Vous avez cherché « vosr2 vs seedvr2 » et vous êtes tombé sur deux noms qui semblent faire le même travail. Sur un point précis, c'est vrai : ce sont deux modèles open weights qui prennent une image fixe basse résolution et renvoient une version haute résolution avec des détails qui n'étaient pas dans le fichier. Les deux publient leurs poids sous licence Apache-2.0, et les deux sont des modèles d'image, pas de vidéo. La comparaison devient intéressante dès qu'on sait comment chacun a appris à restaurer, et si vous pouvez vraiment le lancer un mardi après-midi sans machine à GPU.

Transparence d'abord, parce qu'elle conditionne tout ce qui suit : je dirige Moosky. SeedVR2 fait partie des modèles que j'héberge ; VOSR2 non. Quand je dis lequel vous pouvez utiliser aujourd'hui sans posséder de matériel, il y a un compteur d'un côté de la phrase et pas de l'autre. Les affirmations techniques sur VOSR2 viennent de son article et de son dépôt officiels, liés en ligne pour que vous lisiez la source plutôt que mon résumé.

Deux idées opposées sur la façon d'apprendre à restaurer

C'est l'axe que les pages de comparaison « même nom, même job » survolent, et c'est la seule différence qui devrait faire votre choix.

SeedVR2 vient de ByteDance : un refineur de diffusion en une passe, dont le discriminateur a été nourri pendant l'entraînement avec de vraies photographies haute résolution. La formulation à retenir : il n'étire pas vos pixels, il synthétise une version agrandie de la photo, et pendant l'entraînement il devait convaincre un critique qu'une vraie capture 4K aurait pu la produire. C'est cette pression adversariale qui fait qu'un agrandissement SeedVR2 redonne des pores à la peau et un tissage aux tissus — plus proche d'une nouvelle prise de vue que d'un simple rééchantillonnage.

VOSR2 est le checkpoint par défaut (1,4 B, une passe) de VOSR, un modèle CVPR 2026, et toute sa thèse est le pari d'entraînement inverse. La plupart des modèles de super-résolution récents sont des générateurs texte-image détourés vers la restauration. VOSR jette cette approche et entraîne un backbone génératif de zéro, sur des données purement visuelles — des paires synthétiques basse-vers-haute résolution plus les caractéristiques d'un encodeur visuel — sans pré-entraînement multimodal texte-image. Les auteurs l'exécutent sur un backbone LightningDiT (variantes 0,5 B et 1,4 B), réutilisent des VAE du commerce (Stable Diffusion 2.1 pour le 0,5 B, un VAE Qwen-Image converti en 2D pour le 1,4 B) et un encodeur DINOv2 pour le guidage, et remplacent le classifier-free guidance habituel par un schéma orienté restauration qui garde une ancre faible sur l'entrée. Leur affirmation : une qualité compétitive à moins d'un dixième du coût d'entraînement des méthodes texte-image représentatives, avec une structure plus fidèle et moins d'hallucinations (paper, code, weights).

Pourquoi cette différence n'est pas académique : elle dit à quel modèle confier quelle image. Un modèle dont l'argument est de rester ancré à l'entrée est le choix sûr quand inventer du détail est un risque — du texte dans une capture d'écran, un scan de document, un visage que vous ne pouvez pas vous permettre de changer. Un modèle dont l'argument est de régénérer adversarialement une texture crédible est le choix quand le détail n'existe tout simplement plus. Tout cela n'a rien à voir avec la rime des deux noms.

La vraie décision : open weights ne veut pas dire utilisable

Les deux publient leurs poids. Un seul vous est utile aujourd'hui, sauf si vous voulez élever un paquet de checkpoints comme un enfant.

VOSR2 est une publication de recherche. Pour le lancer, il faut créer un environnement conda, installer les dépendances épinglées, télécharger tout le jeu de checkpoints — le VAE Qwen-Image 2D, la base SD2.1 plus un décodeur léger, le cache DINOv2 et les poids VOSR2 — les ranger dans une arborescence précise, et le lancer avec torchrun sur un GPU qui vous appartient. Rien de maladif là-dedans si vous avez déjà une machine ; c'est la même posture que lancer un graphe ComfyUI, et vos fichiers ne quittent jamais votre machine. Mais « Apache-2.0 et disponible sur Hugging Face » est une phrase sur la licence, pas sur la question de savoir si votre portable peut rendre un 4× sans plafond de VRAM à déboguer vous-même et une mise à jour qui casse votre environnement la semaine d'une échéance.

SeedVR2 a les mêmes poids ouverts et le même chemin DIY. La différence, c'est que vous n'êtes pas obligé de le prendre : c'est l'un des moteurs hébergés de Moosky, donc la même restauration qui tourne dans votre environnement conda tourne depuis un solde de crédits prépayé, le prix affiché avant tout envoi et les échecs remboursés. Ce n'est pas un argument de qualité — c'est l'argument « j'ai un livrable pour aujourd'hui », et pour la plupart des gens c'est tout l'argument.

