KI-Video-Upscaling auf 4K lokal: SeedVR2, RTX Video Super Resolution und Topaz auf RTX PRO

KI-Clips und altes Material lokal auf 4K bringen

Um Videos auf dem eigenen Rechner auf 4K hochzuskalieren, hat ein Unternehmen drei Wege: SeedVR2, ein offenes Modell von ByteDance Seed unter Apache 2.0, das nativ in ComfyUI läuft; NVIDIA RTX Video Super Resolution, ein Upscaler, den NVIDIA als deutlich schneller als andere lokale Werkzeuge beschreibt, als ComfyUI-Node; und Topaz Video, eine kommerzielle Desktop-App mit lokalem Rendering. Eine Workstation mit einer NVIDIA RTX PRO 5000 Blackwell mit 48 oder 72 GB GPU-Speicher rechnet das größere SeedVR2-Modell in voller Genauigkeit und lässt Speicher für längere Frame-Batches in 4K; eine Karte mit 24 oder 32 GB erledigt dieselben Aufgaben mit kleineren Batches, mehr Kacheln oder einer kleineren Datei.

Hochskalieren heißt, aus einem Video mit niedriger Auflösung eines mit mehr Pixeln zu machen, mit einem Modell, das plausible Details ergänzt, statt das Bild nur zu strecken. Ein 4K-Frame (3840 × 2160) hat rund 8,3 Millionen Pixel, viermal so viele wie ein Full-HD-Frame und neunmal so viele wie ein 720p-Frame, und ein 30-Sekunden-Clip mit 24 Bildern pro Sekunde hat 720 Frames, nach unserer Rechnung. Dieser Artikel richtet sich an die Marketing- oder Videoleitung, die diese Arbeit auf der eigenen Workstation erledigen will, und an die IT-Abteilung, die sie einrichtet. Er behandelt zwei Aufgaben: KI-Clips, die ein Generator in 480p oder 720p liefert, und vorhandenes Material wie ältere Produktvideos und Veranstaltungsaufnahmen. Das Erzeugen der Clips behandeln unsere lokale Alternative zu Runway und Kling, unser Leitfaden zu den GPU-Anforderungen für Videogenerierung und unser Vergleich der Stufen einer KI-Video-Workstation fürs Marketing.

Warum Generatoren den Schritt zu 4K auf später verschieben

Die meisten offenen Videomodelle erzeugen 480p oder 720p: Wan 2.2 nennt für seine Text-zu-Video- und Bild-zu-Video-Modelle „480P & 720P“, und die Moderatorenmodelle InfiniteTalk und LongCat-Video-Avatar-1.5 ebenso. Speicher und Zeit steigen mit der Pixelzahl steil an, deshalb entwerfen Teams klein und skalieren die Clips hoch, die sie behalten. NVIDIAs Blog vom 10. März 2026 hält fest, dass die meisten zuerst kleinere, schnellere Vorschauen erzeugen und sie danach hochskalieren.

LTX-2.5 ist die Ausnahme unter den Generatoren: Die Modellseite nennt Einstellungen für eine Ausgabe in 3840 × 2176 (--spatial-upscalings 2 --width 3840 --height 2176) innerhalb der eigenen Pipeline. Lightricks veröffentlicht zudem einen Upscaler für sein Modell, die LTX-2.5-22b-IC-LoRA-Pixel-Spatial-Upscaler in einer 2-fach-Variante. Laut Modellseite skaliert sie ein niedrig aufgelöstes Video kreativ hoch und erzeugt dabei feine Details neu, statt nur zu interpolieren; für Realaufnahmen, bei denen es auf Treue zur Vorlage ankommt, ist sie nicht gedacht. Für alles, was kein LTX-Clip ist, gelten die folgenden Wege.

