先说结论:remove.bg 不是倒闭跑路,是被母公司收编——但对普通用户来说结果一样:2026 年 12 月 1 日之后,remove.bg 独立网站打不开、自营 API 停用,账户里没用完的按量点数直接作废。这篇把官方口径、两条平替路线(云端接 Canva、本地用开源 rembg)和我们自己的实测结论一次讲清,赶在关停前把迁移做完。

一、官方口径:到底关什么、迁去哪

以下全部出自 remove.bg 官方 FAQ(2026 年 11 月查阅):

  • 关停时间:2026 年 12 月 1 日上午 9:00(欧洲中部时间),独立网站不再可用;
  • API:自营 API 同日停止接受请求,手里的 API key 随之失效;企业版 API 合同不受影响、继续履约;
  • 点数:未用完的按量点数 12 月 1 日当天过期作废,官方建议提前用掉;
  • 去向:网页端抠图迁进 Canva 的背景移除功能(官方称用的是同一套抠图技术),API 能力迁到 Leonardo.ai(同属 Canva);
  • 背景:remove.bg 2021 年起就是 Canva 旗下产品,这次是把重复产品合并掉。

所以迁移这件事没得选,区别只在往哪迁。下面按使用量分三类人给路线。

二、先分清你是哪类用户

  • 偶尔抠几张(证件照、头像、临时配图):直接跟官方走 Canva 就行,不用折腾新工具;
  • 电商批量商品图(白底主图、批量抠图是日常活):重点看第三、四节,云端按量成本会随量涨,本地路线越用越划算;
  • 接了 API 的(程序里在调 remove.bg 接口):官方承接方是 Leonardo.ai,那是另一套接口,要按它的迁移指南改代码,别等到 12 月 1 日 key 失效了才动手。

三、路线一:云端,官方承接是 Canva 和 Leonardo.ai

网页端用户 → Canva 背景移除。remove.bg 官方 FAQ 明确说,Canva 里的背景移除用的就是 remove.bg 的技术,本来就在用 Canva 做图、做详情页的人,迁移成本最低:图不离 Canva,抠完直接接着排版。要注意的是形态变了——它不再是一个「打开网页、拖图、下载」完事的独立小工具,而是大设计平台里的一个功能,工作流要跟着 Canva 的节奏走。

API 用户 → Leonardo.ai。官方给 API 用户指的承接方是 Leonardo.ai(Canva 2024 年收购的 AI 图像平台),对方已经发布了专门的迁移指南。迁移要点就一条:这是换接口,不是换 key,原来的调用代码要按新接口文档改,提前留出联调时间。

云端路线共同的取舍:上手最快、不用管机器和模型;代价是图片要上传到别人的服务器、按量或订阅持续付费、平台哪天改规则你只能跟着改——remove.bg 这次关停本身就是最好的例子。

四、路线二:本地开源 rembg,自己电脑上抠,图片不出门

rembg 是 GitHub 上的开源抠图工具(仓库 danielgatis/rembg,MIT 许可证,截至 2026 年 11 月约 2.56 万 star),本质是一个跑在本机的 AI 模型:装好之后断网也能用,图片不经过任何服务器。它有四种用法——命令行、Python 库、自带 HTTP 服务、Docker 镜像,下面按零基础能照着做完的顺序写命令行路线。

安装(需要先有 Python 3.11–3.13)

  1. 确认电脑装了 Python,版本在 3.11 到 3.13 之间(rembg 官方要求,版本不对先升级 Python);
  2. 打开终端(Windows 用 PowerShell,Mac 用「终端」),输入:pip install "rembg[cpu,cli]" 回车,等它装完。带 cli 是为了把命令行工具一起装上,只装库是不带命令的;
  3. 第一次运行会自动下载所选模型文件到本机(存在用户目录的 .rembg 文件夹里),这一步要联网,模型从几十 MB 到 1 GB 不等,网速慢就多等一会儿;下载失败多半是网络问题,换个网络环境重试,不要反复重装。

使用:单张、批量、起服务三种打法

  1. 抠一张图:rembg i 输入图.png 输出图.png,输出是带透明通道的 PNG;
  2. 抠一整个文件夹(电商批量场景的主力用法):rembg p 输入文件夹 输出文件夹,整个文件夹的图批量处理,还支持 -w 监视模式——新图丢进文件夹就自动抠;
  3. 指定模型:在命令里加 -m 模型名,比如 rembg i -m isnet-general-use in.png out.png。为什么必须指定,看下一段;
  4. 边缘有彩色描边时:加 -dc 参数做边缘去色(官方叫 decontaminate,专治主体边缘残留的背景色,成本几乎为零);发丝级边缘形状不对时再试 -a(alpha matting,效果更细但明显更慢);
  5. 给别的程序调用:rembg s 能在本机起一个 HTTP 服务,自家脚本、内部工具可以直接调它,不必再买云端 API。

