MediaKit 视频增强实测报告

测试时间：2026-10-15 ~ 16 ｜平台：ModelVerse ai-mediakit-video-enhancement-std（火山引擎 MediaKit）｜ 对比方案：自部署 FlashVSR / FastVR / ReCaVSR / SeedVR2-3B（4090）

⚠️ 定位：个人初步实测笔记。MediaKit 无公开技术文档，部分行为靠试错归纳；样本与口径有限，所有结论待复核——文中视频/帧图均可点击核对，欢迎帮忙确认或指出问题。

TL;DR

MediaKit 初步表现为保真型放大服务，且表现强依赖输入质量：同一批视频 270p→1080p 输入，文本 NED 从 0.52 升到 0.86、8/10 达 GT 上限（第四节）；540p 文字卡上优于我们试过的自部署方案（样本有限）。
CTVid-Bench 全量 94 视频（480×270→1080p 同口径）初步结果：像素保真 MediaKit 最高（PSNR 27.6 / SSIM 0.870），感知相似与文字 SeedVR2 最高（LPIPS 0.147 / NED 0.770），MediaKit 文字第二、拉丁文第一。速度最快是 FlashVSR。样本偏向真实低清源，其他内容类型未覆盖。
两个坑：≤270p 输入默认只增强不放大，必须显式传放大参数；无参考画质指标会把最糊的输出评成最好，不能单独采信。
成本低：4 秒 →1080p 每条约 ¥0.10，94 条全量复测 ¥9.4。

一、测试口径

评测协议按 CTVid 官方四层（FID 跳过：单视频 8 帧分布无统计意义）：

读法：保真类（PSNR/SSIM）与感知类（LPIPS/MUSIQ）天然互相打架（感知-失真权衡，CVPR 2018 证明不可同时最优）——没有"总分第一"，只有"哪排指标对你业务重要"。

二、工程与服务实测

耗时（4 秒 / 120 帧口径；倍率 = 耗时÷视频时长）

层	指标	衡量什么
① 全参考画质对 GT，测"像不像"	PSNR / SSIM ↑ LPIPS / DISTS ↓	像素/结构保真度深度特征的感知相似度
② 无参考画质测"自不自然"	NIQE ↓ MANIQA / MUSIQ / CLIPIQA ↑	偏离自然场景统计的程度学习型 NR-IQA，拟合人眼打分
③ 文本保真	F1_det / Acc / NED ↑	OCR 字框检测 F1 / 整行全对率 / 归一化编辑距离（1=逐字全对）
④ 下游理解	VideoQA ↑	VLM 看修复画面答题的得分；受小模型能力限制，作趋势参考

方案 / 任务	输入→输出	耗时	倍率	视频
FlashVSR（自部署4090）	480×270→1080p	20s	~5x	—
FastVR（自部署4090）	480×270→1080p	41s	~10x	—
ReCaVSR（自部署4090）	480×270→1080p	44s	~11x	—
SeedVR2-3B（自部署48G卡）	480×270→1080p	705s	~176x	—
MediaKit 官方 demo	720p→720p	133s	33x	▶
MediaKit 文字卡 540p	540p→1080p	156s	39x	▶
MediaKit 文字卡 1080p	1080p→2K	136~189s	~46x	▶
MediaKit demo 风景片	720p→2K	205~353s	~60x	▶
MediaKit CTVid 低清源	480×270→1080p	~150s	~38x	▶

耗时规律：只由输出像素量决定，与输入质量无关。→1080p 约 36~39x，→2K 约 46x，真实片源到 2K 约 50~90x。换算：1 分钟 1080p 素材→2K 约需 45 分钟。

补充证据：同一输入两次独立提交，输出文件逐位一致（md5 相同）——处理流程完全确定，不含随机采样；但确定性≠非生成（生成模型也可固定种子），内部架构仍不可知，本报告只按可观察行为下结论。