Drei lokale KI-Video-Upscaler im Vergleich

Comfys SeedVR2-Anleitung, das Repository ByteDance-Seed/SeedVR, NVIDIAs Blog vom 10. März 2026, die Paketseite von nvidia-vfx, die Produkt- und Systemanforderungsseiten von Topaz Labs sowie die Modellseiten von Lightricks, gelesen am 30. Oktober 2026.

SeedVR2 tauscht Zeit gegen Detail, RTX Video Super Resolution ist nach NVIDIAs Darstellung auf Geschwindigkeit ausgelegt, und Topaz Video passt zu Cutterinnen und Cuttern, die eine fertige Anwendung bevorzugen. Alle drei laufen lokal; sie unterscheiden sich in Lizenz, Betriebssystem und darin, wie weit das Ergebnis von der Vorlage abweichen darf.

SeedVR2: das offene Modell in ComfyUI

Comfys Anleitung beschreibt SeedVR2 als „a one-step diffusion-based video restoration model“ von ByteDance Seed, und ByteDances Repository sagt: „SeedVR and SeedVR2 are licensed under the Apache 2.0.“ „Ein Schritt“ heißt, dass das Modell die Frames in einem einzigen Entrauschungsdurchlauf restauriert, statt in den vielen Durchläufen eines Videogenerators. ComfyUI unterstützt es nativ seit einem zusammengeführten Pull Request (#14424), der SeedVR2-Attention, VAE-Kacheln und zeitliche Abschnitte ergänzte, und die Vorlagen enthalten „SeedVR2 3B Int8: Upscale Video“. ComfyUI selbst steht unter GPL-3.0 und wird aktiv entwickelt, mit mehreren Versionen im Oktober 2026.

Dateiliste von Comfy-Org/SeedVR2 auf Hugging Face, gelesen am 30. Oktober 2026; das gemeinsame VAE belegt 501 MB, und einen 7B-Checkpoint „sharp“ gibt es in denselben Größen.

Die Anleitung nennt keine absoluten Speicherwerte: Das 3B-Modell hat „lower VRAM requirements, suitable for users with limited hardware“, während das 7B-Modell „delivers higher quality results at the cost of increased VRAM and processing time“. Der Betreuer des Community-Nodes ComfyUI-SeedVR2_VideoUpscaler (Apache 2.0; die letzte Version erschien im Dezember 2025) nennt drei Stufen: 8 GB oder weniger mit stark quantisierten GGUF-Dateien, Block-Swapping und VAE-Kacheln; 12 bis 16 GB mit FP8-Dateien; und „24GB+: Use FP16 models for best quality and speed without memory optimizations“. ByteDances eigener Inferenzcode gibt an, „1 H100-80G can handle videos with 100x720x1280“, und vier solcher GPUs „further support 1080p and 2K videos“. Diese Rechenzentrumskarte liefern wir nicht; der Wert zeigt, wie schnell der Bedarf mit der Auflösung wächst.

Für die Qualität zählt, wie viele Frames gemeinsam verarbeitet werden. Der Community-Node verlangt Batches von 4n+1 Frames (5, 9, 13 und so weiter), mit „Minimum 5 for temporal consistency“, und empfiehlt, möglichst die Länge der Einstellung zu treffen. Eine Karte mit mehr Speicher hält längere Batches in 4K und braucht weniger Kacheln. Die Geschwindigkeit hängt von Modellgröße und Genauigkeit, Ausgabeauflösung, Batch, Kacheln und Karte ab; die Hinweise des Nodes sagen „The VAE is slow“, also der Schritt, der die komprimierten Frames des Modells in Pixel zurückverwandelt. Eine veröffentlichte SeedVR2-Zeitmessung auf einer RTX-PRO-Karte haben wir nicht gefunden.

