老番/AMV 补帧教程：RIFE 与 Video2X 怎么选
老番、AMV 补帧：不想碰命令行就选 Video2X（Windows 有 GUI 安装程序，内置 RIFE）；想直接用作者最新的 RIFE 模型、愿意敲命令，选 Practical-RIFE（git clone + pip）。本文不含速度数据。
更新：2026-10-16
结论
不想碰命令行，选 Video2X：Windows 有带简体中文界面的 GUI 安装程序，内置 RIFE 插帧（全部模型，经 ncnn/Vulkan 运行）。愿意用命令行、想直接用作者发布的最新 RIFE 模型，选 Practical-RIFE：用 git clone 加 pip 安装。本文不涉及任何速度数据。
对比表
| 项目 | Practical-RIFE | Video2X |
|---|---|---|
| 形态 | 命令行 | GUI（Windows）/ AppImage / Docker / Colab |
| 安装 | git clone + pip install -r requirements.txt（README 标注 python <= 3.11） | Windows 安装程序 6.4.0，界面含简体中文 |
| 硬件（README） | 未给出显存或硬件要求；依赖 PyTorch | 需支持 Vulkan 的 GPU（N 卡 GTX 600 系起，A 卡 GCN 1.0 起，Intel HD 4000 起）；CPU 需 AVX2；未给显存数值 |
| 插帧 | RIFE 系列模型，README 推荐大多数场景默认用 4.25 | RIFE（全部模型） |
| 超分 | 无（另有开发中的 SAFA 视频增强模型） | Anime4K v4、Real-ESRGAN、Real-CUGAN |
| 许可证 | MIT | AGPL-3.0 |
| 最近 commit | 2026-08-27 | 2026-03-07 |
| GitHub 星标 | 1029 | 22264 |
Practical-RIFE 使用流程
以下步骤全部来自 README：
git clone [email protected]:hzwer/Practical-RIFE.git
cd Practical-RIFE
pip3 install -r requirements.txt然后从 README 的模型列表下载一个模型，把其中的 *.py 和 flownet.pkl 放进 train_log/ 目录。
python3 inference_video.py --multi=2 --video=video.mp4--multi=4：4 倍插帧。--scale=0.5：4K 等高分辨率视频建议加上（默认 1.0）。--img=input/：读取 png 序列，文件名要是数字。
README 写明这个项目面向工程师和开发者，并向普通用户推荐 SVFI、RIFE-App、FlowFrames（本站暂未收录）。README 还提到，4.24 以后的模型比较适合给部分扩散模型生成的视频做后处理。
Video2X 使用流程
在 Windows 上下载 6.4.0 安装程序并安装，GUI 的基本用法见 Video2X 官方文档。程序有两种模式：超分（filtering）和插帧（frame interpolation），老番补帧选插帧模式即可。Linux 可以用 AUR 包或 AppImage，也可以用容器镜像。
怎么选
| 场景 | 建议 |
|---|---|
| 只想补帧，不想配 Python 环境 | Video2X |
| 同一个软件里还要做超分 | Video2X |
| 想用指定版本的 RIFE 模型、写脚本批量处理 | Practical-RIFE |
| 用 A 卡或 I 卡 | Video2X（README 写明支持）；Practical-RIFE 的 README 没写硬件要求 |
| 本地显卡不够 | 两者的 README 都提供 Colab |
想要图形界面、又想用 RIFE 4.x 新模型的话，也可以看看 REAL Video Enhancer，它的 README 列出了 RIFE 4.6 到 4.25 等模型。
数据来源与核验日期
核验日期：2026-10-16。
合规提示
AMV 和老番素材的版权属于原作方。请只处理自己有权使用的素材，发布作品时遵守平台规则和版权要求。