计费（按输出时长，元/分钟）

60fps 翻倍、120fps 四倍。本报告 4 秒→1080p 单条 ¥0.10，94 条全量 ¥9.4——批量评测成本可忽略。

参数有效性

接入的两个坑

三、主结论：CTVid-Bench 全量 94 视频（480×270→1080p）

真实低清源 480×270 → 1080p，MediaKit 显式传放大参数直出 1080p，与自部署输出严格同分辨率、同输入。

逐条胜场（文本 NED 单视频最高）：SeedVR2 22 胜、MediaKit 12 胜、FlashVSR 4 胜、FastVR 3 胜，其余 52 条四家并列。

输出规格	720p	1080p	2K	4K
30fps	0.75	1.5	3	6

参数	实测效果
`scene: ugc / aigc / natural`	❌ 无效——三个任务输出文件 md5 完全相同
`enhance_style: hd vs natural`	⚠️ 差异极小（md5 不同但 OCR 结果一致）
放大参数（`resolution` 等）	✅ 有效 ⚠️ 但 ≤270p 输入默认只增强不放大（输出=输入尺寸），必须显式传参才升 1080p；参数名无文档（实测 `resolution/target_resolution/scale/upscale` 四键并传生效）
`bitrate / fps`	✅ 有效，严格执行

问题	表现	对策
裸 IP + 非标端口 URL（`http://IP:8080`）	挂 36~44 分钟 → 静默 Failure，无错误信息	换正规 HTTPS 域名后 100% 成功（~100~350s）
相同 model + video_url 重复提交	直接返回旧 task_id	URL 加 `?v=N` 绕过去重

模型	PSNR↑	SSIM↑	LPIPS↓	DISTS↓	NIQE↓	MANIQA↑	MUSIQ↑	CLIPIQA↑	文本NED↑	VideoQA↑
GT 原片（上限）	全参考指标对 GT 无意义	0.812	0.627
MediaKit（1080p 直出）	27.58	0.870	0.193	0.117	6.26	0.261	46.5	0.249	0.734	0.618
FlashVSR	16.28	0.602	0.351	0.114	4.29	0.351	64.2	0.399	0.718	0.652
SeedVR2-3B	23.85	0.796	0.147	0.070	4.44	0.337	63.9	0.365	0.770	0.655
FastVR	26.22	0.821	0.186	0.105	4.14	0.395	70.1	0.409	0.721	0.646

文字语言	MediaKit	FlashVSR	SeedVR2-3B	FastVR
cjk（29 条）	0.733	0.759	0.808	0.748
latin（48 条）	0.744	0.697	0.733	0.706
mixed（17 条）	0.710	0.711	0.810	0.722

五个发现

保真-感知分裂在全量上成立：MediaKit 赢 PSNR/SSIM（忠实放大），SeedVR2 赢 LPIPS/DISTS（重建更像原片）。选哪个取决于业务要哪头。
无参考指标会把最糊的评成最好：另测过一组 MediaKit「只增强不放大」的输出（480×270 插值到 1080p 参评），MANIQA 0.657 / MUSIQ 72.5 / CLIPIQA 0.526 三项 NR 指标全部"第一"，真 1080p 输出反而垫底——NR-IQA 把"平滑少噪"当作自然，放大的真实细节反被扣分，必须搭配全参考 + 文本 + 下游指标读。该对照同时说明放大贡献了文字提升（NED 0.688 → 0.734）。
文字：SeedVR2 最接近 GT（0.770 vs 上限 0.812）；MediaKit 第二（0.734），且高于自己不放大版（0.688）——放大确实恢复了文字，不是纯锐化滤镜。此前分字号 recall 评测（SeedVR2 小字 15% / 大字 82% 第一）与本结果一致。
VideoQA 全员 ≥ GT（0.627）：放大增强后的画面对 VLM 比原片还好读。
52/94 条四家并列：大多数样本差距很小，排名由少数难例决定——评测看全量，不挑单条。

典型场景肉眼对比（帧图为文字区域裁切，点击看完整帧）

从 94 条里按日常常见场景挑 6 条：招牌、门贴、台阶提示、餐厅告示、户外广告。数字之外直接看。

沿街长招牌 ·「欢迎光临华润前海中心」

文本 NED：SeedVR2 0.93 / FastVR 0.73 / FlashVSR 0.60 / MediaKit 0.20（GT 上限 1.00）。字多、排密、带透视——低清招牌是最难的场景之一，94 条里的差距主要来自这类样本：SeedVR2 把整行重建出来，MediaKit 保住了末尾两三个字

