ReShot 处理视频前，怎么估算内存并选质量档？

先查看运行计划里的帧数、处理尺寸和主机内存预算，再按深度控制的实际需要选择 fast 或 full。本文解释主机内存与显存的区别、质量档与输出尺寸的作用，并给出超预算后的调整和指标回查方法。

ReShot 处理视频前，怎么估算内存并选质量档：先用 Python 的 plan(cfg) 看处理帧数、处理尺寸与主机内存预算，再选深度推理的 fast 或 full。默认从 fast 开始；主机内存超预算先切短片，显存不足先降低深度工作尺寸。--max-res 在深度模式只限制输出尺寸，不能代替降低推理尺寸。预算通过也不保证显存够用。

运行计划是处理开始前对输入规格、处理规模、输出规格和主机内存需求的估算。本篇按猫斯卡开源的 ReShot 本地源码快照讲解，版本文件为 0.5.0；以下是接口与代码核对，示例未执行模型，不作为新性能实测。

输入、处理和输出尺寸各管什么？

根据 pipeline.py 的 plan 与 config.py，同一段视频至少要分清以下三层，不能只问“输出多大”。

深度模式先按质量档计算处理尺寸，模型还会按自己的尺寸规则调整。proc_w × proc_h 因此不能一概当成模型最终输入尺寸；实际深度运行的日志会给出模型看到的宽高，指标文件也记录 model_input_resolution。

--max-res 默认限制输出长边为 1280；深度模式即使把它调小，计划中的处理尺寸仍按深度工作尺寸决定。骨架和边缘模式则按输出尺寸读帧，因此减小输出规模也会改变这两种模式的处理规模。这个区别来自源码分支，不是所有控制类型通用的降内存办法。

怎样只查看计划，再决定是否处理？

先准备已经可用的 ReShot Python 环境和本地视频。项目要求 Python 3.10 及以上；下面使用公开 Python API，不是 CLI 的 --plan 参数。将 reference.mp4 换成自己的输入路径，在已安装对应版本的环境中保存并运行：

from dataclasses import replace
from pathlib import Path
from reshot import RunConfig, plan

cfg = RunConfig(
    input=Path("reference.mp4"),
    output=Path("depth.mp4"),
    control="depth",
    quality="fast",
    target="none",
    metrics=Path("depth-metrics.json"),
)

for quality in ("fast", "full"):
    candidate = replace(cfg, quality=quality)
    p = plan(candidate)
    print(quality)
    print("source:", p.src_w, p.src_h, p.src_fps, p.src_frames)
    print("process:", p.proc_w, p.proc_h, p.frames)
    print("output:", p.out_w, p.out_h, p.out_fps)
    print("estimated GiB:", p.ram_estimate / 2**30)
    print("budget GiB:", p.ram_budget / 2**30)
    print("within RAM budget:", p.ram_estimate <= p.ram_budget)

plan 接收一个 RunConfig，返回 Plan 数据对象。它探测视频规格，但不进行视频帧解码或模型推理；上面也没有调用 run。正确结果是打印两档的计划数据，不会生成 depth.mp4 或指标文件。输入路径错误或没有视频流时，先按错误信息修复输入，不能把“没有计划”解释成“内存不足”。

计划没有 ok 字段，判断预算要比较 ram_estimate 与 ram_budget。也不要把 metrics 写进配置就认为有了实测：只有实际运行完成后的指标，才能拿来检查这次处理的耗时和资源。

内存估算怎么算，为什么它不是显存预测？

planning.py 的深度模式使用以下公式，单位为字节：

主机内存估计 = 2 × 2^30 + 20 × 帧数 × 处理宽 × 处理高
主机内存预算 = 物理内存总量 × 0.5

式中的帧数用 plan.frames，尺寸用 plan.proc_w、plan.proc_h，不要填输出宽高。源码注释说明：深度估算来自 2026 年 9 月 12 日、ReShot 0.3.2、RTX 4090、CUDA 12.8、torch 2.8、Small 模型条件下的六次校准，现有常量加入了保守余量。它是该版本采用的估算模型，不是所有设备都测得同样峰值的承诺。

骨架和边缘模式采用另一组估计：固定基数 0.75 × 2^30，再加 4 × 帧数 × 处理宽 × 处理高。源码明确把这组数标为按内存结构构造的上界，不能写成同一组性能实测。

预算取物理内存总量的一半，给操作系统、浏览器和驱动留下空间；它没有按此刻空闲内存实时计算。因而预算内仍应检查本机是否已有其他高内存任务。Apple Silicon 使用统一内存，也不意味着这个主机估算已经覆盖模型的全部资源需求。

显存是模型在加速设备上的另一部分需求。plan 没有返回显存估计：主机内存充足的长片可以遇到显存不足，显存充足的设备也可以因整段帧驻留而超过主机内存预算。两种症状要分别处理。

fast、full 和 input-size 应该怎么选？

质量参数在本篇指深度模型的工作尺寸，不是视频编码压缩质量，也不是骨架检测器的精度档。

以上尺寸来自 pipeline.py 的质量常量与模型尺寸说明。不同画幅有不同长边和对齐规则，不把表中 16:9 尺寸套到所有视频。

“先 fast，必要时 full”是本文操作建议。比较时保留同一小段输入、目标和输出设置，检查需要的前后层次、人物轮廓是否能用，再决定是否付出更高资源开销。更大的工作尺寸不自动保证后续生成更好；后续模型能否正确利用控制视频，还要单独验证。

该版本对部分 CUDA 设备上的高工作尺寸会发出显存风险告警，但告警仍允许继续运行，并不等于已经通过显存容量验收。本篇不把文档中的不同设备、不同版本耗时拼成统一速度，也不保证 full 在某个容量的设备上一定成功。

超预算、显存不足或输出过大，分别改哪里？

--max-frames N 限制的是源视频帧数，不是最终输出帧数。设置了较低目标帧率时，计划还会按比例估算处理帧数；因此不要直接把“输出帧率 × 想要的秒数”当成源帧数上限。建议优先切好需要的片段，以免截断动作。降低帧率会减少时间采样，是否影响动作表达也要检查。

内存预算超限对应 CLI 退出码 3。--force 只跳过预算拒绝，不会减少帧数组、增加内存或避免显存错误，不作为默认处理方法。源码中的 run 会先建立后端，再进入逐片计划和解码前预算检查；因此想在模型处理之前作决定，应单独调用上面的 plan，不能把普通运行的预检说成完全没有后端加载。

实际运行后怎样回查估算？

确认计划可接受且设备资源可用后，可以按以下命令执行；这是供读者使用的运行示例，本篇未执行：

reshot reference.mp4 -o depth-fast.mp4 --control depth --quality fast --metrics depth-fast.json

输入是本地视频；输出是深度控制视频和 JSON 指标。命令需要可用的深度模型权重及编码依赖，首次权重获取可能涉及下载，不能把它说成无条件离线。

成功后同时检查文件可播放、目标动作未被截断，以及指标中的 plan、output_size、peak_rss_bytes。深度模式还可对照 input_size_used 和 model_input_resolution，看是否用了预期档位。peak_rss_bytes 是进程驻留内存峰值，不是 CUDA 显存；ms_per_frame 是模型阶段每帧耗时，不是包含所有准备工作的平均时延。保存真实指标才能在自己的环境中比较两档；一份可播放文件也不等于每帧深度或后续生成已经验收。

资料定位：项目使用文档、计划与执行接口、内存估算代码。本文使用本地已保存的 0.5.0 快照，线上文件后续可能变化，复现时请先核对安装版本及相应源码。