4090 · 视频超分文字保真结果 2026-10-22

4090 视频超分 · 文字保真
实测汇总（第二版）

测试时间 2026-10-22 平台 单卡 RTX 4090 48G（8 卡） 素材 CTVid temporal 94 条（480×270→1080p）＋ H3 生成视频 3 设置 × 40 条 对比方案 14 个超分/放大方法 ＋ 加速链路 5 步 ＋ 公开文字 LoRA 检索
定位：内部实测汇总。CTVid 部分沿用 week1 评测 v2（已审核修正）的口径，数字未重算； 加速、公开文字 LoRA 检索、H3 生成视频矩阵是本轮新增。H3 那一节的 OCR 评分是本轮现跑的（10-22 14:13 起）。 素材与原始文件位置见附录。本文只摆结果和口径，取舍留给读的人。
✓
关键结论 · 先读这一段
在 4090 上，把 官方 3B 换成社区实现 + 本项目加速：1080p 文字 Acc 0.791、画质 PSNR 29.31、每秒 ¥0.044； 加速链路已到 7.0×（705.5 → 101.4 s，末步逐位一致），但默认仍按 159.1 s 记账，94 条 A/B 待补。
结论的落点（质量 × 成本）：只有 numz 版同时把 Acc 显著优于官方 3B（+0.044）和成本压到约 1/5；廉价路（FlashVSR+ Turbo）文字明显低于 bicubic，不建议进有字路。
质量最好 · 成本最低
0.791Acc
numz 版 3B（wavelet），GT 上限 0.832；相对官方 3B 的 ΔAcc +0.044 [+0.016, +0.076] ▲。第二节
成本与质量的均衡点
¥0.044/秒
Acc 0.791 与官方 7B（0.792 / ¥0.229/秒）同档，成本约 1/5；再加速后 ¥0.028/秒。便宜的（FlashVSR ¥0.006/秒）文字只有 0.549。二、六节
单条耗时（加速后）
101.4s
官方 3B 705.5 s → 累计 7.0×；最后一步 torch.equal 逐位一致（单条单次，未做 94 条 A/B）。第七节
公开文字 LoRA
0个可用
6,131 + 45 + 9 个仓库扫描，无文字专用；能加载的 2 个是 AGPL-3.0 且指标更差。第八节
H3 生成视频
3设置 × 7 模型
820 个产物全部跑完；文字 8 个指标 + 画质/内容改写量；各指标排序互相矛盾（Acc 与 Det 反向）。第五节
算子到顶了吗
91% of peak
三个主 decode conv 已到实测峰值的 71–91%（ncu 计数器），kernel 层面没有空间；搬运瓶颈是次数不是带宽。7.3 / 7.4
一

一、测试口径

这一节是后面所有表的共同口径，每张表都能单独读。

01 / 10

1.1 命名与版本对照（"numz" 是社区实现的仓库名，不是版本号）

报告里的名字是什么实现与本项目改动单条耗时94 条已评
官方 3B / 7BSeedVR2 原仓库的推理，经 E1 wrapper 调用原仓库；45 帧一段、重叠 1 帧；输出 h264 ≈18 Mbps705.5 / 823.8 s是
E1 无损 / E1 colorfix官方 3B 输出的无损复现路径（colorfix 多一步色彩校正）我们的 wrapper；94/94 条 mp4 与官方 3B 逐字节相同192.6 / 192.2 s是（3B）
numz 3B · wave
＝ 默认方案，下面简称 numz_wavelet		社区 ComfyUI 实现 github.com/numz/ComfyUI-SeedVR2_VideoUpscaler（NumZ 团队 + AInVFX 维护，基于 ByteDance SeedVR2）+ 本项目加速第 1–3 步batch 121 整段窗口 / overlap 4、DiT+VAE fp16 并 offload 到 CPU、DiT+VAE cache、模型常驻；--color_correction wavelet；输出 mpeg4 ≈35 Mbps159.1 s是
numz 3B · lab
＝ 备选，下面简称 numz_lab		同上，--color_correction lab同上，只换色彩校正158.2 s是
numz 3B · wave + 全加速
＝ 第七节的 101.4 s 配置		在 numz_wavelet 之上再加加速第 4、5 步layout/copy 优化、GN 融合、warm cache；输出逐位一致（torch.equal + mp4 md5）101.4 s否（只跑了 1 条）

两者不是一回事："numz" = 社区实现（带来整段窗口、fp16+offload、cache 等工程特性，159 s vs 官方 705 s）；"默认方案" = 这套社区实现 + wavelet 色彩校正 = numz_wavelet。官方 3B/7B 是另一条线，与它不是 bit-exact 关系（实现、窗口、编码、色彩校正四项都不同），这四项的贡献尚未逐项归因。

1.2 加速改动清单：加了什么、在报告哪张表里

步骤改了什么单条耗时输出是否逐位一致在报告里的位置
① 官方基线SeedVR2 原仓库，45 帧分段705.5 s—主表「官方 3B」行
② E1 无损封装统一 dtype / 去掉多余拷贝 / 帧对齐192.6 s是（94/94 条逐帧一致）主表「E1 无损」行
③ numz 管线（b121 + fp16 + cache + 常驻 + wavelet 校正）社区实现 + 本项目第 1–3 步加速159.1 s否（与官方实现不同）主表「numz …（wavelet）」行 ← 默认方案
④ layout / copy 优化减少张量搬运与内存重排112.1 s否（未逐条验证）第七节瀑布图
⑤ GN 融合 + warm cache归一化统计融合、缓存复用101.4 s是（torch.equal=True，mp4 md5 一致）第七节瀑布图；散点里的「numz 加速」外推点（¥0.028/秒）

为什么主表里只有第 ③ 步：第 ④、⑤ 步只改耗时、不改输出，但 94 条还没重跑，所以主表与分语种表用的都是第 ③ 步（159.1 s）的结果；散点图里那个 ¥0.028/秒 的「numz 加速」点是用 101.4 s × 单条外推的，不是实测。补完 94 条 A/B 之后，两者的数字会统一。

1.3 素材

素材来源规格样本量用途
CTVid-Bench temporalClearText-Video（arXiv 2608.28784）480×270 → 1080p，4 s / 120 帧 / 30fps，逐帧文字标注94 条（中文 29 / 拉丁 48 / 混排 17）主表、分语种、案例墙
H3 原生 480p 英文片MiniMax-H3 生成（vtr_bench/minimax-h3_low_short，Apache-2.0）832×480 → 1872×1080（×2.25），121 帧 / 24fps40 条H3 矩阵 N480
H3 原生 768p 英文片MiniMax-H3 生成（vtr_bench/minimax-h3_high_short）1344×768 → 1890×1080（×1.406），121 帧 / 24fps40 条H3 矩阵 N768
H3 768p 降采样片（有像素 GT）同上 + H3 自生成中文集（H3-Self-Generated）GT 1344×768；LR = 降采样 832×480 + H.264 crf23；回超到 1344×768，124 帧40 条（中 24 / 日 4 / 英 12）H3 矩阵 S768（唯一有像素 GT）

