VR破解不求人，一键用自己电脑GPU加速给VR破解去马（附件有脚本,V3修复版,4k2原创）

docp

看不懂但支持

muchi

楼主说的是对的。能破解但是vr效果看命，左右眼破解出来的画面很可能是不一样的。
之前看到lada破解效果的时候我也很心动，无奈自己是A卡。但是经过反复的尝试，A卡也算是可以使用。但是因为lada原生支持的是N卡，A卡使用起来效果不是很理想，特别是9000系显卡运行速度明显是有问题的。不过跑总归是能跑，A卡玩家也能跟着喝到汤已经很不错了。
虽然跑VR效果不好，但是因为有了这个软件，现在我去找非vr亚洲有码的热情大大提高了
下面是A卡相关使用与安装
#————muchi编辑————#
安装完成后
你文件地址如X:\pic\4k2.com@mdvr00363_3_8k.mp4
每次去码直接运行以下的代码，把你的文件地址替换下面代码即可
$project = "C:\project"
cd $project
cd lada
.\.venv\Scripts\Activate.ps1
lada-cli --input "X:\新\komz-109\4k2.com@komz00109_2_12000.mp4" --codec hevc_amf --custom-encoder-options "-rc 0 -qp_i 15 -qp_p 17 -qp_b 19" --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v2.pt


#————muchi编辑————#
安装教程
打开PowerShell（管理员权限）并执行以下命令：
#下载并安装系统依赖项
winget install --id Gyan.FFmpeg -e --source winget
winget install --id Git.Git -e --source winget
winget install --id Python.Python.3.13 -e --source winget
winget install --id MSYS2.MSYS2 -e --source winget
winget install --id Microsoft.VisualStudio.2022.BuildTools -e --source winget --silent --override "--wait --quiet --add ProductLang En-us --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"
winget install --id Rustlang.Rustup -e --source winget
winget install --id Microsoft.VCRedist.2013.x64  -e --source winget
winget install --id Microsoft.VCRedist.2013.x86  -e --source winget
winget install --id GnuWin32.Patch  -e --source winget
set-ExecutionPolicy RemoteSigned
#然后重新启动计算机

#创建项目 获取源代码
$project = "C:\project"
mkdir $project
cd $project
git clone https://codeberg.org/ladaapp/lada.git
cd lada
py -m venv .venv
.\.venv\Scripts\Activate.ps1
一定不要关闭界面，继续运行以下代码
#安装支持 ROCm 的 PyTorch（7900XT/XTX)
pip install `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/

pip install `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/

如果9000系列
9000确认可用版本
pip install `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v ... cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx120X-all/

#安装lada-cli
pip install -e '.[basicvsrpp]'

#应用补丁
#在运行马赛克检测模型的低端硬件上，可能会遇到ultralytics库中定义的超时，场景将无法恢复。以下补丁增加了此时间限制：
patch -u .venv/lib/site-packages/ultralytics/utils/ops.py patches/increase_mms_time_limit.patch
#禁用我们的一个依赖项的崩溃报告/遥测（ultralytics）：
patch -u .venv/lib/site-packages/ultralytics/utils/__init__.py  patches/remove_ultralytics_telemetry.patch
#将 mmengine（恢复模型依赖项）与最新 PyTorch 一起使用的兼容性修复：
patch -u .venv/lib/site-packages/mmengine/runner/checkpoint.py  patches/fix_loading_mmengine_weights_on_torch26_and_higher.diff

#下载模型权重
Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_detection_model_v3.1_accurate.pt?download=true' -OutFile ".\model_weights\lada_mosaic_detection_model_v3.1_accurate.pt"
Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_detection_model_v3.1_fast.pt?download=true' -OutFile ".\model_weights\lada_mosaic_detection_model_v3.1_fast.pt"
Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_detection_model_v2.pt?download=true' -OutFile ".\model_weights\lada_mosaic_detection_model_v2.pt"
Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_restoration_model_generic_v1.2.pth?download=true' -OutFile ".\model_weights\lada_mosaic_restoration_model_generic_v1.2.pth"
#DeepMosaics 的恢复模型
Invoke-WebRequest 'https://drive.usercontent.google.com/download?id=1ulct4RhRxQp1v5xwEmUH7xz7AK42Oqlw&export=download&confirm=t' -OutFile ".\model_weights\3rd_party\clean_youknow_video.pth"

