用Trae借鉴了一切纯前端网站，做了一个除AI图片水印的站点：clean.lazyso.com
最近在X上面被大V推荐了，一天涌进了几千个用户：
目前有几个模块：
移除 Gemini（Nano banano）图片水印
移除 NotebookLM 导出的 PDF 水印
处理普通图片水印，以及豆包/可灵平台的水印
可手动涂抹、指定水印位置
免费使用，无需登录；建议在 PC 端 Chrome/Edge 以获得更好性能
Gemini：不是修复，是逆向还原
多数去水印工具会先把水印区域挖空，再用 Inpainting 估计缺失内容。这样通常会丢细节。Gemini 的可见水印更简单：它是一个固定透明度的叠加层，所以可以直接做反向 Alpha 混合，找回被覆盖的像素。
计算方式是：
其中 C_composite 是带水印的像素，C_watermark 是水印颜色（常见是白色），α 是透明度。工具里内置了不同尺寸的透明度图谱，上传后自动对齐并逐像素计算。在多数场景下，纹理、文字和噪点都能原样恢复。
豆包/可灵：把模型搬进浏览器
豆包和可灵的水印位置不固定、与背景融合更复杂，需要模型来识别和重绘。为了不上传任何数据，参考网上现成方案，采用端侧推理：用 ONNX Runtime Web 在浏览器加载轻量模型，所有计算走 WebGL/WebGPU。
流程分两步：
检测：用 YOLOv8 自动定位水印区域
重绘：用 MiGAN 根据周围语义补全被遮挡的内容
这种方式比简单模糊更自然，尤其在有结构的图像里效果更稳定。
后面优化了批量处理，方便同时处理多张图片
NotebookLM：批量 PDF，速度优先
NotebookLM 的文档通常页数多、每页都有水印。为避免浏览器卡顿，PDF 模式采用类似 Telea 的扩散修复算法。它沿着边缘向内渗透、混合，处理纯色背景或文本页面几乎是即时完成，适合批量清理。
LazyCut：手动涂抹修复
当自动识别不理想，或你想直接消除画面中的任意物体（路人、杂物）时，使用手动模式。它更接近“在线版的 Photoshop 修复画笔”，属于交互式 AI 修复（Interactive Inpainting）。
交互：在画布上用画笔涂抹，生成自定义掩码（Mask）
模型：MiGAN（生成对抗网络）在浏览器端本地推理（migan.onnx）
流程：涂抹标记待修复区域 → 加载模型 → 根据周围纹理与结构重绘并填充
区别：自动版用 YOLO 自动定位水印；手动版由你指定修复区域，指哪修哪
隐私与性能
纯前端：不上传、不留底，处理过程都在本地显卡完成
加速：WebGL/WebGPU 和 WASM 协同，交互流畅
成本：没有服务器资源，自然也没有订阅门槛
开始使用
选择对应模式（Gemini、豆包/可灵、NotebookLM，手动涂抹）
上传图片或 PDF，预览效果后导出