口径：CTVid 用官方逐帧标注做文字 GT；H3 没有逐帧标注，用 prompt 原文当标签（见 5.1）。两边的 GT 构造方式不同，数字不能跨素材直接比。

1.4 评测协议

层指标口径
全参考画质PSNR(RGB) / SSIM(Y, gaussian) / LPIPS(alex) / DISTS输出与 GT 原片逐帧比；CTVid 评测域 = GT 第 28–1052 行 × 第 0–116 帧，每 8 帧取一帧；S768 = 1344×768 全帧，每 8 帧
文本保真Acc / NED / CER / Det F1 / 漏读率 / 高置信错读率 / 严重错读率 / 翻转率PaddleOCR 3.3 + PP-OCRv5（CPU），每 4 帧采样；Acc = 归一化后完全相等；NED = 1 − 归一化编辑距离；CER = 字符错误率；翻转率 = 同一框相邻采样帧读数不同
内容改写LPIPS / DISTS（输出 vs 原生输入）不是画质分，是"模型把画面改了多少"的代理：纯插值回环应接近 0，生成式模型会凭空造像素
效率单条墙钟 / 单条成本 / 峰值显存单卡 4090；成本 = 墙钟 × ¥4/卡时；同时给均值与 p10（p10 近似无争用耗时）

没有做的层：FVD（需要 ≥2048 段视频，40 条不成立）、VBench 16 维（针对生成模型本身，不针对超分）、无参考画质（NIQE / MUSIQ / CLIPIQA，本机未装 pyiqa）、VLM 下游问答（week1 跑过 Qwen2.5-VL-3B，本轮未复跑）。

1.5 噪声底与 GT 上限

项数值来源
GT 原片自身的 Acc（94 条）0.832 [0.766, 0.891]OCR 在 1080p 原片上的上限，不是 1.0；分语种 中文 0.885 / 拉丁 0.831 / 混排 0.747
编码噪声底ΔAcc −0.015 [−0.030, −0.001]同一 bicubic 只换编码（yuv420p → 无损），像素几乎无差
判定规则|ΔAcc| < 0.02 不作结论本文所有 ▲/▼ 都按 95% bootstrap 区间是否跨 0 判定
置信区间按视频 bootstrap（主表 2000 次，配对差值 10000 次）先按视频求差再重抽样
火星文率GT 自身 0.029高置信（≥0.8）却读错（NED<0.5）的实例比例；GT 这一项主要来自标注/OCR 噪声
二

二、总体结果：94 条全量主表

14 个方法 × 11 个指标，94 条 CTVid。区间是按视频 bootstrap 的 95% CI。数值越小越好的指标已在表头标 ↑/↓。

02 / 10
方法Acc ↑NED ↑翻转率 ↓Acc_rd ↑火星文率 ↓ PSNR ↑SSIM ↑LPIPS ↓DISTS ↓ 耗时 s
均值 / p10		 成本 ¥
均值 / p10
GT 原片（上限）0.8320.9580.109————————
numz 3B（lab）0.7940.9440.1530.8190.25%29.260.8900.1090.060158.2 / 152.40.176 / 0.169
官方 7B0.7920.9450.1590.8170.17%28.280.8830.1260.062823.8 / 755.00.915 / 0.839
★ numz 3B（wavelet）0.7910.9450.1610.8160.36%29.310.8890.1070.058159.1 / 151.10.177 / 0.168
E1 colorfix0.7530.9350.2000.7770.52%26.980.8560.1350.066192.2 / 182.30.214 / 0.203
官方 3B0.7470.9340.2010.7700.41%27.490.8650.1360.066705.5 / 699.00.784 / 0.777
E1 无损（= 官方 3B 逐位）0.7470.9340.2010.7700.41%27.490.8650.1360.066192.6 / 180.00.214 / 0.200
bicubic（无损）0.6690.9080.3240.6910.67%27.870.8660.2810.152CPU≈0
MediaKit（云端）0.6560.8980.3320.6770.61%27.480.8680.1920.118云端 ≈150 s0.10*
FastVR0.6040.8870.3800.6240.22%26.180.8230.1830.10040.4 / 33.20.045 / 0.037
FlashVSR+ Turbo0.5810.8710.3980.5990.34%26.110.8220.1600.08637.6 / 31.30.042 / 0.035
FlashVSR+ Base0.5600.8630.4270.5780.38%24.850.8010.1710.09349.2 / 43.10.055 / 0.048
FlashVSR0.5490.8530.4420.5620.56%25.150.7910.1790.09420.0 / 19.10.022 / 0.021
ReCaVSR0.5240.8420.4310.5420.59%26.590.8300.1500.07858.3 / 44.70.065 / 0.050

列定义：Acc_rd = 只统计 GT 原片能读出的实例；火星文率 = 高置信却读错的实例比例（GT 可读子集）；翻转率 = 同一 GT 框相邻采样帧读数不同的比例。
耗时口径：官方 3B / 7B 与 FastVR 每条单独起进程，耗时含模型加载（官方 3B 纯推理约 672.6 s）；numz / E1 / FlashVSR+ 模型常驻，加载摊到每条 ≤ 0.72 s；ReCaVSR 的耗时按输出文件修改时间差估算。MediaKit 是云端 API，成本按 ¥0.10/条 API 价，未核实，不进入成本比较。
数据来源：week1 评测 v2（审核修正版），bicubic 换成无损版、耗时给 p10、火星文率改用 GT 可读子集。

A文字：numz 两个配置与官方 7B 同档（0.791 / 0.794 / 0.792），比官方 3B 高 0.044–0.047（显著）；所有廉价模型都显著低于 bicubic。
B画质：numz_wavelet 的 PSNR 29.31、LPIPS 0.107、DISTS 0.058 是 14 个方法里最好的，比官方 3B 高 1.82 dB。
C成本：numz ¥0.044/秒 是官方 3B 的 0.23×、官方 7B 的 0.19×；最便宜的 FlashVSR ¥0.006/秒 的 Acc 只有 0.549。★ 标记的是默认方案（加速到第 ③ 步，159.1 s）。
三