ByteDance nennt die Grenzen selbst. Die Modelle können bei starker Beschädigung und sehr großen Bewegungen scheitern, und bei sehr leicht beschädigten Eingaben wie KI-generierten 720p-Videos neigen sie dazu, zu viele Details zu erzeugen; das Ergebnis wirkt dann gelegentlich überschärft, besonders bei kleinen Auflösungen wie 480p. Comfys Anleitung ergänzt, dass Attention-Backends „can silently return black or corrupted output on quantized checkpoints“; das Abschalten von FlashAttention behob komplett schwarze INT8-Ausgaben auf einer RTX 3090, und der Wechsel zur FP16- oder FP8-Datei derselben Größe ist die andere Abhilfe. Testen Sie die 3B- und 7B-Dateien an einem eigenen Clip, bevor Sie einen Batch starten.

Sie können die Workstation allein bestellen, die Einrichtung von ComfyUI und SeedVR2 allein oder beides zusammen: die Workstation mit allem fertig installiert und eingerichtet; schreiben Sie uns, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

NVIDIA RTX Video Super Resolution in ComfyUI

NVIDIAs Blog vom 10. März 2026 kündigte an, „users can quickly upscale generated video to 4K with NVIDIA RTX Video Super Resolution, available as a node for ComfyUI“, „30x faster than alternative popular local upscalers“ und „at a fraction of the VRAM cost“. Der Blog nennt weder die GPU noch die Werkzeuge hinter diesem Vergleich. Laut seinem Repository, Comfy-Org/Nvidia_RTX_Nodes_ComfyUI unter Apache 2.0, läuft der Node nur auf NVIDIA-RTX-GPUs und wird über den ComfyUI-Manager installiert.

Der Node nutzt NVIDIAs Paket nvidia-vfx, „Python bindings for NVIDIA Video Effects SDK“, Version 0.2.0.0 vom 30. September 2026, gekennzeichnet als „3 - Alpha“. Es skaliert „SDR video up to 4x while reducing compression artifacts“ in den Stufen 2-, 3- und 4-fach, mit Modi zum Entrauschen, zum Entfernen von Unschärfe und für hohe Bitraten. Es läuft unter 64-Bit-Windows 10 oder neuer sowie unter Ubuntu 20.04 bis 24.04, Debian 12 und RHEL 8 und 9, mit Linux-Treibern ab 570.190, 580.82 oder 590.44, auf GPUs mit Tensor Cores von Turing bis Blackwell sowie Hopper. Das Paket trägt eine proprietäre NVIDIA-Lizenz, und seine Seite enthält weder Lizenztext noch eine Aussage zur kommerziellen Nutzung; lesen Sie deshalb vor Kundenprojekten die mit dem Paket gelieferten Bedingungen. Aus demselben Grund gehört es nicht zur Software, die wir vorinstallieren; Ihr Team fügt es über den ComfyUI-Manager hinzu, nachdem es NVIDIAs Bedingungen gelesen hat. Das Paket nennt GPU-Architekturen, keine Karten, und der Node spricht von RTX-GPUs; testen Sie Rechenzentrumskarten wie L4 und L40S, bevor Sie einen Server darauf planen.

Topaz Video als kommerzielle Desktop-App

Topaz Video ist eine Desktop-Anwendung mit „Over 20 AI enhancement models“ für Hochskalieren, Zwischenbildberechnung, Stabilisierung und Entrauschen, und die Produktseite sagt: „Your files never leave your computer with local rendering.“ Die App braucht dennoch Internetzugang „for activation, model downloads, updates, and cloud rendering“, und ein Teil der Starlight-Modelle wird als Cloud-Rendering angeboten, das monatliche Cloud-Credits verbraucht.