门店英文招牌 ·「sunglass hut」

文本 NED：MediaKit 1.00 / FlashVSR 1.00 / FastVR 0.97 / SeedVR2 0.70（GT 0.97）。笔画简单的拉丁大字是日常最多见的文字：MediaKit 逐字全对，生成式偶尔会把字母改成形近字

门上双语警示 ·「常闭式防火门 / FIRE DOOR KEEP CLOSED」

文本 NED：SeedVR2 0.99 / FastVR 0.67 / FlashVSR 0.64 / MediaKit 0.45（GT 上限 1.00）。室内监控/巡检最常见的双语混排：SeedVR2 两行都读出，MediaKit 中文行可辨、英文行丢失

地面台阶提示 ·「小心台阶 / MIND YOUR STEPS」

文本 NED：四家全部 1.00（GT 上限 1.00）。94 条里约一半属于这类：字够大、对比度好，四家全满分——这种场景方案随便选

餐厅告示 ·「5分钟上齐 / 超时产品免费送」

文本 NED：FlashVSR 0.98 / SeedVR2 0.93 / FastVR 0.93 / MediaKit 0.87（GT 上限 0.95）。字小又密，连 GT 自己 OCR 都认不满（0.95）——这类样本看谁能贴近 GT，四家都合格

户外立柱广告 ·「DISCOVER OUR GARDEN WALK」

文本 NED：FastVR 0.98 / SeedVR2 0.83 / FlashVSR 0.73 / MediaKit 0.72（GT 上限 1.00）。大写拉丁字带装饰字体，MediaKit 这类字体上容易丢字母，FastVR 最完整

四、高分辨率输入初测：真实 1080p → 2K（10 条）

方案	检出文字行	「363-378」号码	「登机口」中文	「Gates」英文	视频
输入 480×270	1	363-3782 ✓	—	—	▶
GT 原片 1080p	6	363-378 ✓	登机口 ✓	Gates ✓	▶
FlashVSR	3~5	363-37830/32 ⚠️（部分帧幻觉多2位）	咒配口 ⚠️（幻觉）	—	▶
SeedVR2-3B	4	363-378 ✓	翌机口 ⚠️（半对）	Gotes ⚠️（近似）	▶
MediaKit	3~4	363-378 ✓（部分帧全对）	—（未识别）	—（未识别）	▶

第三节全是 480×270 低清源。一个自然疑问：MediaKit 在 270p 上文字偏弱，是能力问题还是输入问题？取其中 10 条的 GT 原片（1080p）直接作输入，显式 resolution: "2k" 输出 2560×1440，同口径评测（输出缩回 1080p 对原片算全参考；文本 NED 同第三节口径）。选样故意偏科：包含了 MediaKit 低清输入下最差的 5 条。

视频	语言	GT 上限 OCR 噪声顶	270p 输入 NED↑	1080p 输入 NED↑	PSNR↑	SSIM↑	LPIPS↓
C0088	cjk	1.00	0.20	1.00	35.56	0.981	0.046
C0108	cjk	0.83	0.20	0.83	36.96	0.983	0.048
C0158	mixed	1.00	0.45	0.96	37.78	0.988	0.046
C0296	cjk	0.63	0.50	0.63	35.45	0.970	0.058
C0101	latin	0.97	1.00	0.97	37.09	0.983	0.054
C0316	latin	1.00	0.86	1.00	33.79	0.968	0.055
C0350	latin	1.00	0.83	0.92	35.82	0.966	0.080
C0074	mixed	1.00	1.00	1.00	38.00	0.967	0.129
C0090	latin	0.20	0.17	0.30	33.71	0.974	0.038
C0306	mixed	0.96	0.01	0.96	37.33	0.978	0.049
均值	—	0.86	0.52	0.86	36.1	0.976	0.060