添加amd显卡ffmpeg硬件编码amf支持(速度提升很多)
默认情况下lada使用cpu的libx264软件编码，编码为h264格式
在上述测试都正常无误的情况下，下载：https://www.gyan.dev/ffmpeg/builds/ffmpeg-release-full-shared.7z
然后解压到你喜欢的目录，比如C:\project\，然后在lada虚环境内依次输入如下命令：

```
$FFMPEG_DIR = "C:\project\ffmpeg-8.0-full_build-shared"
$envath = $FFMPEG_DIR + "\bin;" + $envath
$envIB = $FFMPEG_DIR + "\lib;" + $envIB
$env:INCLUDE = $FFMPEG_DIR + "\include;" + $env:INCLUDE
pip uninstall av
pip install av --no-binary av
```

上述命令的意思是将预编译好的ffmpeg解压后的目录添加到lada虚环境中，然后卸载旧的ffmpeg支持库，重新安装。
在项目目录内，修改：lada\cli\main.py文件，打开它，然后在第5行的import os下面，新建一行，输入：
```
os.add_dll_directory(r"C:\project\ffmpeg-8.0-full_build-shared\bin")
```

保存，然后回到powershell，用：
```
lada-cli --list-codecs
```
命令来测试是否amf已支持。正常情况下，在列表中会看到：

```

av1_amf            AMD AMF AV1 encoder
h264_amf           AMD AMF H.264 Encoder
hevc_amf           AMD AMF HEVC encoder
Encoders with support for hardware acceleration (GPU):
        cuda
        vaapi
        dxva2
        qsv
        d3d11va
        opencl
        vulkan
        d3d12va
        amf
```
后续使用

```

#####使用Lada

最简单的lada使用命令
lada-cli --input "视频完整路径+文件名"
示例
```
lada-cli --input "D:\xxx.MP4"
默认输出回原文件夹，想改的自己设置输出路径--output_"D:\video"

常用命令
切换为v2检测模型，默认使用v3.1-fast v2模型较不会漏马
下面意思为qp设置为20，20基本就是原画质（这个就是crf的意思，不懂得自己搜），h264_amf代表用amd加速编解码,最后面代表用v2模型，除此以外还以换成v3.1_fast.pt   v3.1_accurate.pt，v2最慢，v3f最快，v3a中等，速度和质量成反比
lada-cli --input "D:\xxx.MP4" --codec h264_amf --custom-encoder-options "-rc 0 -qp_i 20 -qp_p 20 -qp_b 20" --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v2.pt