Die Systemanforderungen, gelesen am 30. Oktober 2026, sagen: „Linux Operating Systems are not supported“; die App läuft unter Windows 10 oder 11 und macOS 13 oder neuer. NVIDIA-Karten brauchen mindestens 6 GB GPU-Speicher, empfohlen sind 8 GB oder mehr; die lokalen Starlight-Modelle verlangen mindestens 10 bis 16 GB, und für Starlight Fast 2 empfiehlt Topaz 32 GB. Beim Arbeitsspeicher beginnt die Anforderung bei 16 GB, empfohlen sind 32 GB oder mehr. Professionelle Karten nennt die Seite nicht; eine RTX-PRO-Blackwell-Karte liegt über den dort genannten Compute-Capability-Stufen. Topaz wird im Abo verkauft, und für ein Unternehmen zählt der Tarif: Tarife mit „Limited commercial use“, darunter der Desktop-Tarif Topaz Video, sind definiert als „Personal and commercial use for orgs under $1M USD annual revenue“, die Pro-Tarife nennen „Full commercial use“. Topaz-Lizenzen kaufen Sie bei Topaz Labs; wir liefern die Workstation, auf der die App läuft.

KI-Clips oder älteres Markenmaterial

KI-Clips in 480p oder 720p. Das sind genau die Eingaben, vor denen ByteDance warnt: sehr leichte Beschädigung, bei der SeedVR2 zu viele Details ergänzen kann. Schicken Sie einen kurzen Clip durch das 3B- und das 7B-Modell sowie durch RTX Video Super Resolution und vergleichen Sie die drei am eigenen Material; für die Vorschau einer ganzen Kampagne ist der NVIDIA-Node nach NVIDIAs Darstellung das schnellere Werkzeug. Mit LTX-2.5 erstellte Clips können in der eigenen 4K-Pipeline von LTX bleiben.

Älteres Material. Comfys Anleitung nennt unter den Fähigkeiten von SeedVR2 das konservative Hochskalieren („Conservative upscaling“), das die ursprüngliche Struktur und die Details erhält und das Bild klarer macht. Für beschädigtes Material veröffentlicht Lightricks die LTX-2.5-22b-IC-LoRA-Restore, „An In-Context LoRA that restores old and damaged footage“. Sie zielt auf „compression damage, tape and sepia casts, flicker, dirt and scratches“, koloriert Schwarz-Weiß-Abtastungen aus dem Bildinhalt und ist für „delivery at HD to 4K class“ gedacht. Die Modellseite warnt „the pass is a switch, not a gentle enhancer“, sie braucht progressive Frames, Halbbild-Material von Band wird also zuerst deinterlaced, und der Zugriff auf Hugging Face setzt die Zustimmung zu ihren Bedingungen voraus. Sie fällt unter die LTX-2.x Community License: kostenlos für Unternehmen unter 10 Millionen US-Dollar Jahresumsatz, ab dieser Schwelle mit einer kostenpflichtigen Lizenz von Lightricks. LTX-2.5 und seine LoRAs gehören nicht zu der Einrichtung, die wir liefern; ein Unternehmen, das die Lizenzbedingungen erfüllt, installiert sie selbst.

Behalten Sie in jedem Fall die Originaldateien. Ein generativer Upscaler erfindet Details; für einen Social-Clip ist das in Ordnung, für Material, das ein Produkt, einen Standort oder eine Veranstaltung so dokumentiert, wie sie waren, nicht.

Welche Workstation für welche Upscaling-Aufgabe

Der GPU-Speicher bestimmt Modellgröße, Genauigkeit und wie viele 4K-Frames gleichzeitig durchlaufen; mehr Speicher heißt weniger Kacheln und längere Batches. Das Hochskalieren belegt eine Karte, solange es läuft, deshalb bedient jede Karte einen Auftrag zur Zeit.

Kartendaten aus NVIDIAs Datenblättern, wie auf unseren GPU-Seiten angegeben; Speicherstufen aus der README des Community-Nodes und nach unserer Rechnung für LTX-2.5. SE = Server Edition.

