用 AI 图片修复轻松修复老照片

AI 图片修复会根据周围内容重建受损区域，从而修复老照片中的划痕、褪色和破损。在 Flixly 上，你可以使用专门的修复工具，也可以使用 GPT-Image 2.0 Edit 和 FLUX Kontext Pro 等基于提示词的编辑模型。

模型如何处理破损

修复模型会识别人脸、衣物、背景以及残存的色调范围，然后填补开裂或褪色的区域，使纹理和光线与图片其余部分保持一致。

最简单的方式是使用 Image Tools 中的照片修复。如需更多控制，可以打开图生图，选择一个编辑模型并描述修复要求，例如“去掉左上角的折痕，恢复褪色的肤色，保持构图不变”。

获得准确结果所需的输入

扫描质量越好，输出效果越好。条件允许时请使用平板扫描仪，或在均匀光线下正对照片拍摄、避免反光，并裁掉相册页面。如果人脸严重受损，再提供一张同一人的照片，能让编辑模型有真实的参考依据。应用会在每次生成前报出所需积分。

文件格式与大小

上传标准的 JPEG 或 PNG，并从控制台下载结果。请原封不动地保留原始扫描件，作为存档母版。

常见输出质量与格式

效果好的结果颗粒更少、边缘更干净、颜色得到还原。质量取决于保留下来的真实信息有多少：轻微褪色的相片可以修复得很干净，而撕裂的相片则会包含需要仔细检查的重建区域。

对比各个选项：

在照片档案中的实际应用

许多家庭会将相册数字化，并在分享冲印照片前修复自己最珍视的照片。地方历史团体会清理捐赠的照片，用于展览和简报，同时保留原始扫描件。摄影师则借助图生图和精确的提示词，修复早年仪式中受损的相片。

完成主要修复后，Image Tools 中的其他工具还能继续帮忙。物体移除可清除零散污点或灰尘斑点，修图负责人像润饰，去模糊与放大则能把小尺寸扫描件放大到足以打印。

局限与取舍

AI 无法恢复本不存在的信息。当人脸大部分缺失时，模型会编造看似合理的五官，但可能与真人并不相像。低质量手机扫描产生的严重压缩伪影可能在处理后依然存在，因此重新扫描往往比反复生成更有效。对同一文件多次生成会增加积分消耗，却不能保证效果更好。

从哪里开始

先在照片修复中用一张测试图片评估效果，再着手处理更大的照片集。