Unduh Real-ESRGAN: Panduan Instalasi dan Penggunaan

Halo, saya Dora. Pertama kali saya mengetik “real-esrgan download” saya tidak sedang mengejar keajaiban. Saya hanya ingin membersihkan foto produk yang buram tanpa harus membuka lusinan tab atau bergulat dengan GUI yang berusaha terlalu keras untuk membantu. Saya sudah melihat Real-ESRGAN disebut-sebut selama bertahun-tahun, tapi saya terus melewatkannya karena setiap panduan terdengar lebih ribet dari alatnya sendiri. Di awal Maret 2026, saya akhirnya duduk dengan tujuan sederhana: instal dengan aman, jalankan beberapa gambar, dan lihat di mana ia cocok digunakan.

Inilah yang saya pelajari, apa yang masih dikerjakan Real-ESRGAN dengan baik, di mana mengunduhnya tanpa masalah, dan kendala pengaturan kecil yang sempat menghalangi saya sebelum semuanya menjadi kebiasaan.

Kegunaan Terbaik Real-ESRGAN

Dasar-dasar upscaling gambar

Saya menganggap upscaling lebih sebagai perbaikan daripada keajaiban. Real-ESRGAN mengambil gambar beresolusi rendah dan memprediksi detail yang hilang sehingga Anda bisa menggunakannya pada skala 2× atau 4× tanpa tepi yang terlihat kasar. Model ini dilatih pada degradasi dunia nyata (bukan sekadar noise lab yang rapi), yang penting ketika sumber gambar Anda adalah tangkapan layar dari blog tahun 2017 atau foto WhatsApp terkompresi yang tidak bisa Anda ambil ulang.

Ketika saya menguji pada Maret 2026 di laptop Windows 11 (RTX 3060) dan MacBook Air (M2), Real-ESRGAN menghasilkan hasil yang solid dan konsisten pada:

• Tangkapan layar UI lama dan grafik slide
• Label produk, kemasan, dan tekstur sederhana
• Logo tanpa teks kecil

Ini bukan alat “wow”, melainkan alat yang bisa diandalkan. Itu adalah pujian.

Di mana ia masih bertahan

Saya membandingkannya dengan beberapa opsi berbayar dan wrapper yang sudah saya gunakan. Real-ESRGAN tetap unggul ketika:

• Inputnya cukup bersih tapi kecil. Ia mengisi tepian tanpa menciptakan detail berlebihan yang mencolok.
• Anda lebih peduli konsistensi di seluruh batch (banner media sosial, gambar dokumentasi) daripada kesempurnaan per gambar.
• Anda menginginkan jalur yang bisa di-script dan tidak berubah-ubah setiap bulan. Developer yang lebih menyukai pipeline API sering mengeksplorasi panduan tentang cara menggunakan Z-Image Turbo API untuk alur kerja pembuatan gambar otomatis.

Di mana ia kurang optimal: teks yang sangat halus, wajah, dan pemandangan alam yang ramai (dedaunan, rambut). Anda bisa memadukannya dengan perbaik wajah, tapi saya lebih suka menjaga ekspektasi sederhana—scale dulu, lalu putuskan apakah perlu proses kedua di tempat lain.

Di Mana Mengunduh Real-ESRGAN dengan Aman

Sumber resmi atau terpercaya

Bagian ini penting. Hasil pencarian penuh gangguan, dan build dari mirror bisa membawa kejutan tak diinginkan. Yang berhasil bagi saya:

• Repositori resmi: Real-ESRGAN di GitHub (xinntao)
• Bagus untuk implementasi Python/PyTorch, dokumentasi, dan skrip inferensi.
• CLI prebuilt (cepat, tanpa Python): rilis realesrgan-ncnn-vulkan dan repositori biner yang dikelola oleh nihui yang tertaut di sana. Ini adalah alat command-line kecil untuk Windows, macOS, dan Linux.
• PyPI (jika Anda lebih suka pip): realesrgan di PyPI, periksa maintainer dan catatan versi terhadap readme GitHub sebelum mempercayainya di server produksi.
• Untuk spesifik CUDA/PyTorch: instal dari situs resmi PyTorch agar cocok dengan driver GPU Anda.

Aturan sederhana yang saya ikuti: jika sebuah halaman tidak menautkan kembali ke repositori GitHub utama atau profil maintainer, saya keluar.