Einstieg. Die NVIDIA RTX PRO 4000 Blackwell hat 24 GB bei 145 W in einem Steckplatz, die RTX PRO 4500 Blackwell 32 GB bei 200 W. Beide erreichen die 24-GB-Linie des Node-Betreuers für FP16 und liegen über den Speicher- und Compute-Capability-Stufen, die Topaz nennt. Unsere Dimensionierungsregel zählt das 0,9-Fache des vom Treiber gemeldeten Speichers minus 3 GiB als nutzbar: 18,5 GiB auf der 24-GB-Karte und 25,7 GiB auf der 32-GB-Karte. Die 7B-Datei in FP16 belegt mit dem VAE 17 GB oder 15,8 GiB; auf der 24-GB-Karte bleiben damit weniger als 3 GiB für Frames. Für 4K eignen sich dort das 3B-Modell oder die 7B-Datei in FP8 besser; auf der 32-GB-Karte bleiben nach unserer Rechnung rund 10 GiB. Wie viel eines 4K-Auftrags ohne Kacheln passt, ist nicht veröffentlicht; mit Kacheln und kürzeren Batches passt er, auf Kosten der Zeit.

Mitte. Die RTX PRO 5000 Blackwell hat 48 oder 72 GB bei 300 W und 1.344 GB/s. Die 7B-Datei in FP16 und das VAE belegen 15,8 GiB, was nach unserer Rechnung von den 40,0 GiB, die auf der 48-GB-Karte nutzbar sind, rund 24 GiB und von den 61,5 GiB der 72-GB-Karte rund 46 GiB für die Frames lässt; die 72-GB-Karte fasst zusätzlich einen Generator wie Wan2.2-TI2V-5B, für den Wan 24 GB nennt, neben dem Upscaler. Unsere Seite zur Workstation mit RTX PRO 5000 72 GB beschreibt den Aufbau.

Große Workstation. Die Restore- und Upscaler-LoRAs von LTX-2.5 laufen auf dessen 22B-Modell, dessen Transformer und 12B-Textencoder in BF16 laut den veröffentlichten Dateien 68,3 GB oder 63,6 GiB belegen. Das passt in die 83,0 GiB, die unsere Regel auf einer RTX PRO 6000 Workstation Edition oder Max-Q mit 96 GB als nutzbar zählt; siehe unsere Seite zur RTX PRO 6000 Workstation Edition.

Server. Für ein Archiv mit Tausenden Clips rechnet ein Server einen Auftrag je Karte. Der Community-Node bietet eine „Multi-GPU standalone CLI“ und „Batch Directory Processing“ und hält fest: „Multi-GPU doubles VRAM usage (each GPU loads full models) but roughly halves processing time“. Ein Server mit vier RTX PRO 6000 Server Edition zieht nach unserer Schätzung rund 3,4 kW; unser KI-Server für Medien behandelt Transkripte, Untertitel und Suche für dieselben Archive. Die L40S hat 48 GB als passive Karte; prüfen Sie RTX Video Super Resolution darauf zuerst.

Beschreiben Sie einen typischen Clip mit Auflösung, Länge und Zielformat, und wir schlagen die Stufe vor, die zu Ihrem Volumen und Ihrem Budget passt.

Treiber, Frames und Speicherplatz für die IT

• Betriebssystem. SeedVR2 in ComfyUI und nvidia-vfx laufen unter Linux und Windows; Topaz läuft nur unter Windows und macOS, ein Linux-Server schließt es also aus.
• Treiber. nvidia-vfx verlangt unter Windows den Treiber 570.65 oder neuer (595 oder neuer für Karten im TCC-Modus), unter Linux 570.190, 580.82 oder 590.44 oder neuer.
• Frames. Halten Sie SeedVR2-Batches bei 4n+1 Frames; bei Läufen auf mehreren GPUs blendet der Node überlappende Frames zwischen den Abschnitten.
• Schwarze Frames. Testen Sie quantisierte Dateien zuerst ohne FlashAttention, wie Comfys Anleitung empfiehlt.
• Speicherplatz. Bewahren Sie Originale, hochskalierte Master und die Workflow-Datei zu jedem Auftrag auf, damit sich ein Ergebnis wiederholen lässt.

FAQ