开发者近日在 V2EX 发布了开源在线图片工具箱 Tubox，主打免登录、图片不上传的隐私处理模式。该工具箱采用纯前端架构，图片解码、压缩、AI 抠图、AI 放大等全部在浏览器本地完成，不设图片上传接口，无需注册账号。目前内置 13 个工具，涵盖批量压缩、改尺寸、格式转换、水印与 ZIP 打包下载、AI 抠图与 2x/4x 高清放大、30 余种规格证件照（支持 AI 换底与冲印排版）、拼图、长图、九宫格与小红书社交版式、GIF 与视频转 GIF、EXIF 隐私查看与无损清除、图片标注及二维码生成等场景。技术架构上有两个关键取舍：批量任务被分配至 Web Worker 池执行，避免界面卡死；AI 推理优先调用 WebGPU，失败时自动回退至 WASM 方案以保证兼容性。AI 模型按需加载并自托管在站点上，首次使用相关工具需下载模型，之后加载速度会明显加快。项目以 AGPL-3.0 协议在 GitHub 开源，仓库为 jackple/tubox。作者正征集三类反馈：用户最常用的图片功能、Safari/iOS 及低配置设备上的运行表现，以及值得优先补充的高频使用场景，并表示将按回帖反馈持续迭代。
事件分析
Tubox 的技术看点在于将 AI 推理完整迁移至浏览器端：WebGPU 作为首选推理后端，配合 WASM 回退机制，兼顾性能与兼容性；Web Worker 池化调度则解决了前端批量处理的阻塞问题。这一实践折射出浏览器算力边界的持续扩张，随着 WebGPU 在 Chrome、Safari 等主流内核逐步落地，端侧推理正从演示项目走向实用工具。对证件照、私人图片等隐私敏感场景而言，数据不出本地的架构具有天然优势，也可能促使同类在线工具重新评估服务端处理的合规成本。后续走向上，模型自托管的带宽成本、iOS Safari 的 WebGPU 支持进度，以及社区贡献活跃度，将是决定该项目能否持续演进的关键变量。
核心观点：WebGPU 成熟让浏览器成为 AI 推理新入口，数据不出本地正从隐私口号变成可开源复制的工程实践。
原文链接：V2EX 分享发现