三、分项结果：显著性与分语种

3.1 把"差多少"和"这个差算不算数"分开；3.2 把 94 条按语种切开。

03 / 10

3.1 相对官方 3B 的配对差值（94 条）

方法ΔAccΔAcc_rdΔ翻转率ΔPSNRΔLPIPSΔ成本 ¥（p10）
numz 3B（lab）+0.047 [+0.018, +0.079] ▲+0.050 [+0.021, +0.082] ▲−0.048 ▲+1.78 [+1.69, +1.87] ▲−0.028 ▲−0.608
★ numz 3B（wavelet）+0.044 [+0.016, +0.076] ▲+0.046 [+0.018, +0.078] ▲−0.040 ▲+1.82 [+1.74, +1.92] ▲−0.029 ▲−0.609
官方 7B+0.045 [+0.023, +0.070] ▲+0.047 [+0.025, +0.071] ▲−0.042 ▲+0.80 [+0.71, +0.88] ▲−0.010 ▲+0.062
E1 无损0 [0, 0]0000−0.577
E1 colorfix+0.006 [−0.004, +0.015]—−0.002−0.50 [−0.58, −0.43] ▼−0.002 ▲−0.574
bicubic（无损）−0.078 [−0.123, −0.033] ▼—+0.123 ▼+0.39 [+0.13, +0.66] ▲+0.144 ▼—
MediaKit−0.091 [−0.142, −0.041] ▼—+0.131 ▼−0.01 [−0.29, +0.27]+0.055 ▼—
FastVR−0.144 ▼—+0.179 ▼−1.30 ▼+0.046 ▼−0.740
FlashVSR+ Turbo−0.167 [−0.230, −0.107] ▼−0.171 ▼+0.197 ▼−1.38 ▼+0.023 ▼−0.742
FlashVSR+ Base−0.187 ▼—+0.225 ▼−2.63 ▼+0.035 ▼−0.729
FlashVSR−0.198 ▼—+0.241 ▼−2.33 ▼+0.042 ▼−0.756
ReCaVSR−0.223 ▼—+0.230 ▼−0.89 ▼+0.013 ▼−0.727

口径：先按视频求差，再对差值重抽样 10,000 次；▲ 区间不跨 0，▼ 同。成本差按 p10 算。

A相对官方 3B，只有 numz 与官方 7B 是显著更好的（ΔAcc +0.044 / +0.045），其余 10 个方法全部显著更差。
Bnumz 与 7B 之间打平（+0.002 [−0.018, +0.023]），但 numz 的 PSNR 高 0.98 dB、成本约 1/5。
C相对 bicubic，MediaKit 没有显著优势（−0.014 [−0.038, +0.010]），且 PSNR 低 0.40 dB。

其他关键配对

对比ΔAccΔPSNR
numz_lab − 官方 7B+0.002 [−0.018, +0.023]（Acc_rd +0.003 [−0.017, +0.024]）+0.98 [+0.87, +1.09] ▲
numz_wavelet − 官方 7B−0.001 [−0.020, +0.018]+1.03 [+0.92, +1.14] ▲
numz_lab − numz_wavelet+0.003 [−0.006, +0.013]−0.046 [−0.077, −0.023] ▼
MediaKit − bicubic（无损）−0.014 [−0.038, +0.010]−0.40 [−0.49, −0.32] ▼
FastVR − bicubic（无损）−0.066 [−0.109, −0.025] ▼−1.69 ▼
FlashVSR − bicubic（无损）−0.121 [−0.170, −0.073] ▼−2.72 ▼
ReCaVSR − bicubic（无损）−0.145 [−0.204, −0.087] ▼−1.28 ▼
MediaKit − FastVR+0.052 [+0.012, +0.096] ▲+1.29 ▲

3.2 分语种（Acc，94 条）

方法中文（n=29）拉丁（n=48）中英混排（n=17）全量（n=94）混排与 GT 的差
GT 原片（上限）0.8850.8310.7470.832—
numz 3B（lab）0.8530.8200.6220.794−0.125
★ numz 3B（wavelet）0.8620.8100.6160.791−0.131
官方 7B0.8790.8170.5730.792−0.174
官方 3B0.8240.7880.5000.747−0.247
E1 无损（= 官方 3B）0.8240.7880.5000.747−0.247
MediaKit0.7650.7100.3180.656−0.429
FlashVSR+ Turbo0.7350.5700.3470.581−0.400
FastVR0.7540.6120.3220.604−0.425
FlashVSR0.7380.5230.2980.549−0.449
ReCaVSR0.6800.5270.2510.524−0.496

口径：同 94 条按标注语种切分，每格是该子集的 Acc 均值。分语种未做配对显著性检验：混排只有 17 条，单语种差异的区间很宽，表中数字只作方向参考。bicubic 一行在审核中换成了无损版（全量 0.669），分语种行仍是审核前的有损版（0.790 / 0.735 / 0.357），两者不可直接对齐。

A混排是最弱的一档：GT 自身只有 0.747，官方 3B 0.500、numz 0.616–0.622、MediaKit 0.318。
B拉丁上 numz 贴住 GT（0.810 / 0.820 vs 0.831），官方 3B 差 0.043。
C中文上官方 7B 略高（0.879 vs 0.862），但这属小样本噪声，不能反过来否定 numz 的整体优势。
八

四、典型场景：16 个案例 + 对比视频

4.1 逐案例对比图；4.2 同一段视频按方法分格。前 10 个案例来自 CTVid 实拍，后 6 个来自 AIGC / H3 生成。

04 / 10

4.1 逐案例对比图

16 / 16

图怎么做的：每个 case 的目标文字框是人工标注的 union box，按每个方法自己的几何（输出尺寸、上下裁切偏移）分别映射，再最近邻放大到同一尺寸、同一缩放系数拼接，方法名直接烧在图上；没有任何锐化、插值美化或对比度调整。卡片里的指标是该 case 自己的框内结果（展开可看逐模型数值），不是 94 条均值。静帧只在标注帧附近有效，个别 case 的招牌在片中有位移。

4.2 同一段视频，按方法分格

原生 <video>，无自动播放。每格方法名下的单价为 ¥/秒（素材 4 秒/条），按从左到右、从上到下阅读。

C0011 · 机场登机口「↓363-378 登机口 Gates」

canvas f30–f116 · 30fps · 1080p
GT 原片上限
NED 0.988 · Acc 0.900
Bicubic¥0
NED 0.590 · Acc 0.000
官方 3B¥0.195
NED 0.895 · Acc 0.233
官方 7B¥0.23
NED 0.937 · Acc 0.367
numz wavelet¥0.045
NED 0.974 · Acc 0.867
numz lab¥0.045
NED 0.974 · Acc 0.900
FlashVSR¥0.005
NED 0.529 · Acc 0.000
MediaKit¥0.025*
NED 0.586 · Acc 0.000

C0135 · 「UP TO 75% OFF MARKDOWNS」

canvas f20–f115 · 30fps · 1080p
GT 原片上限
该帧 GT 自己也读不出
Bicubic¥0
Acc 0.433
MediaKit¥0.025*
保真型放大
官方 3B¥0.195
生成式重建
官方 7B¥0.23
生成式重建
numz wavelet¥0.045
Acc 低于 bicubic
FVP Turbo¥0.01
廉价路
FlashVSR¥0.005
最便宜

AIGC · H3 生成片「复核状态与批准所需具体条件」

pilot B4 · 24fps · 4× 上采样
Bicubic¥0
部分可读
FVP Turbo¥0.01
出现造字
numz 3B¥0.045
能读全整行
七

五、H3 生成视频上的超分

5.1 三个设置与 GT 构造；5.2 文字侧多指标；5.3 画质与内容改写；5.4 指标之间的不一致；5.5 样例。

05 / 10

5.1 三个设置与伪 GT 构造

设置输入输出文字 GT像素 GT条数 / 语言
N480H3 原生 480p（832×480）1872×1080（×2.25）prompt 原文 + 原生输入 OCR 过滤无40 · 英文
N768H3 原生 768p（1344×768）1890×1080（×1.406）同上无40 · 英文
S768降采样 832×480 + H.264 crf231344×768（×1.615）同上有（H3 原生 768p）40 · 中 24 / 日 4 / 英 12