初步读法（仅 9 条，待扩样确认）

同一批视频，输入从 270p 换成 1080p，文本 NED 从 0.52 → 0.86——MediaKit 表现强烈依赖输入质量，第三节低清下的"文字偏弱"更多是输入质量问题而非能力上限。最极端的 C0306（华为门店招牌）：270p 输入几乎全丢（0.008），1080p 输入直接顶到 GT 上限（0.964）。
8/10 条文本 NED 达到或超过 GT 上限（绿色）：好输入下文字基本无损，与后续文字卡一节互证。
保真同步回升：PSNR 33.7~38.0 / SSIM 0.966~0.988（270p 输入时全量均值 27.6 / 0.870）。
C0090（麦当劳花体 logo）GT 上限只有 0.20——字体认不出，不是分辨率问题。
插曲：C0306 首次提交在平台侧卡了数天无报错，重提后 4.5 分钟完成；任务结果 URL 签名约 3 天过期。均已记入第六节平台反馈。

五、合成文字卡：好输入场景

字号	360p 输入	360p→1080p	540p→1080p	1080p→2K (MediaKit)	1080p→2K (自部署 FastVR)
56px 标题	✅	✅	✅	✅	✅
40px 中英	✅	✅	✅	✅	✅
28px 中文	✅	❌（脑补错字）	✅	✅	✅
28px 英文	✅	✅	✅	✅	✅
24px 跑马灯	❌	⚠️	✅	✅	✅
20px 中英	❌	⚠️~❌	✅~⚠️	✅	✅
16px 中文	丢失	❌	⚠️	✅	✅
12px 中文	丢失	丢失	❌	⚠️	⚠️

540p→1080p 同口径逐行对比（MediaKit vs 自部署扩散重建，谁产生幻觉一目了然）：

这组测试里 MediaKit 12 项指标 10 项第一，NED 0.926 贴近输入上限 0.938——好输入场景下 MediaKit 目前看最稳，但只是合成文字卡一类样本，建议再用自家真实素材复核。各家输出直接对比：

六、初步结论（供讨论，待复核）

成本口径（4 秒/120 帧→1080p；自部署按 4090 48G 租金 ¥4/小时折算，仅 GPU 机时）

文字行（原文）	MediaKit	FastVR 自部署
40px 中文：超分辨率后文字应保持可读	✅ 全对	✅ 全对
28px 中文：汉字笔画密集…火星文	✅ 全对	❌「贸号巴网日銀」
20px 中文：新闻跑马灯…字幕条	⚠️ 错 2 字	❌ 错 3 字
16px 中文	⚠️ 错 1 字	❌ 丢失
40px 英文：ABCDEFG…	✅ 全对	❌「AOpXKABODEFG」
GT-LINE-01：视频超分文字保真 ABC123	✅ 全对	❌「现领超分」
GT-LINE-02：星火文字识别测试 XYZ789	✅ 全对	❌「国火文学」

模型	PSNR↑	SSIM↑	LPIPS↓	DISTS↓	NIQE↓	MANIQA↑	MUSIQ↑	CLIPIQA↑	F1det↑	Acc↑	NED↑	VideoQA
输入 1080p（上限）	—	—	—	—	—	—	—	—	1.000	0.667	0.938	✅ 全对
MediaKit	29.49	0.987	0.023	0.105	6.359	0.486	60.277	0.494	1.000	0.611	0.926	✅ 全对
SeedVR2	17.44	0.871	0.077	0.188	8.360	0.467	61.182	0.443	1.000	0.222	0.687	✅ 全对
FlashVSR	16.96	0.780	0.121	0.161	6.735	0.462	61.162	0.386	0.961	0.200	0.644	✅ 全对
FlashVSR-4K	21.58	0.875	0.062	0.152	8.552	0.406	48.323	0.401	0.941	0.061	0.457	❌
FastVR	26.08	0.971	0.029	0.100	8.448	0.450	58.194	0.395	0.961	0.221	0.795	✅ 全对

