懒人去水印：在浏览器里把水印“还原”回来

利益相关声明：作者与文中产品有直接的利益相关（开发者、自家产品等）

很多人和我一样，用 Gemini 生成图、用 NotebookLM 整理材料。好用是真好用，水印也是真碍眼。更关键的是：为了清理一枚水印，把包含内部数据的文件上传到第三方服务，并不值得。

LazySo懒人去水印是我做的一个纯前端AI去水印工具。所有处理都在你的浏览器完成，不需要注册，也不需要把文件发往服务器。打开页面、上传图片或 PDF，就能开始工作。

支持项：

移除 Gemini（Nano banano）图片水印

移除 NotebookLM 导出的 PDF 水印

处理普通图片水印，以及豆包/可灵平台的水印

可手动涂抹、指定水印位置

免费使用，无需登录；建议在 PC 端 Chrome/Edge 以获得更好性能

为什么做这个工具

我经常需要把生成的图片或文档要发给读者或放到报告里。

水印虽然不影响理解，但会影响阅读体验；涉及公司数据或私人照片时，更不愿意为了去水印把文件上传到陌生服务器。于是我做了这个工具：不上传、无数据库，所有计算在本地显卡完成。

多数去水印工具会先把水印区域挖空，再用 Inpainting 估计缺失内容。这样通常会丢细节。Gemini 的可见水印更简单：它是一个固定透明度的叠加层，所以可以直接做反向 Alpha 混合，找回被覆盖的像素。

计算方式是：

其中 C_composite 是带水印的像素，C_watermark 是水印颜色（常见是白色），α 是透明度。工具里内置了不同尺寸的透明度图谱，上传后自动对齐并逐像素计算。在多数场景下，纹理、文字和噪点都能原样恢复。

豆包和可灵的水印位置不固定、与背景融合更复杂，需要模型来识别和重绘。为了不上传任何数据，参考网上现成方案，采用端侧推理：用 ONNX Runtime Web 在浏览器加载轻量模型，所有计算走 WebGL/WebGPU。

流程分两步：

检测：用 YOLOv8 自动定位水印区域

重绘：用 MiGAN 根据周围语义补全被遮挡的内容

这种方式比简单模糊更自然，尤其在有结构的图像里效果更稳定。

后面优化了批量处理，方便同时处理多张图片

NotebookLM 的文档通常页数多、每页都有水印。为避免浏览器卡顿，PDF 模式采用类似 Telea 的扩散修复算法。它沿着边缘向内渗透、混合，处理纯色背景或文本页面几乎是即时完成，适合批量清理。

当自动识别不理想，或你想直接消除画面中的任意物体（路人、杂物）时，使用手动模式。它更接近“在线版的 Photoshop 修复画笔”，属于交互式 AI 修复（Interactive Inpainting）。

交互：在画布上用画笔涂抹，生成自定义掩码（Mask）

模型：MiGAN（生成对抗网络）在浏览器端本地推理（migan.onnx）

流程：涂抹标记待修复区域 → 加载模型 → 根据周围纹理与结构重绘并填充

区别：自动版用 YOLO 自动定位水印；手动版由你指定修复区域，指哪修哪

纯前端：不上传、不留底，处理过程都在本地显卡完成

加速：WebGL/WebGPU 和 WASM 协同，交互流畅

成本：没有服务器资源，自然也没有订阅门槛

选择对应模式（Gemini、豆包/可灵、NotebookLM，手动涂抹）

上传图片或 PDF，预览效果后导出

Local-first 并不是退一步，而是另一条成熟路径。当浏览器足够强，很多需求可以在端侧完成，而且更干净、更安心。