命名：表里的 numz 版 3B 指 1.1 里的社区 ComfyUI 实现 + 本项目加速改动；官方 3B 指 SeedVR2 原仓库。

伪 GT 构造：标签用 H3 生成时的 prompt 原文；再对原生输入做 OCR，只保留本来就能读出来的目标串（NED ≥ 0.7），把"生成时就已糊掉的字"排除在评测之外。因此这里量的是"放大有没有把本来可读的字弄坏"，不是 H3 的文字能力。伪 GT 的框随方法输出尺寸等比缩放。

5.2 文字侧多指标

方法N480 · 480p→1080（英文，无像素 GT）
Acc↑ / NED↑ / CER↓ / Det↑ / 漏读↓ / 高置信错↓ / 严重错↓ / 翻转率↓		N768 · 768p→1080（英文，无像素 GT）
Acc↑ / NED↑ / CER↓ / Det↑ / 漏读↓ / 高置信错↓ / 严重错↓ / 翻转率↓		S768 · 480p→768p（有像素 GT，中/日/英）
Acc↑ / NED↑ / CER↓ / Det↑ / 漏读↓ / 高置信错↓ / 严重错↓ / 翻转率↓		备注
H3 原生输入（未放大）0.2020.8180.1820.9940.0060.0330.00.660.2660.8590.1411.00.00.0150.0020.5650.570.8380.1620.9710.0290.0290.0260.372
GT 原片——0.580.8890.1111.00.00.0180.0010.382
Bicubic0.1740.790.210.990.010.0150.0320.7160.2710.8390.1610.9960.0040.0190.0010.5710.5480.8510.1490.9690.0310.020.0040.405
FastVR0.1270.7620.2380.9850.0150.0380.010.7560.2480.8140.1860.9960.0040.0150.0030.6160.5140.7560.2430.9760.0240.0140.040.458
FlashVSR v110.1420.7710.2290.9880.0120.0520.0050.7180.1990.7740.2260.9970.0030.0310.0060.6490.4530.6930.3070.9960.0040.0120.0960.503
FVP Turbo0.1440.7810.2191.00.00.0640.0030.7290.220.8020.1980.9950.0050.0210.0060.6520.460.6950.3050.9730.0270.010.0840.487
ReCaVSR0.0940.660.340.9850.0150.0430.020.8010.0730.5390.4610.9860.0140.0210.0750.8420.3240.5460.4540.9530.0470.0040.3190.619
官方 3B0.2220.8050.1950.9950.0050.0170.0020.5790.2030.8270.1730.9860.0140.0260.00.4930.5310.780.220.9910.0090.0440.0270.417
numz 版 3B0.1860.8340.1661.00.00.0450.00.5490.2540.8320.1680.9950.0050.0320.00.5840.4810.7720.2280.9880.0130.0370.0120.454
numz 版 7B0.2310.8190.1810.9960.0040.0430.00.6380.1150.7880.2120.990.010.070.0080.620.5590.7830.2170.9840.0160.0040.010.4
（该格覆盖的 clip 数）40—404040404020402040—404040404020401940404040404040204020
A放大本身几乎不损失文字：N480：原生输入（不放大）Acc 0.202 → bicubic 放大后 0.174（掉 0.028）；N768：原生输入（不放大）Acc 0.266 → bicubic 放大后 0.271（掉 -0.005）；S768：原生输入（不放大）Acc 0.570 → bicubic 放大后 0.548（掉 0.023）。
BN480 上最好的超分模型是 numz 版 7B（Acc 0.231）；N768 上最好的超分模型是 numz 版 3B（Acc 0.254）；S768 上最好的超分模型是 numz 版 7B（Acc 0.559）。
C换指标就换排序：S768 上 Det 最高的是 FlashVSR v11（0.996，Acc 只有 0.453），Acc 最高的是 numz 7B（0.559）；严重错读最高的是 ReCaVSR（0.319），高置信错读最高的是官方 3B（0.044）。

口径：每 4 帧采样一次 OCR；Acc = 归一化后完全相等；NED = 1 − 归一化编辑距离；CER = 字符错误率（独立重算，与 NED 互为对照）；Det = 在目标框内检测到文字行的比例；漏读 = 框内没有任何文字行；高置信错 = conf ≥ 0.8 却 NED < 0.5；严重错 = NED < 0.2；翻转率 = 同一目标相邻采样帧读数不同。先在 clip 内求平均，再对 clip 求平均。

5.3 画质与内容改写

（a）S768：输出 vs 像素 GT（唯一的真画质分）

每 8 帧取一帧 · 1344×768
方法PSNR ↑SSIM ↑LPIPS ↓DISTS ↓样本
Bicubic33.670.95170.07150.05340 条
FastVR23.890.82810.10320.067440 条
FlashVSR v1127.240.87090.11210.073340 条
FVP Turbo23.190.79750.11140.065740 条
ReCaVSR23.480.80360.13230.088240 条
官方 3B22.780.81470.12710.074620 条
numz 版 3B23.40.81680.11710.072140 条
numz 版 7B24.180.8320.10450.060920 条
方法N480 · 480p→1080（英文，无像素 GT）
LPIPS↓ / DISTS↓		N768 · 768p→1080（英文，无像素 GT）
LPIPS↓ / DISTS↓		S768 · 480p→768p（有像素 GT，中/日/英）
LPIPS↓ / DISTS↓
Bicubic————0.03340.0336
FastVR0.16360.14370.11050.06980.13850.0805
FlashVSR v110.18470.15540.1230.08490.15310.0972
FVP Turbo0.18680.1530.11470.07740.14820.0888
ReCaVSR0.17060.13970.10530.06930.1360.0864
官方 3B0.21570.15550.12540.07830.16520.095
numz 版 3B0.17560.15810.11790.08680.16460.1052
numz 版 7B0.1680.14650.09890.07360.1460.0916
AS768 全参考画质里 LPIPS 最低的是 Bicubic（0.0715）。
B离原生输入最近的是 Bicubic（LPIPS 0.0334），最远的是 官方 3B（0.1652）。
C内容改写量与文字指标不是一回事：改写最少的模型不一定是文字最好的模型。

（b）输出 vs 原生输入：内容改写量（越小越忠实）

输出降采样回原生分辨率后与原生输入比

口径：(a) PSNR(RGB)、SSIM(Y-gaussian)、LPIPS(alex)、DISTS，输出与 S768 像素 GT 全参考比对，只有 S768 有像素 GT，N480 / N768 没有画质结论。(b) 把输出降采样回原生分辨率后与原生输入比：纯插值回环应接近 0，生成式模型会凭空造像素，所以这一列不是画质分，是"模型把画面改了多少"的代理。

