合同、证件、订单截图、商品原图和尚未发布的设计稿,经常需要压缩、转换、识别文字或移除背景。过去,用户通常要把文件上传到不同网站,再等待服务器处理。文件去了哪里、保留多久,却很难从操作页面中判断。
DataDance(数据跳动)推出的 ImgIng 图映,尝试改变这一默认路径。它把图片转换与压缩、在线做图、AI 抠图、图片文字识别、动态图制作、视频抠像和 PDF 处理放进浏览器,并把“处理发生在哪里”直接作为产品功能的一部分。对于浏览器能够完成的任务,文件留在设备中;只有少数需要服务器能力的专业格式,产品才会在操作前说明。
ImgIng 是统一的产品品牌,“图映”是中文产品名,DataDance(数据跳动)为产品出品方。产品面向国内用户提供,面向海外用户提供 imging.ai。目前,用户无需注册即可使用端侧功能,导出文件不添加水印。
下载模型,不等于上传图片
“本地处理”并不意味着网页什么都不下载。浏览器要读取 HEIC、生成 AVIF,或者运行 AI 抠图和 OCR,仍然需要编解码器与模型。图映采用的方式,是在用户真正使用相应功能时,把 WASM 编解码模块或 AI 模型下载到浏览器,再由用户设备完成计算。
这与上传原图是两个相反的传输方向:模型从网站进入设备,图片像素和识别文字不需要离开设备。模型与编解码器完成首次下载后,还可以复用浏览器缓存,减少重复等待。
图映不会只根据浏览器名称和版本判断能力。系统会分别测试输入能否解码、目标格式能否编码、WASM 是否可以加载、WebGPU 或兼容后端能否运行,再选择浏览器原生能力、本地模块或服务端路径。界面会显示“即时”“端侧 WASM”或“服务端”等处理标识。
一套本地底座,覆盖多类视觉任务
在静态图片方面,图映支持 JPG、PNG、WebP、AVIF、HEIC、GIF 等常见格式,并为部分专业格式提供替代路径。压缩时会区分照片、截图、透明素材和少色图片,分别处理连续色调、文字边缘与 Alpha 通道。若文件没有变小,系统会提示保留原文件或更换格式。
新上线的图片 OCR 使用 PP-OCRv6,提供极速、专业和极致三档,分别对应上游的 tiny、small 与 medium 三档模型。据 PaddleOCR 官方发布数据,medium 档相比上一代 PP-OCRv5_server 在检测上提升 4.6%、识别上提升 5.1%。识别工作在独立 Worker 中完成,结果保留文字位置、置信度和表格结构,可导出 TXT、Markdown 和 JSON,也方便粘贴到电子表格。当前支持简繁中文、英文、日文及多种欧洲语言。上游模型标称覆盖 50 种语言,图映出于端侧体积与首次下载时长的考虑只打包了其中一部分;统一模型暂不包含韩文,产品也没有把手写体和公式识别列为可靠能力。
AI 抠图同样采用本地模型。图映根据设备和任务提供不同体量的模型,优先使用 WebGPU,在环境不支持时使用兼容后端。模型生成蒙版后,用户仍可通过画笔修复头发、手指和半透明物体等容易误判的区域,再更换纯色或图片背景。手机端会限制高内存模型,避免用户下载完成后才发现设备无法运行。
动态图工具按“帧”处理 GIF、APNG、动图 WebP 和动图 AVIF,可读取原始帧时长与循环方式,支持排序、删帧、调速和多格式导出。针对动态图常见的残影问题,图映只在能够证明安全时保存局部变化;透明轮廓发生变化时回退到完整帧,避免为了缩小文件破坏播放结果。
视频抠像目前仍处于 Beta。它不是把每一帧当作互不相关的图片,而是保留时序状态,处理镜头切换、背景替换、视频编码和音频封装。实际速度和效果会受设备性能、浏览器、视频长度及素材复杂度影响,因此产品建议用户先用短片段验证,再处理完整视频。
PDF 处理不把整页简单变成图片
PDF 既包含图片,也可能包含文字、字体、链接和矢量图形。将每一页重新渲染成图片虽然容易实现,却会让文字无法选择、链接失效,图表放大后也可能变得模糊。
图映的 PDF 压缩在浏览器本地解析文档结构,计算图片在每个页面上的实际显示尺寸,再决定是否需要降低分辨率以及采用何种编码。处理完成后,系统会重新读取产物,核对页数、页面尺寸、可选择文字和链接等信息;若不能证明结果可靠,或新文件没有更小,则保留原 PDF。
在 PDF 转 HTML 中,图映生成的是可以离线打开的固定版式单文件网页,而不是在网页里嵌入一个 PDF 阅读器。文字、图片、路径和符合许可条件的字体会按页面坐标重新组织,无法等价重建的复杂效果则在质量报告中标明。HTML 转 PDF 支持先在本地导入和预览,用户明确启动转换后,再由同源 Chromium 服务生成实际 PDF,并进行结构优化和结果校验。
把服务端边界写在操作之前
图映没有把“本地”包装成覆盖所有格式的承诺。JPG、PNG、WebP、常用动图、图片 OCR、本地 AI 抠图以及已有 PDF 压缩等任务,可以在浏览器中完成。HEIC 写入、TIFF、JPEG 2000、图片导出为 PDF 等受编码器、专利或运行环境限制的能力,需要使用服务端;界面会在用户操作前标明处理位置。
这套设计把隐私说明从一段笼统的承诺,变成用户可以在任务中看到和核对的路径。用户也可以通过浏览器的网络面板自行验证:首次使用时可能看到模型或编解码器下载,但本地任务不应出现原图文件上传请求。
从中文工具走向全球用户
图映目前提供中文、英文、日文、韩文、德文、西班牙文、葡萄牙文和法文界面,不同语言共用同一套功能与资源缓存,并根据用户选择和浏览器语言提供对应入口。
DataDance 希望把浏览器变成本地视觉工作台:用户不必安装大型软件,也不用在多个网站之间反复上传文件。随着浏览器编解码、WebAssembly、WebGPU 和文件系统能力不断完善,一些过去依赖桌面软件或远程服务器的任务,正在获得新的实现方式。
对图映而言,隐私安全不是一句覆盖所有情况的口号,而是明确告诉用户:哪些任务留在设备上,哪些资源只是下载到本地,哪些专业格式确实需要服务器。处理位置清楚,用户才有选择。
ImgIng 图映现已开放使用。国内用户可访问 imging,海外用户可访问 imging.ai,按自己的素材和浏览器环境验证实际处理效果。
