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 / 7B	SeedVR2 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 Mbps	705.5 / 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 Mbps	159.1 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 temporal	ClearText-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 / 24fps	40 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 / 24fps	40 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）	0.832	0.958	0.109	—	—	—	—	—	—	—	—
numz 3B（lab）	0.794	0.944	0.153	0.819	0.25%	29.26	0.890	0.109	0.060	158.2 / 152.4	0.176 / 0.169
官方 7B	0.792	0.945	0.159	0.817	0.17%	28.28	0.883	0.126	0.062	823.8 / 755.0	0.915 / 0.839
★ numz 3B（wavelet）	0.791	0.945	0.161	0.816	0.36%	29.31	0.889	0.107	0.058	159.1 / 151.1	0.177 / 0.168
E1 colorfix	0.753	0.935	0.200	0.777	0.52%	26.98	0.856	0.135	0.066	192.2 / 182.3	0.214 / 0.203
官方 3B	0.747	0.934	0.201	0.770	0.41%	27.49	0.865	0.136	0.066	705.5 / 699.0	0.784 / 0.777
E1 无损（= 官方 3B 逐位）	0.747	0.934	0.201	0.770	0.41%	27.49	0.865	0.136	0.066	192.6 / 180.0	0.214 / 0.200
bicubic（无损）	0.669	0.908	0.324	0.691	0.67%	27.87	0.866	0.281	0.152	CPU	≈0
MediaKit（云端）	0.656	0.898	0.332	0.677	0.61%	27.48	0.868	0.192	0.118	云端 ≈150 s	0.10*
FastVR	0.604	0.887	0.380	0.624	0.22%	26.18	0.823	0.183	0.100	40.4 / 33.2	0.045 / 0.037
FlashVSR+ Turbo	0.581	0.871	0.398	0.599	0.34%	26.11	0.822	0.160	0.086	37.6 / 31.3	0.042 / 0.035
FlashVSR+ Base	0.560	0.863	0.427	0.578	0.38%	24.85	0.801	0.171	0.093	49.2 / 43.1	0.055 / 0.048
FlashVSR	0.549	0.853	0.442	0.562	0.56%	25.15	0.791	0.179	0.094	20.0 / 19.1	0.022 / 0.021
ReCaVSR	0.524	0.842	0.431	0.542	0.59%	26.59	0.830	0.150	0.078	58.3 / 44.7	0.065 / 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	ΔAcc	ΔAcc_rd	Δ翻转率	ΔPSNR	ΔLPIPS	Δ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]	0	0	0	0	−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	ΔAcc	ΔPSNR
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）	0.885	0.831	0.747	0.832	—
numz 3B（lab）	0.853	0.820	0.622	0.794	−0.125
★ numz 3B（wavelet）	0.862	0.810	0.616	0.791	−0.131
官方 7B	0.879	0.817	0.573	0.792	−0.174
官方 3B	0.824	0.788	0.500	0.747	−0.247
E1 无损（= 官方 3B）	0.824	0.788	0.500	0.747	−0.247
MediaKit	0.765	0.710	0.318	0.656	−0.429
FlashVSR+ Turbo	0.735	0.570	0.347	0.581	−0.400
FastVR	0.754	0.612	0.322	0.604	−0.425
FlashVSR	0.738	0.523	0.298	0.549	−0.449
ReCaVSR	0.680	0.527	0.251	0.524	−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

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
N480	H3 原生 480p（832×480）	1872×1080（×2.25）	prompt 原文 + 原生输入 OCR 过滤	无	40 · 英文
N768	H3 原生 768p（1344×768）	1890×1080（×1.406）	同上	无	40 · 英文
S768	降采样 832×480 + H.264 crf23	1344×768（×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）	0.202	0.818	0.182	0.994	0.006	0.033	0.0	0.66	0.266	0.859	0.141	1.0	0.0	0.015	0.002	0.565	0.57	0.838	0.162	0.971	0.029	0.029	0.026	0.372
GT 原片	—								—								0.58	0.889	0.111	1.0	0.0	0.018	0.001	0.382
Bicubic	0.174	0.79	0.21	0.99	0.01	0.015	0.032	0.716	0.271	0.839	0.161	0.996	0.004	0.019	0.001	0.571	0.548	0.851	0.149	0.969	0.031	0.02	0.004	0.405
FastVR	0.127	0.762	0.238	0.985	0.015	0.038	0.01	0.756	0.248	0.814	0.186	0.996	0.004	0.015	0.003	0.616	0.514	0.756	0.243	0.976	0.024	0.014	0.04	0.458
FlashVSR v11	0.142	0.771	0.229	0.988	0.012	0.052	0.005	0.718	0.199	0.774	0.226	0.997	0.003	0.031	0.006	0.649	0.453	0.693	0.307	0.996	0.004	0.012	0.096	0.503
FVP Turbo	0.144	0.781	0.219	1.0	0.0	0.064	0.003	0.729	0.22	0.802	0.198	0.995	0.005	0.021	0.006	0.652	0.46	0.695	0.305	0.973	0.027	0.01	0.084	0.487
ReCaVSR	0.094	0.66	0.34	0.985	0.015	0.043	0.02	0.801	0.073	0.539	0.461	0.986	0.014	0.021	0.075	0.842	0.324	0.546	0.454	0.953	0.047	0.004	0.319	0.619
官方 3B	0.222	0.805	0.195	0.995	0.005	0.017	0.002	0.579	0.203	0.827	0.173	0.986	0.014	0.026	0.0	0.493	0.531	0.78	0.22	0.991	0.009	0.044	0.027	0.417
numz 版 3B	0.186	0.834	0.166	1.0	0.0	0.045	0.0	0.549	0.254	0.832	0.168	0.995	0.005	0.032	0.0	0.584	0.481	0.772	0.228	0.988	0.013	0.037	0.012	0.454
numz 版 7B	0.231	0.819	0.181	0.996	0.004	0.043	0.0	0.638	0.115	0.788	0.212	0.99	0.01	0.07	0.008	0.62	0.559	0.783	0.217	0.984	0.016	0.004	0.01	0.4
（该格覆盖的 clip 数）	40	—	40	40	40	40	40	20	40	20	40	—	40	40	40	40	40	20	40	19	40	40	40	40	40	40	40	20	40	20