5.4 各指标给出的排序并不一致

  • S768 上 Acc 的排序是 numz 版 7B 0.559 > Bicubic 0.548 > 官方 3B 0.531 > FastVR 0.514 > numz 版 3B 0.481 > FVP Turbo 0.460 > FlashVSR v11 0.453 > ReCaVSR 0.324；同一批 clip 上 Det F1 的排序是 FlashVSR v11 0.996 > 官方 3B 0.991 > numz 版 3B 0.988 > numz 版 7B 0.984 > FastVR 0.976 > FVP Turbo 0.973 > Bicubic 0.969 > ReCaVSR 0.953。两列排序不一致：Acc 最低的是 ReCaVSR（0.324），它在 Det 上也是最低（0.953）；Det 最高的是 FlashVSR v11（0.996），它的 Acc 只有 0.453，在 Acc 上排第 7 / 8。

  • 严重错读率（NED<0.2，整行基本读不出）：Bicubic 0.004、numz 版 7B 0.010、numz 版 3B 0.012、官方 3B 0.027、FastVR 0.040、FVP Turbo 0.084、FlashVSR v11 0.096、ReCaVSR 0.319。

  • 高置信错读率（conf≥0.8 却读错）：ReCaVSR 0.004、numz 版 7B 0.004、FVP Turbo 0.010、FlashVSR v11 0.012、FastVR 0.014、Bicubic 0.020、numz 版 3B 0.037、官方 3B 0.044。

  • 跨帧翻转率（同一框相邻采样帧读数不同）：numz 版 7B 0.400、Bicubic 0.405、官方 3B 0.417、numz 版 3B 0.454、FastVR 0.458、FVP Turbo 0.487、FlashVSR v11 0.503、ReCaVSR 0.619。

  • N480 上 numz_3b 的 Acc 0.186 与 bicubic 的 0.174 相比（高），且 NED 是 0.834 vs 0.790（更好）。

  • 同一对方法，严重错读率是 0.000 vs 0.032。

  • N768 上 numz_3b 的 Acc 0.254 与 bicubic 的 0.271 相比（低），且 NED 是 0.832 vs 0.839（更差）。

  • 同一对方法，严重错读率是 0.000 vs 0.001。

说明：上面每条都是本表数据的直接读数，没有加权、没有综合分。是否用哪个指标、或者用哪几个指标的组合，属于需要人来定的部分。

5.5 样例

S768 · H3 自生成中文片

H3SG-005185 · f16 · 目标字「智界R7」
H3 自生成中文片段各超分模型对比

每格是同一块文字在各自几何里的裁切，最近邻放大，方法名烧在图上：H3 原生输入 / GT 原片 / Bicubic / FastVR / FlashVSR v11 / FVP Turbo / ReCaVSR。

N768 · H3 原生 768p 英文片

UI-0013 · f8 · 目标行「Q: Why not order copper earlier? …」
H3 英文片段各超分模型对比

同一行文字在 768p 原生片上被各模型放大到 1080 高：H3 原生输入 / Bicubic / FastVR / FlashVSR v11 / FVP Turbo / ReCaVSR / 官方 3B。

四

六、成本与路由

6.1 三档成本（按"有没有字"分流的成本模型）；6.2 廉价路各方法的实测对照。

06 / 10

6.1 三档成本

档位单条成本文字（Acc）
经济档：全部走 FlashVSR+ Turbo，文字 ROI 回退 bicubic¥0.035–0.042Turbo 0.581；回退上限至少是 bicubic 0.669（回退收益待测）
均衡档p=0.3：¥0.075–0.083
p=0.5：¥0.10–0.11
p=1：¥0.168–0.177		有字片段 0.791（GT 0.832）
质量档：均衡档 + 文字 LoRA≈ 均衡档LoRA 尚未训练，无数据
对照：官方 3B¥0.780.747
对照：官方 7B¥0.84–0.920.792
对照：MediaKit¥0.10（API 价，未核实）0.656

口径：总成本 = (1−p)·c_廉价 + p·c_文字，p = 有字片段占比；c 取 p10 与均值两档。S0 文字探测在 CPU 上做，GPU 开销约为 0。原写法 "0.02 + 0.17·p" 低估了无字路成本，已改成上式。

成本单位：素材为 4 秒/条（120 帧 @30fps），¥/秒 = ¥/条 ÷ 4。摘要、散点图与结论用 ¥/秒；本节与上面的主表保留实测的 ¥/条（墙钟本来就按条计）。

6.2 廉价路方法的成对对照（94 条）

对比ΔAccΔ翻转率ΔPSNRΔLPIPSp10 成本
FlashVSR+ Turbo − bicubic（无损）−0.089 [−0.137, −0.043] ▼———¥0.035 vs ≈0
FlashVSR+ Turbo − FlashVSR v1+0.032 [+0.012, +0.051] ▲−0.044 ▲+0.95 [+0.69, +1.18] ▲−0.019 ▲¥0.035 vs ¥0.021
FastVR − FlashVSR+ Turbo+0.023 [−0.002, +0.050]—+0.08+0.023 ▼¥0.037 vs ¥0.035
ReCaVSR − FlashVSR+ Turbo−0.056—+0.49 [+0.27, +0.73] ▲−0.010 ▲¥0.050 vs ¥0.035
FlashVSR+ Base − FlashVSR+ Turbo−0.021—−1.25 [−1.39, −1.12] ▼—¥0.048 vs ¥0.035
FlashVSR+ Turbo 与 MediaKit 的 NED0.871 vs 0.898———ΔNED −0.027 [−0.051, −0.003] ▼

口径：配对差值，94 条，▲/▼ 同 1.3。ReCaVSR 的耗时含每条模型加载，常驻后可能更快。

6.3 成本-质量散点：哪些点没被同时压过

Acc / 成本 · CTVid 94 条 · 评测 v2（横轴对数）

numz / 默认 SeedVR2 官方 廉价 / 快速 bicubic 加速外推
Pareto 读法：只有 bicubic（≈¥0、0.669）和 numz_lab（¥0.044/秒、0.794）没有被别人同时压过。numz_wavelet 与 numz_lab 只差噪声级，选 wavelet 是因为 PSNR/LPIPS/DISTS 略好。
7B 的位置：0.792，和 numz 的 0.791 差 +0.001，在噪声内；成本 ¥0.229/秒，约 5.2 倍。
五

七、SeedVR2 加速链路

同一条 4 秒 / 120 帧 / 1080p 片段，单卡 4090，每一步只改一个变量。

07 / 10

单条墙钟时间

单位：秒 · 越短越好
官方 3B基线
705.5
705.5 s1.00×
E1 无损94/94 bit-exact
184
184.0 s3.83×
numz b121fp16 + 整段窗口
159
159.1 s4.43×
layout / copy 优化减少搬运与重排
112
112.1 s6.29×
GN 融合 + warm cache最新复测
101
101.4 s6.96×
累计 7.0×，每秒成本 ¥0.196 → ¥0.028/秒 ¥4 / 卡时

