로젝트는 다음의 훌륭한 오픈 소스 프로젝트 없이는 불가능했을 것입니다:

### CUDA 메모리 사용량 줄이기```bash
remove-ai-watermarks invisible image.png -o clean.png \
  --cpu-offload --force

CPU 오프로드는 모델 구성 요소를 CPU와 GPU 사이에서 이동시켜 CUDA 메모리 부담을 줄이지만, 속도를 희생합니다.

디렉터리 처리```bash

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

## 도구가 인식할 수 있는 것

가시적 마크 지원에는 다음이 포함됩니다:

- Google Gemini 및 Nano Banana의 가시적 스파클 워터마크;
- Doubao, Jimeng 워드마크 및 좌측 상단 `AI生成` 알약, Qwen, Kling AI,
  Yuanbao, Baidu, LiblibAI의 하단 중앙 워드마크 및 컴팩트한 좌측 상단 알약,
  그리고 RunningHub 라벨;
- 보정된 Microsoft 우측 상단 흰색 AI 배지 변형 하나;
- 보정된 Samsung Galaxy AI 라벨 변형 하나.

메타데이터 및 출처 검사는 C2PA, EXIF, XMP, IPTC, 이미지 및 비디오 컨테이너의
일반적인 생성기 매개변수, 중국 TC260 AIGC 라벨,
그리고 여러 벤더별 신호를 다룹니다. 선택적 디코더는 개방형
DWT-DCT 워터마크와 Adobe TrustMark에 대한 지원을 추가합니다.

중요한 로케일 및 탐지기 제한을 포함한 정확한 지원 매트릭스는
[지원 신호](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/supported-signals.md)에 있습니다.
[합성 예제 갤러리](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/data/fixtures/visible/README.md)는 등록된 모든 이미지 및 비디오 마크에 대한
하나의 표준 샘플을 제공합니다.

## 작동 방식

가시적 제거는 세 단계를 따릅니다:

1. 예상 영역에서 등록된 마크를 탐지합니다.
2. 마크 주위에 마스크를 생성합니다.
3. OpenCV, MI-GAN 또는 LaMa로 마스크된 영역만 채웁니다.

메타데이터 제거는 형식 인식 스트리핑을 사용합니다. JPEG 메타데이터 제거는
인코딩된 이미지 스캔을 재압축하지 않고 보존합니다. 네이티브 MP4/MOV TC260 값
및 키가 지정된 생성 매개변수는 박스 크기나
미디어 오프셋을 변경하지 않고 비워집니다. 기타 지원되는 컨테이너는 해당 메타데이터
경로를 사용합니다.

CLI 및 고수준 API를 통한 비가시적 제거는 확산 파이프라인을 통해
이미지를 재생성합니다. 특수 호출자는 대신 긍정적으로 식별된 로컬 Microsoft Paint 형식을
훨씬 작은 픽셀 변경으로 디코딩하고 방해할 수 있습니다.
어느 경로도 모든 독점 검증기가 모든 출력을 거부할 것이라고 보장할 수 없습니다.

전체 기술적 경계는 [지원 신호](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/supported-signals.md) 및
[알려진 제한 사항](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/known-limitations.md)을 참조하세요.

## Python API

가시적 제거 API는 `remove-ai-watermarks[visible]`을 필요로 합니다.```python
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")

고수준 API는 파일 경로 또는 BGR NumPy 배열을 받습니다. 경로 입력의 경우 출처 메타데이터도 읽고, 알파를 보존하며, 기록된 결과에서 AI 메타데이터를 제거할 수 있습니다.

가시적 제거, 전체 remove_all 및 remove_batch 파이프라인, 출처 검사, 메타데이터 제거, 그리고 diffusion 사용법은 Python API 가이드를 참조하세요.

에이전트 스킬

코딩 에이전트는 게시된 스킬을 설치하고 이 CLI를 구동할 수 있습니다:```bash npx skills add wiltodelta/remove-ai-watermarks

Claude Code는 이 저장소를 플러그인 마켓플레이스로 추가할 수 있습니다:```text
/plugin marketplace add wiltodelta/remove-ai-watermarks
/plugin install remove-ai-watermarks@remove-ai-watermarks

이 스킬은 스톡 에이전시 및 기타 제3자 유료 자산 마크를 거부합니다. 에이전트 스킬 가이드를 참조하세요.

ComfyUI

별도의 ComfyUI Remove AI Watermarks 패키지는 가시적 제거, 감지, 영역 지우기, 비가시적 제거를 위한 노드를 제공합니다.