模型怎么选:我们的实测结论

rembg 是「壳+模型」的结构,抠得好不好主要看选哪个模型,这一步最容易踩坑,先说最大的一个:

现在的默认模型是 bria-rmbg,而它的许可证要求商用必须与 BRIA 另签付费协议——rembg 本体是 MIT 免费,但模型权重各有各的许可证,官方 README 专门写了这一条。装完不指定模型、直接拿去商用,是这条路线最大的雷。所以:永远显式指定模型名。

本站筹备自己的抠图工具时,把候选模型用 23 张图(商品、人像、透明物、反光物等)同图同跑对比过,结论如下(本站实测):

  • isnet-general-use(我们最终选的):没有灾难性失败,失分都是残影、渐隐这类软伤;透明酒杯的杯脚、卷发人像的发丝边缘明显更锐;人像组对比占优。代价是慢,实测单张推理约 3.5 秒(u2net 约 1.6 秒,测试环境口径),网页工具场景可以接受;
  • u2net(老牌默认):速度快,但出现过两次硬失败——太阳镜陈列架整图输出全空、化妆品的黑瓶盖被整体切掉。批量处理时这种失败最危险:混在几百张图里不容易被发现;
  • bria-rmbg:效果是新一代水平,但商用许可要另付费,我们全程没用;个人非商用折腾不在此列。

一句话选型:商用、批量、怕翻车 → isnet-general-use;个人少量、图简单 → u2net 也够;默认模型别裸奔。

五、两条路线对照着选

维度 云端(Canva / Leonardo.ai) 本地(rembg)
上手门槛 注册就能用 要装 Python 和模型,第一次有折腾成本
图片隐私 图片上传到平台服务器 全程本机处理,断网可用
批量能力 看平台功能与套餐 文件夹批量+监视模式,天生为批量设计
持续成本 按量或订阅,一直付 软件免费,成本是自己的电脑和电费
可控性 平台改规则只能跟着走(这次关停就是例子) 版本、模型都捏在自己手里
商用许可 按平台条款 本体 MIT;但模型要逐个看许可证,默认模型商用需另签协议

六、避坑指南

  • 点数先用掉:账户里有余额的,12 月 1 日前把该抠的图提前抠完存好,过期不退;
  • API 用户别拖:key 到期直接失效不是「降级」,是断供,迁移联调至少提前两周动手;
  • rembg 别用默认模型商用:见第四节,显式 -m isnet-general-use 写进命令和脚本里;
  • 模型下载失败先查网络:模型文件托管在海外仓库,国内网络第一次下载容易断,换网络或多重试,不要以为是软件坏了;
  • 批量前先小样:换任何新工具/新模型,先拿 10 张最难的图(透明、反光、毛边、深色主体)试跑,全过再上全量——我们实测里 u2net 的两次硬失败都出在这种图上;
  • 抠图只是第一步:电商图抠完还要换白底、做主图和详情页,别只盯着抠图一个环节选工具,看整条链。

七、本站的承接

本站的抠图工具正在筹备中,走的就是「发一张产品图、直接出透明图和白底图」的省事路线,做好了会发在 AI电商工具 栏目。迁移期间先看这两篇打底:图片批量处理:抠图、改尺寸、加水印,怎么省钱又省时间 讲的是整条图片处理链的成本账;电商卖家专区 按活儿整理了卖家用得上的工具与教程。不想自己折腾本地安装的,也可以看 服务总览 里的代部署——把 rembg 这类工具在你电脑上装好跑通。

常见问题

remove.bg 关停后,我以前抠的图还能下载吗?
官方口径是 12 月 1 日起独立网站不再可用,别指望到时候还能进账户翻历史文件,重要的成品图提前下载到本地存好。

Canva 的背景移除和 remove.bg 效果一样吗?
官方 FAQ 说 Canva 的背景移除用的就是 remove.bg 的技术。但它包在 Canva 的编辑流程里,批量、导出这些环节的手感和独立站不同,建议先拿自己最常用的图试一轮再决定。

rembg 免费,那它靠什么活?商用真的免费吗?
rembg 本体是 MIT 开源、免费商用;但它调用的模型权重各自有许可证——默认的 bria-rmbg 商用要与 BRIA 另签付费协议,isnet-general-use、u2net 这类模型没有这条限制。商用前把「壳」和「模型」的许可证分开看。

我不会 Python,本地路线是不是与我无缘?
命令行路线确实有一点门槛:装 Python、敲两行命令。实在不想碰,可以等本站的抠图工具(网页上传式),或者先用云端路线顶过迁移期。

批量抠几百张商品图,哪条路线更稳?
从我们实测看,本地 rembg+isnet-general-use 的失败形态最可控(没有整图全空这类硬失败),且不用担心按量费用随量上涨;云端路线胜在零维护。量大、图难,优先本地;量小、图简单,云端省事。