关于 RemoveVideoBG

我们的使命

我们希望透明视频成为一键导出的结果，而不是需要摄影棚、绿幕和一下午逐帧抠像才能完成的制作任务。

把主体从视频里抠出来，过去只有两条路。要么在绿幕前拍摄，再到剪辑软件里做键控，这意味着你得自己置办幕布、把它打光打匀，一旦出现褶皱或阴影毁掉键控效果就得重拍。要么就是逐帧手工做遮罩，这种活儿能把一段三十秒的片子变成一整天坐在桌前的工作。

对最需要透明视频的那批人来说，这两条路都不现实：想把自己合进画面的创作者，要把产品镜头放到新背景上的营销人员，制作课程视频的老师，还有没有后期预算却仍要交付广告的小团队。机器学习已经消除了这些流程必须很慢的技术原因。我们做 RemoveVideoBG，是想让现实层面的原因也一并消失——上传一次，下载一次，拿到的文件你的剪辑软件本来就认识。

这个定位同样决定了我们不做什么。我们并不想做一个完整的视频编辑器，也不会加上没人要的特效。站内每一个工具的存在，都是因为某件具体的活儿反复出现：去除视频背景、替换背景、模糊背景、给人脸或车牌打码、把画面抽成帧。如果一个功能不服务于其中某件事，它就不会进入我们的路线图。

RemoveVideoBG 能做什么

它可以去除、替换或模糊视频背景，并把结果导出为 WebM、MOV ProRes、PNG 序列、GIF、WebP 或 Lottie。

核心工具是视频去背景。上传一段素材，等待处理完成，然后下载一个透明视频。在格式本身支持的前提下，alpha 通道是真正逐像素的透明度，而不是一张还要你自己去合成的遮罩——WebM 配 VP9 alpha、MOV 配 ProRes 4444 都能携带它，PNG 序列则是逐帧携带，适合更习惯用图像序列的剪辑流程。

围绕这个核心的，是用户真真切切向我们描述过的那些活儿。把背景换成纯色、渐变或你自己的图片。为通话录屏或边走边说的口播模糊背景。给人脸、车牌或画面里的任意区域打码。把你已经拍好的绿幕素材键控掉。从视频里取出单独一帧，或者把整段帧序列导成 PNG。这些各自都有独立的页面，因为它们是不同的问题，答案也各不相同。

其中相当一部分工具根本不会把你的文件传到任何地方。模糊、打码、抽帧以及大多数格式转换，全部通过 WebCodecs 在你的浏览器里运行——解码、处理、编码都发生在你自己的机器上。只有那些确实需要分割模型的工具才会连到我们的服务器。

视频去背景是怎么实现的

分割模型为每一帧预测逐像素的 alpha 抠像遮罩，随后这些帧会被重新编码成能够承载透明度的格式。

当你为了去除视频背景上传一段素材时，它会被送到一个托管的分割模型。模型逐帧观察画面，一个像素一个像素地判断这个像素有多少属于主体。它输出的不是一刀切的硬边裁剪，而是一张柔和的抠像遮罩——正因如此，发丝、运动模糊和半透明边缘才能在处理后保留下来，而不是变成一圈锯齿状的轮廓。

我们通过推理 API 调用商业模型，而不是自己训练。这是一个有意的选择。抠像质量是决定输出能不能用的唯一关键，而专攻这件事的团队，其迭代速度是一个小产品团队怎么也追不上的。使用现有最好的模型，再把我们自己的精力投到它周围的工作流上，为你带来的结果会好过我们自研一个模型。

遮罩之后的一切都是我们自己做的，而且其中很多就运行在你的机器上。把片子裁到你真正需要的那一段，挑选替换用的背景，模糊或马赛克某个区域，转换成 WebM、GIF、WebP 或 PNG 序列——这些工作通过 WebCodecs 在浏览器里完成，所以既不额外花你的钱，也让素材留在本地。长视频会在后台被分段处理，因此一段五分钟的片子不必作为一个巨大的请求整体成功或整体失败。

需要坦白的局限：自动抠像已经很好，但并非在所有情况下都完美。主体与背景对比度极低、压缩噪点严重、运动模糊极端，以及细小结构——比如铁丝网，或者在杂乱场景前飞起的碎发——都是任何模型都会吃力的地方。我们宁愿把这些直说，也不愿让你付完钱之后才发现。

你的视频会经历什么

浏览器端的工具完全不会上传你的文件；服务端的视频去背景只用上传内容生成你要的结果，不会拿去训练模型。

这个区别很重要，所以值得说清楚。只需要做像素处理的工具——背景模糊、打码、抽帧以及若干格式转换——都在你的浏览器里运行。你的视频从不离开你的设备，这也是它们保持免费的原因，以及为什么你可以放心用它们处理那些你并不愿意上传到任何地方的素材。

视频去背景不一样，因为分割模型必须看到画面。这些上传会进入我们的存储，以及运行模型的推理服务商，它们被用来生成你所要的文件，不会被出售、公开，也不会被喂给模型训练。完整的数据处理条款写在隐私政策里；如果这里的表述有任何含糊之处，以那份文件为准。

我们也有意把账号这一层做得很轻。你可以先试用工具再决定要不要注册；我们要的是邮箱地址，而不是手机号；支付信息由支付服务商处理，从不经过我们的服务器。

我们如何看待定价

在浏览器里运行的功能全部免费；服务端的视频去背景需要消耗积分，因为我们处理的每一秒视频都要付出真实的 GPU 成本。

我们是按产品的实际成本定价的，而不是照着某个订阅营收目标去定。浏览器端的工具除了带宽之外不消耗我们任何东西，为它们收费等于凭空发明一笔费用。视频去背景跑在我们按秒付费的推理硬件上，所以它消耗积分，而且积分成本随片长变化，而不是按文件收一个统一价——那样会让短视频多付钱去补贴长视频。

积分既有一次性的积分包，也有订阅。积分包适合偶尔做一个项目；订阅适合经常处理视频的人，折算下来每积分更便宜。年付方案发放的每月积分额度与月付完全相同——折扣打在价格上，而不是打在你拿到的东西上——因为一个悄悄让你预付更多却拿得更少的方案，算不上折扣。

新账号会获得一份免费积分余额，让你在做任何决定之前，先拿一段真实素材跑一遍。我们更希望你用自己的素材去检验输出质量，而不是去相信一段我们挑出来、恰好看起来很好的营销样片。

我们是谁

RemoveVideoBG 由一个小型独立团队开发和维护，产品由我们直接交付，中间没有任何客服层级。

RemoveVideoBG Team —— 助你在几秒内去除视频背景。

我们是一个小型独立团队，而不是某家大公司里的一个部门。落到实处，这意味着读你缺陷反馈的那个人，就是能把它修好的那个人，两者之间没有排队。这也意味着我们对承诺很谨慎：我们宁可交付四个稳定可用的工具，也不做二十个大体上能用的工具。

本站的每一处内容都经过审核并标注了日期。本页顶部以及每个工具页上的署名，记录的是内容最后一次与产品实际行为核对的时间——这样你就能判断自己读到的是当下有效的说明，还是一年前写下、此后再没回头看过的文字。

联系我们

直接发邮件给我们。缺陷反馈、退款咨询、功能建议，以及模型处理得不好的片段，对我们都真的很有用。

如果导出的视频效果不对，把具体情况告诉我们——素材是什么类型、背景是什么样、你导出的是哪种格式——远比一句笼统的反馈有用得多，我们也正是靠这些去弄清当前模型在哪些场景下表现不佳。寄到我们这里的每一封信，我们都会读。