watermarks-remover：一键清除 AI 生成内容的隐形水印与溯源标记

随着 AI 生成内容的爆发式增长，各大模型厂商（Claude、Gemini SynthID、OpenAI、各类开源大模型）都在给生成物打上「隐形水印」——有的是不可见的 Unicode 字符，有的是概率采样层面的统计指纹，还有的是嵌入到图片/PDF 元数据里的 C2PA 溯源标记。这些标记对平台方很有价值，但对普通用户来说，也可能带来隐私泄露与内容「卫生」问题。

今天要介绍的 watermarks-remover（GitHub 8.3k+ stars）是一个主打「多厂商 AI 溯源标记清除」的开源工具，专为你自己拥有或有权处理的内容服务。它把复杂的去水印流程拆成了清晰的分层架构，既能当 CLI 脚本用，也能作为本地 HTTP 服务被任何 web 应用或 AI Agent 调用。

它到底能去掉什么？

watermarks-remover 把「AI 标记」分成三层来处理，每一层的原理和手段都不同：

Layer A：隐形 Unicode / 编辑型文本水印

很多模型会在文本里注入零宽空格（ZWSP）、双向控制字符（bidi）、异体空格、标签字符等「肉眼不可见但可被程序读取」的载体。Layer A 用确定性的 Python 脚本精确剥离这些字符——这是可验证、可测试的干净手段，也是文本处理的默认安全选项。

Layer B：统计采样型文本水印（尽力而为）

现代 LLM 水印往往藏在「哪些 token 被选中」的概率偏差里，而不是某个具体字符。针对这类，工具提供重写钩子（paraphrase / 词选择 + 句法攻击），可对接本地 Ollama 或 OpenAI 兼容后端，用非原厂模型对文本做大幅重写，从而打散统计指纹。官方也诚实标注：这是「尽力而为」，无法保证厂方检测器一定失效。

文件元数据 / C2PA 溯源清除

针对 PNG / JPEG / WebP / SVG / PDF / DOCX / ODT / HTML / Markdown 等格式，直接剥离 C2PA、XMP、EXIF、docProps 等溯源元数据段。特别值得一提的是 PDF：工具会用 exiftool 做增量清理后再用 qpdf 做结构化重建，避免「元数据字节仍可被恢复」的隐性泄露。

核心特色

• 多厂商覆盖：Claude、Gemini/SynthID-Text、OpenAI provenance、开源 KGW（Kirchenbauer）类标记，一张矩阵表讲清楚覆盖范围。
• 纯 stdlib，零依赖：核心脚本只需 Python 3.10+ 标准库，无 Docker 也能跑。
• HTTP 服务 + OpenAPI：内置 stdlib HTTP server（/health、/inspect、/clean、/capabilities），甚至动态生成 OpenAPI 3.0.3 规范，任何 web 应用都能轻松集成。
• AI Agent 技能形态：作为 Grok / Claude 等 Agent 的 skill 使用，技能本体是「纯 markdown 客户端」，通过 HTTP 驱动服务，Agent 宿主无需装 Python。
• 安全加固：原子写入、默认 loopback 绑定、可选 Bearer 鉴权、输入大小/地址空间上限、拒绝二进制误判。
• 可选的像素级水印移除：通过外部后端（CtrlRegen、MarkDiffusion、reverse-SynthID）对图片像素域水印做再生成式移除，强度可调且默认保守。

上手步骤

1. 克隆仓库并启动 HTTP 服务（最快路径）

git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover
make serve                      # 启动于 http://127.0.0.1:8765
# 或直接：
python3 service/scripts/server.py --host 127.0.0.1 --port 8765

2. 命令行脚本方式（不启动服务）

SCRIPTS=service/scripts

# 统一检查 / 清理文件（用 --out 指定输出）
python3 "$SCRIPTS/inspect_file.py" draft.md
python3 "$SCRIPTS/clean_file.py" draft.md --out draft.cleaned.md
python3 "$SCRIPTS/clean_file.py" photo.png --out photo.cleaned.png

# 文本 Layer A（去掉隐形 Unicode）
python3 "$SCRIPTS/inspect_text.py" draft.md
python3 "$SCRIPTS/clean_text.py" draft.md --out draft.cleaned.md --stats

3. Layer B 重写（默认仅打印提示，不调用模型）

python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase

# 可选：使用本地 Ollama 重写
export WATERMARKS_REWRITE_BACKEND=ollama
export WATERMARKS_REWRITE_MODEL=llama3.2
python3 "$SCRIPTS/rewrite_text.py" draft.md --out draft.rewritten.md

4. 通过 HTTP 调用（供其他应用集成）

服务启动后暴露 /health、/inspect、/clean、/capabilities 等端点。任何能发 HTTP 请求的客户端（requests、urllib、fetch、axios 等）都能调用，例如：

import urllib.request, json, base64

# 健康检查
print(urllib.request.urlopen("http://127.0.0.1:8765/health").read().decode())

# 清理文件（POST /clean，JSON 负载）
payload = json.dumps({
    "file": base64.b64encode(open("notes.md", "rb").read()).decode(),
    "name": "notes.md",
}).encode()
req = urllib.request.Request(
    "http://127.0.0.1:8765/clean",
    data=payload,
    headers={"Content-Type": "application/json"},
)
print(urllib.request.urlopen(req).read().decode())

5. Docker 部署（含 exiftool / qpdf / c2patool）

make docker-core-build
docker run --rm -p 127.0.0.1:8765:8765 --read-only --tmpfs /tmp watermarks-remover

适用场景

• 内容隐私与卫生：发布前清理自己内容里无意携带的溯源元数据与隐形字符。
• AI Agent 工作流：作为 skill 集成进 Grok / Claude 等，自动对产出做「去水印」后处理。
• 研究 / 逆向实验：配合 MarkLLM / MarkDiffusion 等验证 harness，研究不同水印方案在重写下的存续性。
• 文档合规处理：批量剥离 PDF / DOCX 里的生成器元数据，避免敏感信息泄露。

重要的诚实提醒

这个项目在 README 里写得很坦诚：「去掉文本统计水印等同于重写」，重写会损失原文的语气、风格与精确度，且任何工具都无法 100% 保证厂方检测器失效。Layer A + 文件元数据清理是「可验证」的干净；Layer B 是「尽力而为」。请仅在你自己拥有或已获授权的内容上使用，并遵守当地法规。

项目地址：https://github.com/guillaumemeyer/watermarks-remover，采用 MIT 协议。