很多同学对AI素材去水印有需求，软件格律诗 今天推荐一下 watermarks-remover 已经得到 14.6k stars 的开源工具，，但它不是传统意义上给图片去水印的软件。它去除的是多厂商 AI 溯源水印——也就是 AI 模型生成内容时附带的那层「隐形身份信息」，包括不可见的 Unicode 字符、统计采样水印、C 2 PA 溯源元数据等，覆盖 Claude、Gemini/SynthID-Text、OpenAI 及开源模型（Kirchenbauer 式）的标记体系。
它的形态是「Agent skill + Python 服务」：skill 是一份纯 Markdown 的瘦客户端（不带任何代码，通过 HTTP 驱动服务，agent 主机无需装 Python），真正的处理引擎在 service/scripts/ 下，全部基于 Python 3.10+ 标准库，零第三方依赖也能跑。当前版本 v 0.5.0，MIT 开源，开发非常活跃（287 个测试、Ruff 强约束的 CI，最近提交就在今天）。
功能特点
三层清理架构
| 层级 | 处理目标 | 实现方式 |
| Layer A | 不可见 Unicode、特殊空格、双向文本（bidi）、标签字符 | 确定性 Python 脚本 |
| Layer B | 统计采样类文本水印 | Agent 改写 + 可选 rewrite_text.py 钩子 |
| 文件层 | C 2 PA / EXIF / XMP / 文档属性 | 逐格式元数据清理 |
Layer A 是安全默认项，纯本地确定性处理；Layer B 是「尽力而为」的改写攻击（业界标准做法：改写/回译），需要模型参与；文件层则针对每个容器格式做了精细处理。
十三种格式覆盖
PNG、JPEG、WebP、AVIF、HEIC、BMP、GIF、TIFF（含 BigTIFF）、SVG、PDF、DOCX、EPUB、ODT、HTML、Markdown——每种格式的清理逻辑都专门打磨过。几个亮点：GIF 会保留 NETSCAPE2.0 循环信息只去注释/XMP；TIFF 删除 XMP/EXIF/GPS/IPTC/MakerNote 标签但保留图像条带；EPUB 会跳过加密部分；PDF 必须配合 qpdf 做结构性重建——因为仅用 exiftool 增量写文件，原始元数据字节仍残留在文件里（这是作者明确警告的静默泄漏点）。
检测与评分（v 0.5.0 新增）
清理和检测是分离的两步。HTTP 服务提供 /detect 接口，文本走厂商检测器 + 风格测量，图片可做 SynthID 像素评分；/clean 还支持 detect_before / detect_after，量化一次清理到底改变了什么。检测器可插拔：gemini-synthid-text（谷歌官方 SynthID-text 检测器，需自备 API key）、markllm（清华研究工具），Claude 检测 API 发布后即接入。所有检测器故障软降级——没配置、超时、出错都只报告 available: false，绝不阻塞清理。
可选的像素级水印去除
对图片的像素域水印（SynthID-class、StegaStamp、Tree-Ring、StableSignature），提供两个外部后端：CtrlRegen（ICLR 2025 论文实现，ControlNet + DINOv 2 IP-Adapter 可控再生，512×512 原生、大图自动分块，保守默认强度 0.25）和 DiffusionPurification（MarkDiffusion 后端的盲再生，内容漂移更大，仅作兜底对比）。这俩后端都不捆绑分发——上游许可证不允许（一个没 LICENSE、一个是非商用研究许可），需要时脚本现场克隆固定 commit 并隔离安装，约 10 GB 模型下载、强烈建议 GPU。
验证工具链
配套 MarkLLM（KGW/SynthID 文本水印方案）和 MarkDiffusion（9 种图像水印方案）两个验证 harness，可先给测试文本/图片打上水印，跑完清理再用同一配置重新检测，证明水印确实消失了。作者反复强调：这是验证工具，不是裁判——同配置检测才有效，无法保证厂商检测器一定失手。
安全加固
原子写入（临时文件 + 重命名，拒绝符号链接劫持）、HTTP 客户端拒绝重定向（防 API key 泄漏）、默认拒绝非本机端点、输入 256 MiB 上限、zip 炸弹防护、文本工具拒绝二进制输入、未知格式绝不自动清理——防呆和防泄漏做得相当彻底。
上手教程
方式一：直接跑脚本（最快）
只需 Python 3.10+，可选装 c 2 patool / exiftool / qpdf 增强 PDF 等格式的处理。
方式二：作为 Agent skill 使用
之后直接对 agent 说「帮我去掉这些文本里的 AI 水印」，或用 /remove-ai-marks 命令。Cursor 用户可另装纯文本版 skill clean-user-facing-text。
方式三：Docker 一键起服务
它的「诚实」，值得单独说
README 里有段少见的自我拆台，必须转述：文本水印存在于措辞本身，所以去除意味着逐句改写，不是调整结构；而任何改写都会拉平原文的语气和精度——「如果本来就打算用便宜模型改写，为什么不一开始就用便宜模型生成？」如果质量优先于卫生，作者建议走无损路径：只用 Layer A + 元数据清理，保留原文。它也无法向任何人打包票「厂商检测器一定失败」。这种对能力边界和代价的坦诚，在开源工具里非常罕见。
合规声明
项目明确限定：仅用于你拥有或获授权处理的内容，用于隐私保护和自有内容管理；禁止学术欺诈或伪造「人类撰写」主张。使用者需遵守当地法规并自行承担风险。
我的使用感受
用下来的体验是「它把丑话说在了前头」：不像很多去水印工具那样宣传「一键抹除」，它从 README 第一页就告诉你哪些能验证、哪些只能尽力、去掉统计水印要付出什么代价——这种工程诚实比功能本身更难得。
对内容创作者来说，最实用的是 Layer A + 元数据清理这条无损路径：清理不可见字符和 C 2 PA 标记不影响原文质量，配合 HTTP 服务甚至能接进自己的发布流水线。三点局限也要说清：像素级去除（CtrlRegen）门槛较高（10 GB 模型 + GPU），统计水印去除会明显改变文风，且没有任何工具能保证逃过厂商官方检测。但如果你需要的是「对自有内容做溯源清洁」，它目前是同类里考虑最周全的方案。
本文信息源自：格物致知 · 科技发现周刊 007期：MacBook的触控板（15个项目）
官方网站
https://github.com/guillaumemeyer/watermarks-remover
下载地址
https://pan.quark.cn/s/f42daea52a73
