本地去水印本地去水印选一张图，主体当场抠出来——或者反过来把主体整个抹掉，背景交给 AI 补全。图片不会离开你的设备。
三步，中间不需要注册。
两个不同的模型，都跑在你自己的机器上。
分割模型（IS-Net）判断哪些像素属于主体，把结果写进 alpha 通道。导出的是真正透明的 PNG，不是铺了白底的矩形。
消除模式把同一张 mask 反过来交给 MI-GAN——也就是去水印功能背后那个修复模型。主体被删掉，背景按周围像素重新画出来。
两个模型都下载到你的机器上，通过 WebAssembly 运行。没有任何一次请求带着图片数据出去——打开开发者工具的网络面板就能自己核实。
抠图的成败全在边缘，所以可以放大到 32 倍、拖竖线对比前后，而不是靠一张缩略图判断好不好。
不加水印、不用付费解锁分辨率、没有每日额度。alpha 通道按算出来的样子原样保留。
第一次用要拉约 95 MB 的模型和运行时。CDN 给的缓存是 4 小时，所以同一次使用里的第二张图立刻就开始。消除主体首次使用会再下 28 MB。
需要抠图的，往往正是那些不太想交出去的照片：还没发布的产品图、证件照、人像、内部系统的截图。而所有在线抠图服务的第一步，都是让你把这些文件上传上去。
这个工具把那一步整个去掉了。模型下载一次，之后计算就发生在图片本来所在的地方。不存在「要不要信任这个服务器」的问题，因为链路里根本没有服务器。
代价也说清楚：你是用一次较大的下载，换掉了「把图发给别人的 GPU 跑一趟」。
主体和背景分得清的时候最稳：人、商品、动物，只要轮廓明确、颜色和背景不雷同就行。日常需要抠图的场景大多属于这一类。
它的短板也正是这类模型共同的短板——细碎的头发、毛发、运动模糊、玻璃、烟雾，以及任何半透明的东西。这些地方的 alpha 过渡只有几个像素宽，本该柔和的边缘会被切成硬边。
消除主体还有另一层限制：它是照着周围像素往里填的，所以背景连续时（墙面、天空、草地）很自然，背景本身有结构时（门框、书架、另一个人的脸）就会露馅。主体占的面积越大，模型自由发挥的成分越多。
尽量给具体数字，而不是「安全可靠」这种话。
不会。图片解码到 canvas，模型通过 WebAssembly 在你自己的 CPU 上跑，结果写回本地。整个过程里唯一的网络请求就是那几次模型下载。
第一次抠图要下载约 95 MB：84 MB 的分割模型加 11 MB 的 ONNX Runtime WebAssembly。之后 CDN 缓存 4 小时，同一次使用里的第二张图立刻开始。
消除主体首次使用会再下 28 MB 的 MI-GAN。那一个是用浏览器 Cache API 存的，缓存之后断网也能用。
它们共用同一次分割推理，只是把结果用在了相反的方向。保留主体把 mask 写进 alpha 通道，于是背景消失；消除主体把 mask 反过来做修复，于是主体消失、背景被补上。
来回切换不会重跑分割——另一种模式算过一次之后，这张图上就缓存住了。
保留主体模式下是的。下载的是带真实 alpha 通道的 PNG，预览里之所以铺棋盘格就是为了让你看出哪里透明。消除主体的结果是完全不透明的，因为背景是被补上了而不是被去掉了。
抠图按你给的分辨率处理。消除主体的修复推理长边上限 4096 像素，超过的会先等比缩小再推理、之后放大贴回，所以超大图只在被补全的那块区域上损失一些细节。
免费，不需要账号，输出不带水印。因为没有服务器成本要摊——计算是你自己的机器做的。