RunningHub 发布生成式视频超分模型 RH Upscale，13 组横评综合第一
生成式视频超分普遍会改内容，RH Upscale 用结构-细节双分支加时空门控把生成限制在安全范围内，并按画质与成本分成五档。
视频超分长期存在两难：传统插值放大分辨率却找不回丢失的细节，生成式方法能补细节但容易让人物变样、构图偏移，连续视频里还会闪烁拖影。海马云旗下 RunningHub 发布自研生成式视频超分模型 RH Upscale，目标是在提升分辨率和恢复纹理的同时保持人物、构图、色调与运动的一致性；在 540P 输入、1080P 输出的 13 组横评中，其 Ultra 档以 0.539 综合得分位列第一，并提供 Ultra 到 Low 五档模式兼顾画质与效率。
正文摘录
.jpg) 编辑｜山辉 视频超分一直有个很难绕开的两难。 传统方法能把分辨率拉高，却很难真正找回已经丢失的细节。生成式方法可以「补细节」之后，另一类问题又出现了——人物变样、构图偏移，放到连续视频里，还可能出现闪烁和拖影。 画面要更清楚，原来的内容又不能被改掉。 现在，海马云旗下 RunningHub 正式发布自研生成式视频超分模型 RH Upscale，瞄准的正是这组长期存在的矛盾。在 13 组横向评测中，RH Upscale Ultra 以 0.539 的综合得分位列第一！ RunningHub 是海马云旗下原生 AI 智能体驱动的全能内容创作平台，支持 ComfyUI 工作流、无限画布、AI 应用与模型 API 调用等专业创作工具，覆盖从模型调用到内容生成的多个创作环节。  - 体验链接： https://www.runninghub.cn/call-api/api-detail/2102380957716844546 RH Upscale 把核心目标直接定在了「放大而不改内容」上，在提升分辨率、恢复纹理的同时，尽量保持人物、构图、色调以及运动过程的一致性。