方案	单条耗时	吞吐（条/小时）	单条成本	质量定位（94 条初步结果）
FlashVSR	20s	~180	¥0.022	最快，但保真明显弱（PSNR 16.3）
FastVR	41s	~88	¥0.046	均衡：文字 0.721 接近 MediaKit，保真中等
ReCaVSR	44s	~82	¥0.049	未进深度对比
SeedVR2-3B	705s	~5	¥0.78	感知/文字最好，但单价约为 MediaKit 8 倍
MediaKit	~150s	云端并发，不占本地	¥0.10（→2K 约 ¥0.20）	保真最高、免运维；低清源文字中等

自部署未含采购/人力/运维/空闲损耗——若 GPU 已有且摊销，边际成本比表中更低；若现租，表中就是底线。MediaKit 为全包价。速度和质量需要平衡时，FastVR 是自部署里的性价比点，MediaKit 是免运维里的性价比点。

分场景初步建议

场景	初步倾向	依据（均待复核）
高清片源→2K/4K（UGC 提质）	MediaKit	合成文字卡 1080p→2K 接近无损；真实 1080p 素材 10 条初测文本 NED 均值 0.86、8/10 达 GT 上限（见第四节），仍建议用自家素材小批量复核
中等输入 540p→1080p（含文字）	MediaKit	540p 文字卡逐行对比优于 FastVR，未见错字幻觉
真实低清源综合提质	分指标选型	要保真/免运维选 MediaKit；要感知质量与文字选 SeedVR2；NR 指标不可单独采信
低清源救小字（文字/字幕）	SeedVR2-3B	94 条文本 NED 0.770 最高（GT 上限 0.812）；单价高，建议只对高价值内容用，并加 ROI+OCR 门控
大批量、成本敏感	FlashVSR / FastVR	¥0.022~0.046/条，前提是能自维护 GPU
不想管 GPU/运维	MediaKit	目前唯一的免部署选项

局限性（这些都没把握，需要更多人帮忙确认）

对产品了解有限：MediaKit 无公开文档，放大参数（resolution 等）靠试错发现，scene 参数实测无效、≤270p 默认不放大等行为可能随版本变化，建议向火山引擎确认正式用法后再下结论。
样本覆盖不足：只有 94 条 480×270 真实低清源 + 合成文字卡；游戏、动画、夜景、运动剧烈等类型未测。高分辨率真实素材已补 10 条（第四节），量仍偏小。
单次测量：未做置信区间/方差分析；仅验证过相同输入输出逐位一致（流程确定，可复跑）。
评测口径偏置：OCR 用 Apple Vision、VideoQA 用 3B 小模型、NR 指标有已知偏置（会把最糊的评最好），换一套口径排名可能变。
内部实现未知："保真型"只是黑盒行为归纳，不能排除其内部也是生成式方案。

复核入口：文中所有输入/GT/各方案输出的视频与帧图都挂了链接可直接对比；指标由脚本批量产出，原始 JSON 与任务记录可随时提供。

目前可以说的：✅ ≥720p 好输入补 2K 质量可靠（合成卡实测）；✅ 540p 文字内容无错字幻觉；✅ 保真类指标在 94 条上最高
目前要慎重的：⚠️ ≤270p 低清源必须显式传放大参数；⚠️ 低清源文字恢复离 GT 上限有差距（0.734 vs 0.812），欲绝救小字需 ROI+OCR 门控；⚠️ 小笔画逐字保真无一家达标
平台待反馈：非标 URL 静默超时无报错、scene 参数静默无效、≤270p 默认不放大无提示、文档缺 URL 约束与放大参数说明、失败任务无 error_message、相同 URL 去重未文档化、偶发任务长时间 Running 无报错（C0306 首提卡 4 天，重提 4.5 分钟完成）、结果下载 URL 签名约 3 天过期无提示。

报告生成时间：2026-10-16 ｜数据来源：ModelVerse API 实测约 200 任务（94×2 全量 + 探针 + 10 条高清复测，费用 ≈¥21） + Apple Vision OCR 逐帧分析 + CTVid-Bench 全量四层协议评测（94 视频 × 5 方案，pyiqa / Qwen2.5-VL-3B）｜视频与帧图托管于 4090 服务器