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
Bicubic	33.67	0.9517	0.0715	0.053	40 条
FastVR	23.89	0.8281	0.1032	0.0674	40 条
FlashVSR v11	27.24	0.8709	0.1121	0.0733	40 条
FVP Turbo	23.19	0.7975	0.1114	0.0657	40 条
ReCaVSR	23.48	0.8036	0.1323	0.0882	40 条
官方 3B	22.78	0.8147	0.1271	0.0746	20 条
numz 版 3B	23.4	0.8168	0.1171	0.0721	40 条
numz 版 7B	24.18	0.832	0.1045	0.0609	20 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	—	—	—	—	0.0334	0.0336
FastVR	0.1636	0.1437	0.1105	0.0698	0.1385	0.0805
FlashVSR v11	0.1847	0.1554	0.123	0.0849	0.1531	0.0972
FVP Turbo	0.1868	0.153	0.1147	0.0774	0.1482	0.0888
ReCaVSR	0.1706	0.1397	0.1053	0.0693	0.136	0.0864
官方 3B	0.2157	0.1555	0.1254	0.0783	0.1652	0.095
numz 版 3B	0.1756	0.1581	0.1179	0.0868	0.1646	0.1052
numz 版 7B	0.168	0.1465	0.0989	0.0736	0.146	0.0916

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」

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? …」

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	¥0.035–0.042	Turbo 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	¥0.78	0.747
对照：官方 7B	¥0.84–0.92	0.792
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	ΔAcc	Δ翻转率	ΔPSNR	ΔLPIPS	p10 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 NED	0.871 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 s	60.7%	conv 34.9 s · copy 27.3 s
VAE encode（降采样到 latent）	30.4 s	22.4%	conv 13.3 s · copy 9.3 s
DiT（3B 主干）	21.8 s	16.1%	GEMM 7.7 s · elementwise 8.0 s
后处理（写 mp4 等）	1.2 s	0.9%	—
合计	135.97 s	100%	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) → 512	145	606.9	149.4	91.0%	5340 FLOP/B	算力受限，到顶
Conv3d (256,6,138,962) → 256	290	536.0	137.6	83.8%	2723 FLOP/B	算力受限
Conv3d (128,6,183,963) → 128	580	357.0	116.3	70.8%	1369 FLOP/B	算力受限
Conv3d 1×1×1 (256,5,544,960) → 1024	1	1.4	0.4	0.3%	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 GB	9,479	1.83 s	4.1 GB/s	0.8 MB	PCIe 4.0 x16 理论 31.5 GB/s
Device → Host	7.49 GB	1,495	4.03 s	1.9 GB/s	1 KB	PCIe 4.0 x16 理论 31.5 GB/s
Device → Device（卡内搬运）	15.24 GB	135	0.033 s	462 GB/s	113 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	说明
ComfyUI 包	6,131	全量扫描
ModelScope SeedVR2 仓库	45	—
FlashVSR 仓库	9	—
能加载到 SeedVR2 / FlashVSR 的 LoRA 权重	2	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 Acc	C0011 NED	C0011 翻转率	AIGC 2 条 Acc	AIGC 2 条 NED
官方 3B 对照	Apache-2.0	0.867	0.988	0.138	0.073	0.740
3B + 自研 rank-16（探针权重，未训练）	Apache-2.0 + 自训	0.833	0.984	0.276	0.056	0.775
FlashVSR v1.1 base	Apache-2.0	0.000	0.498	1.000	0.006	0.675
FlashVSR + Lada LoRA	AGPL-3.0	0.000	0.511	1.000	0.039	0.688
bicubic（AIGC 2 条对照）	—	—	—	—	0.157	0.796

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。

FlashVSR base

+ Lada LoRA

SeedVR2 对照

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 / 36f	0.398 s/step，峰值 16.84 GiB	—
384px / 36f	1.052 s/step	—
512px	OOM	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。

E1 无损	94/94 条、11,280 帧逐帧一致
numz b121	单条 159.1 s，p10 151.1 s
layout / copy	112.10 s（上一版记录 105.4 s 口径不同）
GN 融合	101.43 s，torch.equal = True，mp4 md5 一致
待补	94 条 A/B + 与 numz_wavelet 的非劣检验