7.2 时间花在哪儿：算子级归因（nsys，101.4 s 配置）

阶段GPU kernel 时间占比其中最大的两类
VAE decode（1080p 重建）82.5 s60.7%conv 34.9 s · copy 27.3 s
VAE encode（降采样到 latent）30.4 s22.4%conv 13.3 s · copy 9.3 s
DiT（3B 主干）21.8 s16.1%GEMM 7.7 s · elementwise 8.0 s
后处理（写 mp4 等）1.2 s0.9%—
合计135.97 s100%conv_igemm 35.5% · copy 27.4% · add 10.8% · gemm 6.4%

口径：nsys trace 的 kernel 时间归因（NVTX 分段），覆盖 warmup + measured 两个文件，所以合计 135.97 s 大于单条墙钟 101.4 s。占比按 kernel 时间算，不是墙钟。

7.3 算子有没有到 roofline 的高峰

算子（decode 三个主 conv）调用次数合计 TFLOP实测 TFLOPS占实测峰值算术强度受限类型
Conv3d (512,6,79,962) → 512145606.9149.491.0%5340 FLOP/B算力受限，到顶
Conv3d (256,6,138,962) → 256290536.0137.683.8%2723 FLOP/B算力受限
Conv3d (128,6,183,963) → 128580357.0116.370.8%1369 FLOP/B算力受限
Conv3d 1×1×1 (256,5,544,960) → 102411.40.40.3%205 FLOP/B带宽受限
全部 conv 合计—8221.8———67.0 s

峰值口径：4090 的 bf16 峰值是实测的，不是标称：GEMM 164.2 TFLOPS（16384 尺寸，实测；4096 尺寸只有 145.5）、拷贝 916.8 GB/s（理论 1008 GB/s 的 91%）。来源 ~/week2/vae_opt2/profile_gpu/results/gemm_peak.json。

ncu 计数器（上面第一个 conv，12 次 launch）值含义
tensor pipe（HMMA）48.8% of peak这是 fp16-accumulate 的峰值口径；本 kernel 是 bf16 in / fp32 out，约等于 fp32-accumulate 峰值的 97%
DRAM 吞吐11.9%算子不靠显存带宽，是算力受限
SM 吞吐48.3%—
L2 命中率96.7%几乎不访存 DRAM
占用率 / 寄存器8.3% · 254 reg/thread占用率低是卷积 tile 本身的选择（一个 thread 负责一整块输出），不是调优空间

ncu 的边界：这台机器的 RmProfilingAdminOnly=1，性能计数器需要 root 才能采（ERR_NVGPUCTRPERM）。上表的计数器来自 ~/week2/vae_opt2/ncu/micro_full.ncu-rep（root 跑的 micro 探针，同形状 12 次 launch）；管线的 e2e 采样脚本在 ~/week2/vae_opt2/ncu/run_ncu.sh（sudo bash run_ncu.sh 0 e2e），要补管线级 SOL 需要 root 再跑一次。

7.4 搬运：带宽够用，问题在次数

搬运方向数据量次数时间实际带宽中位单包参照
Host → Device（权重 offload）7.58 GB9,4791.83 s4.1 GB/s0.8 MBPCIe 4.0 x16 理论 31.5 GB/s
Device → Host7.49 GB1,4954.03 s1.9 GB/s1 KB
Device → Device（卡内搬运）15.24 GB1350.033 s462 GB/s113 MB实测拷贝峰值 916.8 GB/s

读法：卡内搬运跑到实测峰值的 50%，卡间（PCIe）只跑到 5–13%——瓶颈不是带宽，是次数多、包小：Device→Host 的中位单包只有 1 KB，9,479 次 H2D 每次 0.8 MB。对应的方向是减少搬运次数与数据量（权重常驻、FP8、合并搬运），而不是"跑得更快"。pipe_patch 的 KEEP_RESIDENT 一项（把模型 offload 关掉）实测 DiT 阶段 25.0 → 22.1 s，也是同一个结论。

六

八、公开文字 LoRA 检索

8.1 扫描范围与结果；8.2 能加载的两个 LoRA 的实测；8.3 自研训练的可训练性探针。

08 / 10

8.1 扫描范围

渠道扫描量文字专用 LoRA说明
ComfyUI 包6,1310全量扫描
ModelScope SeedVR2 仓库450—
FlashVSR 仓库90—
能加载到 SeedVR2 / FlashVSR 的 LoRA 权重20均为 AGPL-3.0；一个对文字中性到更差，一个无可测变化

结论（已写入 RESULT.json）：no existing text-focused LoRA or finetune for SeedVR2/FlashVSR/FastVR/ReCaVSR qualifies；committed: false。

8.2 两个可加载 LoRA 与 rank-16 注入通道的实测

配置许可C0011 AccC0011 NEDC0011 翻转率AIGC 2 条 AccAIGC 2 条 NED
官方 3B 对照Apache-2.00.8670.9880.1380.0730.740
3B + 自研 rank-16（探针权重，未训练）Apache-2.0 + 自训0.8330.9840.2760.0560.775
FlashVSR v1.1 baseApache-2.00.0000.4981.0000.0060.675
FlashVSR + Lada LoRAAGPL-3.00.0000.5111.0000.0390.688
bicubic（AIGC 2 条对照）————0.1570.796

口径：C0011 为单条 CTVid（Acc/NED/翻转率同 1.2 口径）；AIGC 为 N768 的 2 条（UI-0003 + SCI-0002，211 个实例），区间见 RESULT.json。样本量很小，只作通道可用性记录，不构成方法优劣结论。合并情况：Lada/SeedVR2 160/160 目标匹配，Lada/FlashVSR 180/180 匹配但官方 diffsynth loader 返回 0 个目标。

C0011 FlashVSR base 对比 FlashVSR base
C0011 FlashVSR Lada LoRA 对比 + Lada LoRA
UI0003 SeedVR2 对照帧 SeedVR2 对照
UI0003 SeedVR2 rank-16 探针帧 rank-16 探针

8.3 自研训练的可训练性探针

项值说明
基座 / LoRA rank官方 3B / 16（160 个 target）—
可训练参数22,413,312（占 0.66%）—
256px / 36f0.398 s/step，峰值 16.84 GiB—
384px / 36f1.052 s/step—
512pxOOM需切分或降低窗口
20k steps≈ 5.8 GPU-hours不含数据与评测

状态：探针只测"能不能训、显存够不够、步速多快"，没有正式训练，也没有收益数据。

九

九、相对上一版报告（2026-10-16）的更正

上一版《MediaKit 视频增强实测报告》用 Apple Vision OCR、每条 3 帧，PSNR/SSIM 的计算方式与本版不同。下面是逐条对照，数字以本版为准。