Les deux voies affichent des chiffres honnêtes issus de la config du modèle, vérifiables sur votre écran : l'agrandisseur d'image SeedVR2 hébergé est facturé au forfait, environ 2 credits par exécution en 2K, 4K et 8K — repérer en 2K avant de viser plus haut coûte le même prix et permet d'itérer à bas coût. La voie vidéo SeedVR2 hébergée facture à la seconde de sortie avec un barème (environ 3, 5 et 10 credits par seconde en 1080p, 1440p et 4K), et le composeur affiche le chiffre exact en premier. Les nouveaux comptes reçoivent des crédits d'inscription gratuits, donc le premier passage peut ne rien coûter.

Le piège de la requête : aucun des deux n'est un modèle vidéo

Beaucoup de gens qui tapent « vosr2 vs seedvr2 » ont un clip, pas une photo, et les deux noms sonnent comme des agrandisseurs de vidéo. Non. VOSR et SeedVR2 sont tous deux conçus pour la restauration d'images fixes. Si vous prenez la généalogie vidéo de SeedVR2 et que vous bouclez un refineur d'images sur chaque image d'un clip, la texture générée de chaque image est une invention indépendante, et la peau comme les contours se contredisent visiblement d'une image à l'autre — un défaut temporel qu'aucune résolution cible ne corrige. VOSR2 n'a aucun mode vidéo.

Si votre source est un fichier animé, ce n'est pas le bon article : le bon est le face-à-face FlashVSR vs SeedVR2, qui traite exactement de l'aiguillage d'un clip vers un modèle qui raisonne à travers les images. Si votre source est une image fixe — une photo, un rendu, ou une keyframe extraite d'un clip — vous êtes au bon endroit.

Alors, lequel choisir ?

Situation Choisissez Pourquoi
Vous gardez un GPU au chaud et voulez posséder le pipeline VOSR2 (DIY) Poids entraînés de zéro en vision seule, contrôle total, fichiers jamais hors de chez vous
Vous avez un livrable aujourd'hui et pas de machine SeedVR2, hébergé La même restauration en une passe, prix affiché avant, remboursements en cas d'échec
La source est un clip, pas une photo Aucun des deux — passez par la voie vidéo Ce sont des modèles d'image fixe ; les boucler image par image fait bouillir le détail
L'image doit rester fidèle (textes, scans, visages) VOSR2, sur ses propres termes Son pitch est de rester ancré à l'entrée, avec moins d'hallucinations
Le détail a disparu et vous voulez une texture crédible SeedVR2 La régénération adversariale est faite pour inventer une texture HD plausible

Un combo courant : extraire l'image qui doit survivre en miniature ou en affiche et la restaurer à la taille de livraison, via la voie hébergée du guide de l'upscaler d'images SeedVR2. Comme cette voie est au forfait, vérifiez un visage, un contour et une zone de texture sur des crops avant le gros rendu — la discipline du crop sépare une bonne image fixe d'une image lissée à l'aérographe.

Les questions qu'on se pose avant le premier lancement

VOSR2 est-il sur Moosky ? Non. J'héberge SeedVR2, pas VOSR2. Je ne vais pas faire semblant qu'un modèle tourne sur ma plateforme parce qu'il partage une suffixe avec un modèle qui y tourne. Si VOSR2 est le choix fidélité pour votre fichier, téléchargez-le et lancez-le vous-même ; si vous voulez le même travail aujourd'hui sans posséder de machine, la page SeedVR2 est le point de départ. Et si VOSR2 est justement ce choix fidélité et que vous voulez d'abord la version « sans machine », la page VOSR2 couvre ce qu'est le modèle, la machine qu'il implique, et l'option hébergée pour le même travail.

Les deux permettent vraiment un usage commercial ? Les deux publient leurs poids sous Apache-2.0, mais VOSR réutilise des composants tiers (les VAE SD2.1 et Qwen-Image, DINOv2) dont les licences propres s'appliquent par-dessus — lisez la section licence de son dépôt avant d'assumer que tout le pipeline est Apache. La licence est une question juridique, pas une question de référencement ; ceci est un pointeur, pas un conseil.

Faut-il installer quoi que ce soit pour utiliser SeedVR2 ? Pas sur Moosky — vous téléversez un fichier, choisissez une cible, et le composeur affiche le prix avant l'envoi.

Lequel va rendre ma photo fausse ? Celui que vous poussez trop loin, l'un comme l'autre. Régénérer une texture crédible et inventer un nouveau visage sont le même mécanisme, et le seul garde-fou fiable est de juger la sortie au crop 100 % sur les zones qui comptent avant de livrer. Passez votre pire image dans les deux et fiez-vous au crop, pas au tableau de benchmarks.

L'honnête conclusion en une ligne : VOSR2 est le résultat de recherche intéressant que vous lancez vous-même quand vous voulez un modèle entraîné à rester fidèle ; SeedVR2 est le restaurateur open weights que vous pouvez réellement utiliser aujourd'hui, hébergé, au forfait, et bon quand vous voulez que le détail soit reconstruit plutôt que deviné. Choisissez selon ce que vous pouvez exécuter et selon la confiance que vous accordez au modèle pour inventer — pas selon quel sigle correspondait à votre recherche.