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;P
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/v2/gfx110X-dgpu/torch-2.10.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchaudio-2.8.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchvision-0.25.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/
pip install `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torch-2.9.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchaudio-2.8.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchvision-0.24.0a0%2Brocm7.0.0rc20250905-cp313-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/v2/gfx120X-all/torch-2.9.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx120X-all/torchaudio-2.8.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx120X-all/torchvision-0.24.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx120X-all/
#安装lada-cli
pip install -e '.'
#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__.pypatches/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.pypatches/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"
$env:Path = $FFMPEG_DIR + "\bin;" + $env:Path
$env:LIB = $FFMPEG_DIR + "\lib;" + $env:LIB
$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 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#————muchi编辑————#
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
lada-cli --output"D:\dc"
#————muchi编辑————#
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/v2/gfx110X-dgpu/torch-2.10.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchaudio-2.8.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchvision-0.25.0a0%2Brocm7.10.0a20251018-cp313-cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/
pip install `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torch-2.9.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchaudio-2.8.0a0%2Brocm7.0.0rc20250905-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx110X-dgpu/torchvision-0.24.0a0%2Brocm7.0.0rc20250905-cp313-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/v2/gfx120X-all/torch-2.9.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx120X-all/torchaudio-2.8.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
https://rocm.nightlies.amd.com/v2/gfx120X-all/torchvision-0.24.0a0%2Brocm7.0.0rc20250909-cp313-cp313-win_amd64.whl `
--extra-index-url https://rocm.nightlies.amd.com/v2/gfx120X-all/
#安装lada-cli
pip install -e '.'
#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__.pypatches/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.pypatches/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"
$env:Path = $FFMPEG_DIR + "\bin;" + $env:Path
$env:LIB = $FFMPEG_DIR + "\lib;" + $env:LIB
$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
谢谢大哥！
支持大佬技术分享！
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。
AMD显卡可以吗 10g的
yck 发表于 2025-11-13 20:17
AMD显卡可以吗 10g的
AMD可以用ffmpeg加速，对于 AMD，使用 AMF (Advanced Media Framework) 编码器,使用 DirectX 11 (d3d11va) 进行硬件解码。
提取左侧视频 (AMD 加速)
ffmpeg -hwaccel d3d11va -i movie.mp4 -vf "crop=iw/2:ih:0:0" -c:a copy -c:v hevc_amf -rc cqp -qp_i 25 -qp_p 25 movie_L.mp4
提取右侧视频（AMD加速）
ffmpeg -hwaccel d3d11va -i movie.mp4 -vf "crop=iw/2:ih:iw/2:0" -c:a copy -c:v hevc_amf -rc cqp -qp_i 25 -qp_p 25 movie_R.mp4
难点在于lada，上面有坛友回复可以参考，但一般人搞不定这么折腾的。
太棒啦，刚下了一个lada折腾不明白，楼主简直是迷途中的耀眼星光啊
我是A卡，无奈呀，我说怎么LADA这么好，那么多片都有破解好的放出，VR这边根本没有，原来破解效果不好呀，唉，还是等更新针对VR的把，真无奈呀。:'(
太麻烦了，切割 跑马 补画面 然后合并。实际差不多的我用剪映切过，出来的画面也只有正面可以看，但凡歪一点去马效果也就等于没有了。而且补出来的效果也差强人意还是等大佬想办法了。