중요한 제한 사항

  • 로컬 신호가 없다는 것은 깨끗함이 아니라 알 수 없음을 의미합니다. 메타데이터가 제거된 후에도 독점 픽셀 워터마크가 남아 있을 수 있습니다.
  • 가시적 제거는 작은 영역을 재구성합니다. 결과는 배경과 선택한 채우기 백엔드에 따라 달라집니다.
  • 비가시적 제거는 전체 이미지를 변경하며 얼굴, 텍스트 또는 미세한 디테일을 변경할 수 있습니다.
  • 가시적 비디오 제거는 움직이는 Sora 2 워드마크, 현재 Veo 다이아몬드와 레거시 Veo 텍스트, Seedance 박스형 AI 라벨, 그리고 고정된 Doubao, Dola, Hailuo AI, Kling AI 라벨을 인식합니다. 이전 Sora Turbo 코너 소용돌이나 해당 제공업체의 미등록 레이아웃은 인식하지 않습니다. 고전적인 OpenCV 백엔드는 구조화된 배경을 번지게 할 수 있습니다. 복구 품질이 중요할 때는 MI-GAN 또는 LaMa를 사용하세요.
  • Video SynthID 재생성은 해상도, 프레임 레이트, 이미지 디테일을 변경합니다. 제공된 프로필은 오라클 인증을 받았지만, 런타임에 임의의 출력을 인증할 수 있는 공개 로컬 디코더는 없습니다. 제공업체 변경 후에는 특히 중요한 출력을 다시 확인하세요.
  • CLI 및 고수준 API를 통한 비가시적 워터마크 제거에는 CUDA가 필요합니다. 모든 디퓨전 프로필은 실행할 수 없는 장치로 폴백하는 대신 구성 시 다른 장치를 거부합니다. 특수 로컬 Paint API, 가시적 제거, 메타데이터 제거 및 identify는 CUDA 없이 실행됩니다.
  • 제공업체의 워터마크 시스템은 변경될 수 있습니다. 제공업체의 자체 검증기가 있는 경우 중요한 출력을 검증하세요.

제공된 video invisible 명령은 인증된 noise_std=0.15 프로필을 사용합니다. 동반 스크립트 scripts/video_synthid_sweep.py 연구 하네스는 일치하는 재인코딩 대조군과 VAE 재생성 후보를 생성하고 검증기 판정을 비워 둡니다:```bash uv run --extra video --extra diffusion python scripts/video_synthid_sweep.py input.mp4 -o sweep/

출력이 실제로 얼마나 비용이 드는지 평가하려면 `scripts/video_fidelity_probe.py`를 사용하세요:
엔진 자체의 PSNR은 입력 리사이즈 후, 최종 인코딩 전에 측정되므로, 프로브만이 실제로 전달된 화면을 볼 수 있습니다.```bash
uv run --extra video python scripts/video_fidelity_probe.py input.mp4 input_clean.mp4

컨트롤은 음성 후보가 제거 증거로 간주되기 전에 여전히 SynthID 양성이어야 합니다. 2026-07-29 두 클립 교정에서 두 개의 일치하는 컨트롤은 Gemini의 내장 SynthID 검증기에서 양성이었습니다. 더 강한 후보는 두 캐리어 모두에서 음성이었고, 더 약한 후보는 하나에서 음성이었습니다. 일반 Gemini에게 픽셀 결과를 재해석하도록 요청한 이후의 적대적 후속 조사는 UNAVAILABLE을 반환했습니다. 그 후속 조사는 검증기 재실행이 아니었으며 내장 판정을 무효화하지 않습니다. 공개된 8초 Veo 샘플에 대한 2026-07-31 전체 클립 검사에서는 0.10이 여전히 탐지되고 0.15는 탐지되지 않는 것으로 나타났으므로, 이제 0.15가 인증된 기본값입니다. 해당 전체 클립 검사에 대한 재현 가능한 해시와 판정(하나의 캐리어, 두 개의 행)은 data/evaluations/video-synthid-oracle.csv에 있습니다. 이전의 두 클립 교정은 서술에 불과합니다. 그 판정은 추적되는 매니페스트에 기록되지 않았으므로, 인증된 기본값은 2026-07-31 행에 근거한 것으로 간주하십시오.

문서

문서 색인부터 시작하십시오.

연구 노트와 과거 실험은 문서 색인에 별도로 나열되어 있습니다. 이들은 과거의 결정을 설명하지만 현재의 공개 API를 정의하지는 않습니다.

기여

개발 환경을 설치하고 프로젝트 게이트를 실행하십시오:```bash uv sync --frozen --extra dev bash maintain.sh

문서화된 불변성이 있는 하위 시스템을 변경하기 전에 [모듈 내부 구조](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/docs/module-internals.md)를 참조하세요.

## 라이선스

[Apache 2.0](https://github.com/wiltodelta/remove-ai-watermarks/blob/main/LICENSE). Copyright 2025-2026 wiltodelta.
더 읽기

카테고리

General Purpose UtilitiesOSINT (Open Source Intelligence)ForensicsSteganographyData RecoveryDigital ForensicsCryptographyPrivacyLearning & Education