File yang sebenarnya Anda butuhkan

Ini bergantung pada jalur yang Anda pilih:

• Biner ncnn-vulkan (mulai cepat): unduh arsip untuk OS Anda dari halaman rilis. Sudah termasuk file executable dan model. Ekstrak ke tempat yang Anda kontrol (misalnya, folder tools, bukan Downloads).
• Jalur Python/PyTorch: clone repo dari GitHub, lalu ambil bobot model. Yang umum adalah:
• RealESRGAN_x4plus.pth (umum 4×)
• RealESRGAN_x4plus_anime_6B.pth (anime/line art)

Jika sebuah unduhan meminta installer dengan perubahan di seluruh sistem untuk CLI sederhana, saya berhenti sejenak. ZIP portabel dan repo yang di-clone sudah cukup bagi saya.

Cara Menginstal Real-ESRGAN

Jalur pengaturan dasar

Saya mencoba dua jalur pada Maret 2026:

1. ncnn-vulkan (tanpa Python, paling cepat ke hasil pertama)

• Unduh zip realesrgan-ncnn-vulkan terbaru untuk OS Anda.
• Ekstrak ke sesuatu seperti C:/tools/realesrgan atau ~/tools/realesrgan.
• Opsional: tambahkan folder ke PATH agar Anda bisa menjalankan perintah dari mana saja. Awalnya saya tidak melakukan itu: saya hanya cd ke dalam folder. Keduanya berfungsi.

2. Python/PyTorch (lebih fleksibel, bisa di-script)

• Instal PyTorch dengan versi CUDA yang tepat (di Windows dengan NVIDIA) dari selektor resmi. RTX 3060 saya membutuhkan driver CUDA 12.x: ketidakcocokan versi menyebabkan error yang membingungkan.
• Clone repo Real-ESRGAN dari GitHub.
• Instal requirements dengan pip di dalam virtual environment.
• Unduh bobot model .pth ke dalam folder weights (readme repo menunjukkan jalur yang tepat). Kemudian gunakan skrip inferensi yang disediakan.

Kedua jalur tersebut baik-baik saja. Jika Anda hanya ingin melakukan upscaling gambar tanpa menyentuh Python, ncnn-vulkan adalah awal yang paling tenang.

Yang biasanya dilewatkan pengguna pertama kali

Ini juga sempat menghalangi saya:

• Penempatan model: skrip Python mencari model di folder tertentu. Jika tidak menemukan .pth, ia diam-diam memilih default atau menghasilkan error.
• Ekspektasi GPU: PyTorch membutuhkan build CUDA yang cocok dengan driver Anda. Jika “torch.cuda.is_available()” bernilai False padahal Anda berharap True, Anda tidak gila—versi Anda saja yang tidak cocok.
• Tile dan memori: upscale 4× pada gambar besar bisa melampaui batas VRAM. Ukuran tile yang lebih kecil membantu, meskipun sedikit lebih lambat.
• Nama file dengan spasi: CLI baik-baik saja dengan tanda kutip, tapi saya tetap membuat file uji dengan nama sederhana sampai semuanya berfungsi.

Cara Menjalankan Uji Coba Pertama Anda

Alur kerja input gambar

Saya memulai dengan satu tangkapan layar kecil yang jelek. Dengan ncnn-vulkan, dari folder yang diekstrak:

• Di Windows atau macOS Terminal: ./realesrgan-ncnn-vulkan -i input.jpg -o output.png

Ini menggunakan model 4× default. Jika berjalan, Anda sudah sebagian besar berhasil.

Dengan skrip Python (dari root repo):

• python inference_realesrgan.py -n RealESRGAN_x4plus -i path/to/input.jpg -o path/to/output.png --outscale 4

Jalankan pertama kali membutuhkan beberapa menit dari awal hingga selesai, terutama karena saya memeriksa ulang bahwa saya menggunakan model yang tepat. Setelah dua atau tiga gambar, saya tidak lagi memikirkannya.

Pengaturan output untuk pemula

Saya membuatnya sederhana di awal:

• Skala: 2× untuk gambar media sosial yang akan Anda kompres lagi; 4× ketika Anda membutuhkan lebih banyak ruang untuk crop.
• Format: PNG ketika Anda akan mengedit lebih lanjut; JPEG ketika Anda sudah selesai dan menginginkan file yang lebih kecil.
• Model: x4plus untuk foto umum dan UI; model anime untuk line art, ikon, atau seni bergaya manga.