09 / 10
上一版的说法本版实测差异
“MediaKit 像素保真最高” 上一版把官方 SeedVR2 的 1072 行、FlashVSR 的 1024 行直接插值拉伸到 1080 行再算 PSNR/SSIM。按实际对应的 GT 行对齐后：官方 3B 27.49 / 0.865 / 0.136（上一版 23.85 / 0.796 / 0.147），FlashVSR 25.15 / 0.791 / 0.179（上一版 16.28 / 0.602 / 0.351），MediaKit 27.48 / 0.868 / 0.192，FastVR 26.18 / 0.823 / 0.183 MediaKit 与官方 3B 的 PSNR（Δ −0.01）、SSIM（+0.003）打平；3B 的 LPIPS / DISTS 领先 0.055 / 0.052
“FlashVSR 保真明显弱（PSNR 16.3）” 25.15 仍最低，但比 3B 低 2.3 dB，不是 7.6 dB
“MediaKit 放大确实恢复了文字，不是纯锐化滤镜” 相对它自己的不放大版确实更好；相对 bicubic 文字无显著差异（−0.014 [−0.038, +0.010]），PSNR 低 0.40 dB，只有 LPIPS 更好（−0.089） 上一版没有 bicubic 基线
“FastVR 均衡：文字 0.721 接近 MediaKit” FastVR 显著低于 bicubic（−0.066 [−0.109, −0.025]），也显著低于 MediaKit（−0.052 [−0.096, −0.012]） 排序变化
“MediaKit 拉丁文第一” 拉丁 Acc：MediaKit 0.710，官方 3B 0.788，配对差值 −0.078 [−0.153, −0.008] 不成立
“官方 3B 705 s、¥0.78，单价约 MediaKit 的 8 倍” 同样输出用 E1 是 ¥0.214（逐位一致），numz 是 ¥0.177（Acc 0.791，比官方 3B 高 0.044） 文字路单价变为 MediaKit 的约 1.7–2.1 倍
“52/94 条四家并列，差距很小” 旧指标（RapidOCR best_sim）下方法间跨度 0.058；本版 Acc 跨度 0.270。两套指标 Spearman ρ = 0.978、Kendall τ = 0.922 方向一致，分辨力不同
（未涉及） 本版新增：SeedVR2 加速链路 7.0×、公开文字 LoRA 检索、H3 生成视频矩阵、16 个案例对比图 新增量

附带澄清：上一版所有 SeedVR2 结果都未经过 color fix（脚本缺失）；补上后 ΔAcc +0.006 [−0.004, +0.015] 不显著、PSNR 反而低 0.50 dB，缺 color fix 不影响上一版的文字结论。上一版的素材托管在 /tmp 下，重启会丢；本版素材已落到 report_assets/。

十

十、初步结论（供讨论，待复核）

10.1 数据直接支持的读数；10.2 局限；10.3 需要人来定的几件事。

10 / 10

10.1 数据直接支持的读数

  • 文字：numz 与 7B 在同一档，numz 便宜约 5 倍

    numz_wavelet Acc 0.791、numz_lab 0.794、官方 7B 0.792，三者两两配对差值区间都跨 0；单条成本（¥/秒）分别是 ¥0.044 / ¥0.044 / ¥0.229。numz 相对官方 3B 的 ΔAcc +0.044 [+0.016, +0.076] 显著。见 2、3.1

  • 廉价模型的文字都低于 bicubic

    FastVR −0.066、FlashVSR −0.121、ReCaVSR −0.145、FlashVSR+ Turbo −0.089（均对 bicubic 无损版，显著）。见 3.1、6.2

  • 混排（中英同框）是最弱的一档

    GT 自身 0.747；官方 3B 0.500、numz_wavelet 0.616、numz_lab 0.622、MediaKit 0.318、FlashVSR 0.298。见 3.2

  • 加速链路已到 7.0×，且最后一步逐位一致

    705.5 s → 101.4 s，单条成本 ¥0.196 → ¥0.028/秒；101.4 s 是单条单次实验，94 条 A/B 未做。见 7

  • 公开渠道没有可用的文字 LoRA

    6,131 + 45 + 9 个仓库扫描，0 个文字专用；能加载的 2 个是 AGPL-3.0，文字指标中性到更差。见 8

  • H3 生成视频上，各超分模型的文字指标排序与画质排序不一致

    S768 上 Acc 最高的是 Bicubic（0.548），而 Det F1 最高的是 FlashVSR v11（0.996）；严重错读率（NED<0.2）从 bicubic 的 0.004 到 ReCaVSR 的 0.319；同一批 clip 上原生输入 0.570、bicubic 0.548、官方 3B 0.531。见 5.2、5.3、5.4

10.2 局限

  • 所有结果来自单卡 4090、4 秒 / 120 帧 / 1080p；更长视频要分段，numz 的整段窗口优势可能缩小。GT Acc 0.832 是平均意义上的上限，不是逐条上限。

  • |ΔAcc| < 0.02 落在编码噪声内；7B 相对 numz 的 +0.001 不构成质量优势。分语种没有做配对检验，混排只有 17 条。

  • 101.4 s 是单条单次实验，未做 94 条 A/B；默认方案仍按 159.1 s 记账。numz 与官方 3B 的编码不同（mpeg4 ≈35 Mbps vs h264 ≈18 Mbps），PSNR 领先的 1.8 dB 里编码与色偏的贡献未拆开。

  • H3 矩阵里 numz 3B 三组已全部跑满（各 40 条）；numz 7B 与官方 3B 各只跑了约 20 条（表内已标注），N480 / N768 没有像素 GT，PSNR / SSIM 不构成画质结论。

  • 公开渠道没有文字 LoRA；自研 rank-16 只做到可训练性探针，没有训练也没有收益数据。H3 官方 API（用法 A / B）本机无 key，零指标。

  • “小字召回 18%”是 2026-10-16 的 RapidOCR 旧口径，不与本版 Acc 混用；本版未复跑无参考画质指标与 VLM 下游问答。

10.3 需要人来定的几件事

  • 线上文字路用哪个方案

    候选：numz_wavelet（Acc 0.791，¥0.044/秒）、numz_lab（0.794，¥0.044/秒）、官方 7B（0.792，¥0.229/秒）、E1 无损（0.747，¥0.054/秒，94/94 逐位等于官方 3B）。三者文字在噪声内，差别在成本与画质。数据：2、3.1

  • 加速链路什么时候切默认

    需要 94 条 A/B + 与 numz_wavelet 的非劣检验；在此之前默认是 159.1 s / ¥0.044/秒，还是先按 101.4 s / ¥0.028/秒 记账。数据：7

  • 无字片段走哪条廉价路，文字回退到哪

    候选：FlashVSR+ Turbo（¥0.011/秒，Acc 0.581）、FlashVSR（¥0.006/秒，0.549）、FastVR（¥0.011/秒，0.604）、ReCaVSR（¥0.016/秒，0.524）；文字回退源候选：bicubic（0.669）还是 MediaKit（0.656，与 bicubic 无显著差异）。回退收益尚未实测（oracle 上限未算）。数据：3.1、6.1、6.2

  • 文字修复走不走自研，验收线定多少

    公开渠道已穷尽；自研 rank-16 可训（22,413,312 参数 / 0.66%，384px 1.052 s/step，512px OOM，20k steps ≈ 5.8 GPU-h）。验收线定在 Acc +0.02 还是更高，是口径问题，不是技术问题。数据：8

