Pilih foto Anda
Letakkan gambar JPG, PNG, WebP, GIF, atau BMP pada alat, atau klik untuk memilih dari perangkat.
Pisahkan subjek foto dengan jaringan saraf yang berjalan di WebAssembly langsung di browser. Pilih dari empat model, sempurnakan tepi, lalu unduh PNG transparan tanpa tanda air. Gambar tidak pernah diunggah.
JPG, PNG, WebP, GIF, atau BMP. Satu gambar per proses memberikan hasil pemisahan paling bersih.
Foto tidak pernah meninggalkan perangkat AndaPisahkan subjek foto dengan AI tanpa memasang perangkat lunak atau menyerahkan berkas ke server.
Letakkan gambar JPG, PNG, WebP, GIF, atau BMP pada alat, atau klik untuk memilih dari perangkat.
Pilih model, lalu pilih Hapus latar. Penggunaan pertama mengunduh model tersebut; foto berikutnya dengan model yang sama diproses jauh lebih cepat.
Periksa hasil pada latar kotak-kotak, pertahankan transparansi atau tambahkan warna, lalu unduh berkas.
Alih-alih mengirim gambar ke server, model diunduh sekali lalu bekerja di perangkat Anda sendiri.
| Lapisan | Fungsi | Lokasi pemrosesan |
|---|---|---|
| ONNX Runtime Web | Menjalankan jaringan saraf melalui WebAssembly yang dikompilasi untuk browser | Browser Anda |
| Model pilihan Anda | U2Netp, Silueta, MODNet, atau BiRefNet-lite melihat salinan kecil foto dan memprediksi piksel yang termasuk subjek | Browser Anda |
| Filter berpandu | Menyesuaikan prediksi kasar dengan tepi sebenarnya pada foto ukuran penuh, lalu menggeser, menghaluskan, dan membersihkan warna | Browser Anda |
| Kanvas | Menulis mask yang disempurnakan ke kanal alpha piksel asli | Browser Anda |
Empat jaringan disertakan bersama alat, semuanya dirilis dengan lisensi sumber terbuka permisif dan berjalan di perangkat Anda sendiri.
| Model | Unduh | Paling cocok untuk | Kebutuhan sumber daya |
|---|---|---|---|
| Cepat · U2Netp | 4.4 MB | Produk, logo, dan subjek lain dengan garis tepi bersih | Minimal. Pilihan bawaan, cepat di semua perangkat |
| Lebih baik · Silueta | 42 MB | Subjek dengan bagian tipis, seperti lengan, tali, roda sepeda, dan ranting | Unduhan pertama lebih lama, lalu kecepatannya sama dengan Cepat |
| Potret · MODNet | 6.6 MB | Orang dan hewan peliharaan yang helai rambut, bulu, dan janggutnya perlu dipertahankan | Beberapa detik per foto, dan mengharapkan subjek orang atau hewan |
| Ultra · BiRefNet-lite | 94 MB | Subjek yang memerlukan tepi sempurna: rambut, bulu, kaca, buram gerakan, latar rumit | Unduhan terbesar dan beberapa detik tambahan per foto, tetapi menghasilkan alpha matte dengan kualitas tertinggi yang tersedia di browser |
Belum yakin? Mulai dengan Cepat. Jika anggota tubuh atau tali terpotong, jalankan foto yang sama dengan Lebih baik. Jika garis rambut tampak seperti dilukis, gunakan Potret. Jika tepi harus sempurna untuk semua subjek, gunakan Ultra. Setiap model diunduh sekali lalu disimpan di cache.
Semua kebutuhan memisahkan subjek tanpa menyerahkan foto.
Mesin dan model diambil sekali dari situs ini, lalu semua pemrosesan berlangsung secara lokal di perangkat Anda.
Empat jaringan terlatih, dari detektor 4,4 MB hingga model segmentasi dikotomis mutakhir yang mengenali helai rambut tunggal, sehingga subjek dipisahkan, bukan ditebak dari rentang warna.
Hasil ditampilkan pada latar kotak-kotak agar Anda dapat melihat tepatnya piksel yang dihapus sebelum mengunduh.
Pertahankan kanal alpha kosong, atau tambahkan putih, hitam, maupun warna khusus untuk tempat yang tidak mendukung transparansi PNG.
Semua gambar yang dapat didekode browser dapat digunakan. Keluaran selalu PNG karena format ini didukung luas dan membawa transparansi.
Ukuran: gambar dengan lebar atau tinggi di atas 4096 piksel diperkecil hingga batas tersebut sebelum pemisahan, agar foto sangat besar tetap responsif.
Tidak. Jaringan saraf, mesin WebAssembly, dan model diunduh sekali dari situs ini lalu berjalan di browser. Gambar tidak pernah meninggalkan perangkat.
Penggunaan pertama mengunduh mesin ONNX Runtime WebAssembly sekitar 13 MB, ditambah model pilihan Anda: 4,4 MB untuk Cepat, 42 MB untuk Lebih baik, 6,6 MB untuk Potret, atau 94 MB untuk Ultra. Model disimpan di penyimpanan privat browser, sehingga foto berikutnya diproses jauh lebih cepat tanpa unduhan ulang.
Anda yang memilih. Cepat memakai U2Netp, jaringan deteksi objek menonjol yang ringkas. Lebih baik memakai Silueta, U2-Net penuh yang diperkecil menjadi 42 MB dan mempertahankan bagian tipis yang terpotong pada model kecil. Potret memakai MODNet, jaringan matting yang memprediksi kanal alpha sesungguhnya agar helai rambut dan bulu tetap utuh. Ultra memakai BiRefNet-lite, jaringan segmentasi dikotomis mutakhir dengan referensi bilateral yang menghasilkan tepi berkualitas tertinggi pada semua subjek. Keempatnya berjalan melalui ONNX Runtime Web dan dirilis dengan lisensi sumber terbuka permisif.
Mulai dengan Cepat untuk produk, logo, atau subjek bergaris tepi bersih. Beralih ke Lebih baik jika bagian tipis seperti lengan, tali, roda sepeda, atau ranting terpotong. Gunakan Potret untuk orang atau hewan peliharaan ketika garis rambut penting. Gunakan Ultra jika tepi harus sempurna, terutama rambut, bulu, kaca, atau buram gerakan pada latar rumit, dan berikan beberapa detik tambahan per foto.
Semua gambar yang dapat didekode browser, termasuk JPG, PNG, WebP, GIF, dan BMP. Hasil selalu disimpan sebagai PNG karena merupakan format umum yang membawa transparansi.
Ya. Pilih putih, hitam, atau warna khusus sebelum mengunduh, lalu warna disertakan dalam PNG ekspor. Memilih transparan mempertahankan kanal alpha kosong di belakang subjek.
Jaringan hanya melihat salinan kecil foto, sehingga prediksi mentahnya lebih kasar daripada gambar asli. Alat menyempurnakan prediksi dengan filter berpandu yang menyesuaikan tepi ke detail sebenarnya. Panel penyempurnaan memungkinkan Anda menggeser batas ke dalam atau luar, menghaluskannya, membersihkan kabut abu-abu, dan menghapus pinggiran warna. Jika rambut atau bulu masih terpotong, ganti ke model Potret dan jalankan foto lagi.
Tidak. Mask prediksi disimpan di memori, sehingga pergeseran tepi, penghalusan, pembersihan, penyesuaian tepi, dan penghapusan pinggiran warna diterapkan pada mask itu dan langsung diperbarui. Hanya penggantian model yang menjalankan jaringan lagi.