Spaces:

hello10000
/

startagain

Running

SoraWaterMarkDetector：我们训练了一个 yolov11s 版本来检测 Sora 水印。（感谢 YOLO！）
WaterMarkCleaner：我们参考了 IOPaint 的实现，使用 LAMA 模型进行水印移除。

（此代码库来自 https://github.com/Sanster/IOPaint#，感谢他们的出色工作！）

我们的 SoraWm 完全由深度学习驱动，在许多生成的视频中都能产生良好的效果。

2. 安装

视频处理需要 FFmpeg，请先安装它。我们强烈推荐使用 uv 来安装环境：

安装：

uv sync

现在环境将被安装在 .venv 目录下，你可以使用以下命令激活环境：
source .venv/bin/activate

下载预训练模型：

训练好的 YOLO 权重将存储在 resources 目录中，文件名为 best.pt。它将从 https://github.com/linkedlist771/SoraWatermarkCleaner/releases/download/V0.0.1/best.pt 自动下载。Lama 模型从 https://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt 下载，并将存储在 torch 缓存目录中。两者都是自动下载的，如果失败，请检查你的网络状态。

3. 一键便携版

对于不想手动安装的用户，我们提供了一键便携版本，包含所有预配置的依赖项，开箱即用。

下载链接

Google Drive（谷歌云盘）：

从 Google Drive 下载

百度网盘（推荐国内用户使用）：

链接：https://pan.baidu.com/s/1i4exYsPvXv0evnGs5MWcYA?pwd=3jr6
提取码：3jr6

特点

✅ 无需安装
✅ 包含所有依赖
✅ 预配置环境
✅ 开箱即用

只需下载、解压并运行！

4. 演示

基本用法，只需尝试 example.py：


from pathlib import Path
from sorawm.core import SoraWM


if __name__ == "__main__":
    input_video_path = Path(
        "resources/dog_vs_sam.mp4"
    )
    output_video_path = Path("outputs/sora_watermark_removed.mp4")
    sora_wm = SoraWM()
    sora_wm.run(input_video_path, output_video_path)

我们还提供了基于 streamlit 的交互式网页界面，使用以下命令尝试：

streamlit run app.py

5. WebServer

在这里，我们提供了一个基于 FastAPI 的 Web 服务器，可以快速将这个水印清除器转换为服务。

只需运行：

python start_server.py

Web 服务器将在端口 5344 启动，你可以查看 FastAPI 文档了解详情，有三个路由：

submit_remove_task:

上传视频后，会返回一个任务 ID，该视频将立即被处理。
get_results:

你可以使用上面的任务 ID 检索任务状态，它会显示视频处理的百分比。一旦完成，返回的数据中会有下载 URL。

downlaod:

你可以使用第2步中的下载 URL 来获取清理后的视频。

6. 数据集

我们已经将标注好的数据集上传到了 Hugging Face，请查看 https://huggingface.co/datasets/LLinked/sora-watermark-dataset。欢迎训练你自己的检测模型或改进我们的模型！

7. API

打包为 Cog 并发布到 Replicate，便于基于 API 的简单使用。

8. 许可证

Apache License

9. 引用

如果你使用了这个项目，请引用：

@misc{sorawatermarkcleaner2025,
  author = {linkedlist771},
  title = {SoraWatermarkCleaner},
  year = {2025},
  url = {https://github.com/linkedlist771/SoraWatermarkCleaner}
}

10. 致谢

IOPaint 提供的 LAMA 实现
Ultralytics YOLO 提供的目标检测