距 remove.bg 停服剩 14 天:把 50 张商品图连通域套版和 25MB 流式网关抠明白

1 阅读5分钟

离 2026 年 12 月 1 日 09:00 CET(北京时间下午 4 点)remove.bg 关停独立网站和自助版 POST /v1.0/removebg 接口只剩两周了。按官方迁移指引,老用户要么进 Canva 画布或者接 OAuth 2.0,要么把原来的 multipart/form-data 二进制流代码推倒重写成 Leonardo.Ai Sync v2 的 JSON 协议。

过去十几天,我在维护 remove.ac 的过程中集中修掉了两类最容易在真实生产图上翻车的坑:一个是前端 50 张跨境商品图批量套版时的边缘噪点框膨胀,另一个是云端兼容网关的大体积二进制流计费回滚。把具体做法摊开记一下。

一、为什么直接扫 alpha > 0 会把 85% 占比的亚马逊主图缩成“邮票”

做跨境电商的朋友对三个平台的主图规矩都很熟:

  • Amazon 主图:纯白底 #FFFFFF(RGB 255, 255, 255),商品主体占画布约 85%,最长边至少 1600px 才能触发放大镜(通常直接出 2000×2000 JPG),而且不能带飘出画布的假投影。
  • Shopify 集合页(Collection Grid):高窄瓶子和宽扁手包混排时,如果按外接矩形几何中心居中,整排商品底边会高低乱跳;需要用 2048×2048 WebP 配合 10% 底部基线对齐(Shelf-aligned),让所有商品稳稳踩在同一条货架线上。
  • Etsy 列表首图:部分视图会把透明 PNG 的 Alpha 通道直接压成纯黑块,首图缩略图还会按 4:3 裁切,稳妥规格是 2667×2000(4:3)或 2000×2000 的不透明暖白底 JPG。

如果每换一个平台规格就重跑一遍神经网络分割,算力白白浪费三倍不说,手机和低配轻薄本标签页还会直接爆内存。

我们在网页批量页(/zh/batch)里把“掩码推理”和“画布套版”拆成了两个阶段:浏览器首次打开缓存约 80 MB 量化 ONNX 模型后(单图工作台 /zh/upload 支持最高 20 MB / 32 MP、单边 12,000 px,内置 18 套实拍底图、12 套商业设计模板、交互式主体点选与 12 步撤销画笔;批量页一次最多拖入 50 张),WASM Worker 对每张图只跑一次本地分割并缓存前景位图。

真正踩坑的是自动算 85% 主体缩放框这一步。实拍棚拍图经过模型分割后,角落里偶尔会残留一两个 2×2 像素、半透明度只有 alpha = 12 的灰尘噪点。如果粗暴扫描全图 alpha > 0 求外接包围盒:

  1. 右下角一颗肉眼看不见的微尘会把包围盒对角线拉长 30%,导致真正的商品被缩到只占画布一半;
  2. 贴地接触阴影(Contact Shadow)会跟着外接盒底边跑偏,挂在半空中像幽灵一样。

修法是在进入 OffscreenCanvas 合成前先跑一趟连通域面积过滤:剔除低于最小像素面积阈值的孤立微碎块,同时完整保留连在包袋主体上的细提手环,再用去噪后的真实底边锚定接触阴影。之后用户在 Amazon 2000×2000 纯白底、Shopify 2048×2048 货架线对齐和 Etsy 2667×2000 4:3 不透明底之间来回切换时,独立 OffscreenCanvas Worker 毫秒级重新排版编码并流式打进 ZIP,全程零图片上传、零二次推理(遇到不支持 OffscreenCanvas WebP 编码的 WebKit 内核则自动无损回退 PNG)。

我们也把过去 90 天采集的 2,200+ 条跨端真机 WebAssembly 推理分位数按 CC BY 4.0 公开在了 真机延迟基准数据集。

二、25 MB / 50 MP 零落盘兼容网关与 FEFO 预占锁回滚

网页本地模式适合人工看图修图,但跑定时任务、ERP 批处理或者自托管 n8n 还是得调服务端接口。为了不让存量项目改请求体结构,我们把 remove.ac 的 POST /v1.0/removebg 做成了同参数契约的无状态云端 GPU 网关(详见 逐字段参数迁移对照):

  1. 绕开 Serverless 4.5 MB 墙且不落对象存储:常规函数网关卡死在 4.5 MB 载荷上限,而一张 4000×3000 的未裁边透明 PNG 动辄 6–12 MB。我们通过 Cloudflare 边缘流式网关直接承接最高 25 MB、50 MP(size=50mp/25mp/full/auto,底层跑 BiRefNet HR)的单次二进制流,图片字节只在临时 GPU 显存里完成推理并流式吐回,不往 S3/R2 写临时文件;需要前端上传进度条或中途取消的客户端,也可以先调 /v1.0/removebg/ticket 拿 180 秒单次 HMAC 预授权票据直传,中途取消调 /ticket/release 即可秒退额度。
  2. FEFO 原子预占与零留存幂等防重:请求进网关时按“先到期先扣(FEFO)”在数据库锁住对应积分;一旦上游推理超时或返回非 200,预占锁立即释放,报错请求 0 扣费。同时支持传入 Idempotency-Key(绑定原图与参数的 SHA-256 指纹):网络抖动重试已完成请求时,即使服务端不留存结果图片,也能识别出同指纹已结算并返回原始输出哈希且不再重复扣费。

客户端胶水代码已经全部按 MIT 开源在 github.com/szp2005/rem…,Python(pip install remove-ac)与 Node.js(npm install remove-ac)均已发到 1.2.0,自托管 n8n 在 Community Nodes 里搜 n8n-nodes-remove-ac 就能装:

from remove_ac import RemoveAcClient

client = RemoveAcClient(api_key="rac_live_your_key_here")
cutout_png = client.remove_background("raw-product.jpg", size="50mp", format="png")
with open("cutout.png", "wb") as f:
    f.write(cutout_png)

为了方便月底前要切接口的团队跑通整条流水线,这周刚把新注册账号的邮箱验证体验额度从 1 积分上调到了 10 枚全尺寸云端积分(30 天有效),按量包永不过期。手里有玻璃器皿、细网眼或金属反光难图的朋友,欢迎直接拿去压测拍砖。

利益相关:我是 remove.ac 的开发者。

本文部分内容包含 AI 辅助创作