Jika hasilnya terlihat sedikit “plastik,” saya mencoba 2× alih-alih 4× dan sedikit mempertajam di editor. Dan jika teks kecil masih buram, saya menerima batasannya dan mengganti teks secara manual. Itu bukan kegagalan—itu hanya batas jujur dari model tersebut.

Masalah Pengaturan Umum dan Solusinya

Dependensi yang hilang

• PyTorch tidak melihat GPU Anda: instal ulang PyTorch dengan build CUDA yang tepat yang didukung driver Anda (gunakan selektor resmi). Jika Anda menggunakan GPU laptop, perbarui driver terlebih dahulu.
• Runtime Visual C++ di Windows: jika binary mengeluhkan DLL yang hilang, instal Microsoft Visual C++ Redistributable terbaru.
• Izin macOS: jika aplikasi “dari developer yang tidak dikenal,” klik kanan Open sekali untuk memasukkannya ke whitelist.

Masalah jalur / file model

• Jalur Python: pastikan file .pth berada di folder weights yang diharapkan skrip. Gunakan flag nama model yang tepat (misalnya, -n RealESRGAN_x4plus).
• ncnn-vulkan: jalankan dari folder yang berisi executable dan model, atau berikan jalur lengkap. Jika mengatakan tidak bisa memuat model, Anda mungkin memindahkan exe tanpa modelnya.
• Spasi dalam jalur: gunakan tanda kutip. Saya masih lebih suka jalur pendek dan sederhana untuk skrip yang bisa diulang.

Masalah GPU atau performa

• Error VRAM: kurangi ukuran tile (kedua implementasi mendukung tiling). Ini lebih lambat tapi lebih stabil.
• Gangguan backend Vulkan: perbarui driver GPU. Pada iGPU Intel yang lebih lama, saya pernah melihatnya gagal tanpa pesan error—mencoba mesin yang berbeda menghemat waktu saya.
• Panas berlebih di laptop: batch panjang akan menyebabkan throttling. Saya mengatur jumlah thread yang lebih rendah atau mengambil jeda di antara batch. Lebih lambat lebih baik daripada crash di 95%.

Real-ESRGAN dalam Alur Kerja Nyata

Ketika ia cukup sendiri

Real-ESRGAN membuktikan nilainya pada tugas-tugas yang tenang dan berulang:

• Menyegarkan tangkapan layar lama untuk dokumentasi tanpa harus mengambil ulang alurnya
• Membuat foto produk kecil bisa digunakan untuk newsletter, atau bahkan mengubah foto produk menjadi video AI singkat, yang kini dilakukan beberapa kreator dengan alat seperti Seedance.
• Upscaling ikon dan grafik sederhana sebelum proses desain

Dalam pengujian Maret saya, batch 40 tangkapan layar membutuhkan sekitar 8–10 menit di RTX 3060 menggunakan ncnn-vulkan. Tidak lebih cepat dari beberapa GUI, tapi lebih ringan untuk perhatian saya. Mulai, cek sekali, lanjutkan.

Ketika pengguna beralih ke Topaz atau wrapper

Jika Anda menginginkan UI yang ramah, preset batch, atau generator gambar AI yang lebih modern seperti Z-Image Turbo, wrapper dan aplikasi berbayar bisa membantu.

• Upscayl dan chaiNNer memberikan Real-ESRGAN UI yang sederhana.
• Topaz Gigapixel AI cenderung lebih baik dengan wajah, rambut, dan tekstur alam yang ramai. Ia juga menangani crop agresif dengan lebih sedikit halo.

Saya masih menjangkau Real-ESRGAN terlebih dahulu ketika saya membutuhkan 2×/4× yang andal tanpa kerumitan. Jika gambar melawan balik—teks serif kecil, latar belakang berbintik—saya mencoba proses kedua di alat lain. Tidak ada heroisme, hanya dorongan kecil di mana ia membantu.

Catatan kecil tentang “real-esrgan download”: mencari frasa tepat itu terus membawa saya ke situs aggregator. Tautan GitHub resmi tetap menjadi jalur yang paling bersih. Jika Anda menghadapi kendala serupa, ada baiknya mencoba. Saya tidak punya penutup yang rapi di sini, hanya bahwa alat ini memudar ke latar belakang setelah sehari—yang biasanya menjadi tanda saya untuk tetap menggunakannya.