  • H3 生成视频要不要单独定规则

    本版数据里，生成片上各超分模型的文字指标都不高于 bicubic；同时各指标排序互相矛盾（Acc / Det / 严重错读 / 翻转率）。若业务里有 H3 生成的素材，需要先定：用哪个指标验收、要不要允许"不放大"。数据：5.2、5.3、5.4

  • 对外发布的口径怎么统一

    上一版对外报告的 PSNR/SSIM 口径与本版不同，且有若干结论需要更正（第九节）；由页面托管方决定是否发布勘误或替换页面。数据：9

附录

复现、来源、许可证、局限

页面本身离线可用；所有素材在 report_assets/，不引用外网字体或 JS。

附录
复现入口

页面数据来自 4090 上的只读文件，下面命令可以逐项核对：

ssh 4090
cat ~/week1/week1_report.md
cat ~/week2/vae_opt3/exp_gn/results/summary.json
cat ~/week2/lora_candidates/tasks/RESULT.json
python3 ~/week2/aigc_eval/runq/status.py
cat ~/week2/aigc_eval/data/scores/S768_*.json

本轮的 H3 多指标（文字侧从 OCR 缓存重算，画质侧逐帧算）：

cd ~/week2/aigc_eval
~/week1/eval_v2/venv/bin/python tools/aigc_text_metrics.py
~/exp_seedvr_accel/e2/venv/bin/python tools/aigc_image_metrics.py --every 8 --workers 8

H3 矩阵的评分可自己重跑（纯 CPU，不占 GPU）：

cd ~/week2/aigc_eval
/home/ubuntu/week1/eval_v2/venv/bin/python tools/score_pseudo.py \
  --outdir outputs/S768/fastvr --setting S768 --method fastvr --every 4 --workers 12

本地预览（避免 file:// 下视频受限）：

cd /Users/user/Documents/默认项目
python3 -m http.server 8000
# 打开 http://localhost:8000/4090_任务汇总.html
数据与素材来源
  • ~/week1/week1_report.md — 14 方法 × 94 条评测 v2 主表、GT 上限、成本。
  • ~/week2/vae_opt3/exp_gn/results/summary.json — 112.10 s vs 101.43 s，bit-exact 证据。
  • ~/week2/lora_candidates/tasks/RESULT.json — 公开 LoRA 尽调与自训探针。
  • ~/week2/aigc_eval/data/manifest.json — H3 矩阵 3 设置 × 7 模型 × 40 条。
  • ~/week2/aigc_eval/data/scores/*.json — H3 矩阵的文字评分（本次现跑，逐 clip 明细在 per_clip 里）。
  • ~/week2/vae_opt2/profile_gpu/results/ — 4090 实测峰值（GEMM 164.2 TFLOPS、拷贝 916.8 GB/s）与 conv roofline（decode 三个主 conv 的 TFLOPS、占峰值）。
  • ~/exp_seedvr_accel/e4_profile/reports/ — nsys trace 与逐算子/阶段归因（base / gnsilu / l2gncfcl 三份）。
  • ~/week2/vae_opt2/ncu/micro_full.ncu-rep — ncu 计数器（root 跑的 micro 探针：tensor pipe 48.8%、DRAM 11.9%、L2 命中 96.7%）。
  • ~/week2/visual_report/tools/grid.py + crop_best.py — 16 个案例对比图的生成脚本（按方法几何映射裁切框、最近邻放大、烧方法名）。
  • ~/week2/visual_report/cases.json — 16 个 case 的定义与 evidence。
  • ~/week2/datasets_pricing_report.md — 竞品价格、数据集与许可。
  • ~/next_steps_plan.md — H3 A/B、成本档位、加速与 LoRA 规划。
许可证与合规
  • numz 加速仓库：Apache-2.0；代码里没有 LoRA 加载逻辑，接入需离线合并权重或自行注入。
  • Lada LoRA：AGPL-3.0，不适合直接进闭源产品；文字指标中性到更差。
  • CTVid-Bench：研究用途；逐帧标注与评测协议按原仓库执行。
  • MediaKit：价格 ¥0.10/条为 API 报价，尚未核实，不进入成本结论。
  • H3：商用条款与配额需账户确认；本页不包含任何 H3 生成素材。
  • bicubic：双三次插值（非 AI）基线，用 4×4 邻域加权算出新像素；本报告的对照基准，衡量"AI 超分做文字到底比简单插值强多少"。它出奇难打：文字 Acc 0.669，廉价 AI（FlashVSR+ Turbo 0.581）反而更低；故廉价路 / 文字片段建议回退到它。详见 2、3.1、4.2、6。
局限与不要过度解读
  • 所有结果来自单卡 4090、4 秒 / 120 帧 / 1080p；更长视频要分段，numz 的整段窗口优势可能缩小。
  • 文字指标是 PaddleOCR 3.3 在 CPU 上跑的；GT Acc 0.832 是平均意义上的上限，不是逐条上限。
  • |ΔAcc| < 0.02 落在编码噪声内；7B 的 +0.001 不构成质量优势。
  • 101.4 s 是单条单次实验，未做 94 条 A/B；默认仍是 159.1 s 的 numz_wavelet。
  • 16 个案例的对比图已全部补齐；生成脚本在 ~/week2/visual_report/tools/（grid.py + crop_best.py）。
  • H3 矩阵里 numz 3B 的三组已全部跑满（各 40 条），第五节的文字表已是全矩阵；numz 7B 与官方 3B 各只跑了约 20 条，表里已标注。
  • MiniMax 官方 H3 API 没有任何实测指标（本机缺 key）；第五节的 H3 数字全部来自 H3 生成的素材被各超分模型处理后的评测。
  • “小字召回 18%”是 2026-10-16 的 RapidOCR 旧口径，不与本页 Acc 混用。
指标口径速查
  • Acc：GT 框裁剪后 OCR，归一化（NFKC、小写、只保留字母/数字/汉字）完全相等的比例；先视频内平均，再 94 条平均。
  • NED：1 − 归一化编辑距离，相似度口径，越高越好。
  • 翻转率：同一 GT 框在相邻采样帧读数不同的比例，越低越稳。
  • Acc_rd：只统计 GT 原片能读出的实例，排除标注/OCR 噪声。
  • 成本：单卡墙钟 × ¥4/卡时；主表同时给均值与 p10，p10 近似无争用耗时。
一句话结论

数据支持的读数：numz_wavelet Acc 0.791 / ¥0.044秒，官方 7B 0.792 / ¥0.229秒，二者文字在噪声内；官方 3B 0.747 / ¥0.196秒；FlashVSR+ Turbo 0.581 / ¥0.011秒；bicubic 0.669 / ≈¥0。

能加速的：链路已到 101.4 s（7.0×），但还差 94 条 A/B；补完再切默认。

还没解决的：公开 LoRA 全灭，自研 rank-16 未开训；H3 官方 API 无 key；101.4 s 加速链路未做 94 条 A/B；H3 矩阵 numz 7B 与官方 3B 各只跑了约 20 条。