一些代码
#输入输出路径
代码开头为lada-cli（记得加空格）比如lada-cli --input "视频完整路径+文件名"
--input "input_video_path"
--output_"output video_path"
--codec h264_amf
--codec av1_amf
--codec hevc_amf
--custom-encoder-options "-rc 0 -qp_i 20 -qp_p 20 -qp_b 20"
--mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v2.pt
--mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v3.1_fast.pt
--mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v3.1_accurate.pt


```其余选项可用lada-cli --help 确认


后续终端关闭后想重新使用lada
须先输入以下命令：

$project = "C:\project"
cd $project
cd lada
.\.venv\Scripts\Activate.ps1

muchi

muchi 发表于 2025-11-13 15:09
楼主说的是对的。能破解但是vr效果看命，左右眼破解出来的画面很可能是不一样的。
之前看到lada破解效果的 ...

自动出现的表情有点搞笑了，A卡想搞的朋友直接看这个

1. #————muchi编辑————#
   
2. 
   
3. 你文件地址如X:\pic\4k2.com@mdvr00363_3_8k.mp4
   
4. 每次去码直接运行以下的代码，把你的文件地址替换下面代码即可
   
5. $project = "C:\project"
   
6. cd $project
   
7. cd lada
   
8. .\.venv\Scripts\Activate.ps1
   
9. lada-cli --input "X:\新\komz-109\4k2.com@komz00109_2_12000.mp4" --codec hevc_amf --custom-encoder-options "-rc 0 -qp_i 15 -qp_p 17 -qp_b 19" --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v2.pt
   
10. lada-cli --output"D:\dc"
    
11. 
    
12. 
    
13. #————muchi编辑————#
    
14. 
    
15. 
    
16. 打开PowerShell（管理员权限）并执行以下命令：
    
17. #下载并安装系统依赖项
    
18. winget install --id Gyan.FFmpeg -e --source winget
    
19. winget install --id Git.Git -e --source winget
    
20. winget install --id Python.Python.3.13 -e --source winget
    
21. winget install --id MSYS2.MSYS2 -e --source winget
    
22. winget install --id Microsoft.VisualStudio.2022.BuildTools -e --source winget --silent --override "--wait --quiet --add ProductLang En-us --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"
    
23. winget install --id Rustlang.Rustup -e --source winget
    
24. winget install --id Microsoft.VCRedist.2013.x64  -e --source winget
    
25. winget install --id Microsoft.VCRedist.2013.x86  -e --source winget
    
26. winget install --id GnuWin32.Patch  -e --source winget
    
27. set-ExecutionPolicy RemoteSigned
    
28. #然后重新启动计算机
    
29. 
    
30. #创建项目 获取源代码
    
31. $project = "C:\project"
    
32. mkdir $project
    
33. cd $project
    
34. git clone https://codeberg.org/ladaapp/lada.git
    
35. cd lada
    
36. py -m venv .venv
    
37. .\.venv\Scripts\Activate.ps1
    
38. 一定不要关闭界面，继续运行以下代码
    
39. #安装支持 ROCm 的 PyTorch（7900XT/XTX)
    
40. pip install `
    
41. https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torch-2.10.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
    
42. https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchaudio-2.8.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
    
43. https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchvision-0.25.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
    
44. --extra-index-url https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/
    
45. 
    
46. pip install `
    
47. https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torch-2.9.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
    
48. https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchaudio-2.8.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
    
49. https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchvision-0.24.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
    
50. --extra-index-url https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/
    
51. 
    
52. 如果9000系列
    
53. 9000确认可用版本
    
54. pip install `
    
55. https://rocm.nightlies.amd.com/v2/gfx120X-all/torch-2.9.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
    
56. https://rocm.nightlies.amd.com/v2/gfx120X-all/torchaudio-2.8.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
    
57. https://rocm.nightlies.amd.com/v2/gfx120X-all/torchvision-0.24.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
    
58. --extra-index-url https://rocm.nightlies.amd.com/v2/gfx120X-all/
    
59. 
    
60. #安装lada-cli
    
61. pip install -e '.[basicvsrpp]'
    
62. 
    
63. #应用补丁
    
64. #在运行马赛克检测模型的低端硬件上，可能会遇到ultralytics库中定义的超时，场景将无法恢复。以下补丁增加了此时间限制：
    
65. patch -u .venv/lib/site-packages/ultralytics/utils/ops.py patches/increase_mms_time_limit.patch
    
66. #禁用我们的一个依赖项的崩溃报告/遥测（ultralytics）：
    
67. patch -u .venv/lib/site-packages/ultralytics/utils/__init__.py  patches/remove_ultralytics_telemetry.patch
    
68. #将 mmengine（恢复模型依赖项）与最新 PyTorch 一起使用的兼容性修复：
    
69. patch -u .venv/lib/site-packages/mmengine/runner/checkpoint.py  patches/fix_loading_mmengine_weights_on_torch26_and_higher.diff
    
70. 
    
71. #下载模型权重
    
72. Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_detection_model_v3.1_accurate.pt?download=true' -OutFile ".\model_weights\lada_mosaic_detection_model_v3.1_accurate.pt"
    
73. Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_detection_model_v3.1_fast.pt?download=true' -OutFile ".\model_weights\lada_mosaic_detection_model_v3.1_fast.pt"
    
74. Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_detection_model_v2.pt?download=true' -OutFile ".\model_weights\lada_mosaic_detection_model_v2.pt"
    
75. Invoke-WebRequest 'https://huggingface.co/ladaapp/lada/resolve/main/lada_mosaic_restoration_model_generic_v1.2.pth?download=true' -OutFile ".\model_weights\lada_mosaic_restoration_model_generic_v1.2.pth"
    
76. #DeepMosaics 的恢复模型
    
77. Invoke-WebRequest 'https://drive.usercontent.google.com/download?id=1ulct4RhRxQp1v5xwEmUH7xz7AK42Oqlw&export=download&confirm=t' -OutFile ".\model_weights\3rd_party\clean_youknow_video.pth"
    
78. 
    
79. 添加amd显卡ffmpeg硬件编码amf支持(速度提升很多)
    
80. 默认情况下lada使用cpu的libx264软件编码，编码为h264格式
    
81. 在上述测试都正常无误的情况下，下载：https://www.gyan.dev/ffmpeg/builds/ffmpeg-release-full-shared.7z
    
82. 然后解压到你喜欢的目录，比如C:\project\，然后在lada虚环境内依次输入如下命令：
    
83. 
    
84. ```
    
85. $FFMPEG_DIR = "C:\project\ffmpeg-8.0-full_build-shared"
    
86. $env:Path = $FFMPEG_DIR + "\bin;" + $env:Path
    
87. $env:LIB = $FFMPEG_DIR + "\lib;" + $env:LIB
    
88. $env:INCLUDE = $FFMPEG_DIR + "\include;" + $env:INCLUDE
    
89. pip uninstall av
    
90. pip install av --no-binary av
    
91. ```
    
92. 
    
93. 上述命令的意思是将预编译好的ffmpeg解压后的目录添加到lada虚环境中，然后卸载旧的ffmpeg支持库，重新安装。
    
94. 在项目目录内，修改：lada\cli\main.py文件，打开它，然后在第5行的import os下面，新建一行，输入：
    
95. ```
    
96. os.add_dll_directory(r"C:\project\ffmpeg-8.0-full_build-shared\bin")
    
97. ```
    
98. 
    
99. 保存，然后回到powershell，用：
    
100. ```
     
101. lada-cli --list-codecs
     
102. ```
     
103. 命令来测试是否amf已支持。正常情况下，在列表中会看到：
     
104. 
     
105. ```
     
106. 
     
107. av1_amf            AMD AMF AV1 encoder
     
108. h264_amf           AMD AMF H.264 Encoder
     
109. hevc_amf           AMD AMF HEVC encoder
     
110. Encoders with support for hardware acceleration (GPU):
     
111.         cuda
     
112.         vaapi
     
113.         dxva2
     
114.         qsv
     
115.         d3d11va
     
116.         opencl
     
117.         vulkan
     
118.         d3d12va
     
119.         amf
     
120. ```
     
121. 后续使用
     
122. 
     
123. ```
     
124. 
     
125. #####使用Lada
     
126. 
     
127. 最简单的lada使用命令
     
128. lada-cli --input "视频完整路径+文件名"
     
129. 示例
     
130. ```
     
131. lada-cli --input "D:\xxx.MP4"
     
132. 默认输出回原文件夹，想改的自己设置输出路径--output_"D:\video"
     
133. 
     
134. 常用命令
     
135. 切换为v2检测模型，默认使用v3.1-fast v2模型较不会漏马
     
136. 下面意思为qp设置为20，20基本就是原画质（这个就是crf的意思，不懂得自己搜），h264_amf代表用amd加速编解码,最后面代表用v2模型，除此以外还以换成v3.1_fast.pt   v3.1_accurate.pt，v2最慢，v3f最快，v3a中等，速度和质量成反比
     
137. lada-cli --input "D:\xxx.MP4" --codec h264_amf --custom-encoder-options "-rc 0 -qp_i 20 -qp_p 20 -qp_b 20" --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v2.pt
     
138. 
     
139. 一些代码
     
140. #输入输出路径
     
141. 代码开头为lada-cli（记得加空格）比如lada-cli --input "视频完整路径+文件名"
     
142. --input "input_video_path"
     
143. --output_"output video_path"
     
144. --codec h264_amf
     
145. --codec av1_amf
     
146. --codec hevc_amf
     
147. --custom-encoder-options "-rc 0 -qp_i 20 -qp_p 20 -qp_b 20"
     
148. --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v2.pt
     
149. --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v3.1_fast.pt
     
150. --mosaic-detection-model-path model_weights\lada_mosaic_detection_model_v3.1_accurate.pt
     
151. 
     
152. 
     
153. ```其余选项可用lada-cli --help 确认
     
154. 
     
155. 
     
156. 后续终端关闭后想重新使用lada
     
157. 须先输入以下命令：
     
158. 
     
159. $project = "C:\project"
     
160. cd $project
     
161. cd lada
     
162. .\.venv\Scripts\Activate.ps1
     
163. 
     

复制代码

famdic

谢谢大哥！

410364395

支持大佬技术分享！

zelefans

muchi 发表于 2025-11-13 15:13
自动出现的表情有点搞笑了，A卡想搞的朋友直接看这个

Windows下这样装纯python环境一旦中间出现问题就会太痛苦，光pytorch的版本和第三方程序的cuda对不上就各种抓虾，比如用vllm。一般用conda、uv管理包隔离性会比较好，实搞不定上WSL2的ubuntu，再搞不定上docker。