我经常被朋友问同一个问题：手机里翻出一张糊得看不清脸的老照片，能不能用AI修好。这个问题问多了，我慢慢发现，很多人缺的不是某个工具按钮，缺的是一套从头到尾的判断思路。AI图片修复教程听起来像软件说明书，我更愿意把它理解成“先看需求，再定动作，再验结果”的一条工作线。你拿到的图可能是一张划痕老照片，也可能是一张被压缩过度的商品图，修复目标差别很大。先别急着上传原图，花两分钟把需求想清楚，后面省下的时间比什么都值。
我自己练手时踩过一个坑：拿到图就开滤镜，修完发现人物脸型变了，客户不认。这个经历让我把“需求判断”放在教程前面。AI能补细节，AI也会编细节。修图的人要替用户守住一条线，哪些细节可以还原，哪些只能保留原样。我把这条线叫修复目标。用户想发朋友圈，还是想打印挂墙，还是想交档案馆留存，目标不同，修复力度完全不同。这一点想明白了，后面诊断、预处理、修复、校验、导出才走得顺。
1.1 AI图片修复教程的核心概念、适用场景与修复目标
我理解的AI图片修复，是用模型去补全或重建图像里缺失的信息，划痕、噪点、模糊、偏色、破损都算缺失。它跟传统手工修图的区别在于，AI更像一个会“猜”的助手，猜得准不准，取决于素材质量和参数设置。有人把AI修复当成万能橡皮擦，我会提醒一句：AI补出来的是猜测，不是历史原貌。老照片修复里，人脸五官、衣服纹理、文字招牌这些地方，猜错了很扎眼。我一般会跟用户先聊清楚，这张图修好以后给谁看、用在哪，再决定要不要上色、要不要放大。
适用场景我碰到最多的是三类。一类是家庭老照片，划痕、折痕、发黄、模糊最常见，用户想要的是“看得清、像本人”。一类是电商或社交素材，压缩噪点、尺寸不够、背景杂物多，用户想要的是“干净、能直接用”。还有一类是人像特写，五官细节、皮肤质感、发丝边缘要求高，修复过头会假面。我自己的习惯是，先问用途再动手，朋友圈看图可以大胆一点，打印输出我会保守很多。修复目标写下来就一句话：在保住人物身份和画面真实感的前提下，把可修复的问题处理干净。
从用户视角看，修复目标常常模糊。有人说“越清晰越好”，我听完会追问一句：清晰到能看见每根睫毛，还是清晰到像昨天拍的？这两种目标用的模型和参数不一样。我个人更推荐“自然优先”，尤其是人脸。老照片修复教程里我反复强调一个原则：先修可确定的结构，再补不确定的细节。墙上的裂纹、衣服的扣子、照片边缘的缺损，这些结构相对确定。脸上的皱纹、眼神光、嘴唇纹理，这些细节容易过度发挥。把这条原则放在教程开头，后面每一步都有判断依据。
1.2 AI图片修复教程的整体流程总览：诊断、预处理、修复、校验、导出
我自己的AI图片修复教程流程拆成五段：诊断、预处理、修复、校验、导出。诊断是看图和问需求，预处理是把素材整理成模型好读的状态，修复是主要处理动作，校验是放回原尺寸看效果，导出是保存和留版本。有人问我能不能跳过诊断直接修，我会说可以，返工概率高。诊断这一步花五分钟，能把划痕、噪点、偏色、破损分清楚，后面选工具、调参数不迷路。我通常先看原图边缘和背景，再看人脸和文字，问题集中在哪，修复重点就在哪。
预处理容易被忽略。很多人直接把手机截图丢进AI工具，出来效果发灰，回头怪模型不行。我习惯把图片转成常见格式，检查分辨率够不够，裁掉无关边框，校正明显倾斜。扫描件我会看有没有摩尔纹，手机翻拍我会看反光和阴影。预处理不是炫技，是给模型一个干净的输入。修复阶段我一般分两轮走，第一轮去噪去划痕做整体清理，第二轮针对人脸、文字、局部破损做增强。两轮之间我会停一下，放大看有没有修出新问题。
校验这一步我吃过亏。有一次修一张全家福，屏幕上看很干净，导出打印发现背景墙面出现了奇怪的纹理。从那以后，校验我固定做三件事：放大到100%看局部，缩回原尺寸看整体，换一台设备看颜色。导出我会保留原图、中间版本和最终版本，文件夹按日期命名。有人觉得麻烦，我告诉他，修图返工最怕找不到原图。完整流程走一遍，比反复试错快得多。这条流程不复杂，难的是每一步都愿意停下来看一眼。
1.3 修复前的素材准备：图片格式、分辨率、备份与原图留存
素材准备我把它当成修图的安全带。图片格式我优先用PNG或高质量JPG，PNG适合保留细节和透明背景，JPG体积小但反复保存会掉画质。有人发来微信压缩图，我会先问有没有原图，没有原图就按现有质量评估，不硬修。分辨率我会看长边像素，低于800像素的老照片，放大修复要保守，人脸容易糊成油画。扫描件我建议300dpi起步，手机翻拍尽量用原相机、关美颜、避反光。格式和分辨率这两项检查完，心里对修复上限就有数了。
备份这件事我反复讲。动手前复制一份原图到单独文件夹，命名带上“原图”两个字，修图过程中不覆盖。我自己的习惯是建三个文件夹：原图、过程稿、成品。有人问我为什么这么谨慎，我说AI修复有时会越修越偏，回退到过程稿比重新来一遍省事。原图留存还有一层意义，客户验收时想看修复前后对比，原图就是证据。商业项目里我还会记录工具名称、参数版本、处理日期，后面复盘有据可查。
从用户角度准备素材，我最常提醒三句话：发原图，别发截图；说用途，别说“随便修”；留备份，别只存手机相册。有人拿一张翻拍的老照片来，画面里有相框反光，我会先建议重新扫描或换个角度拍。素材底子好，AI修复教程里的步骤才有意义。素材底子差，模型再强也只能猜。我见过有人把同一张图修了七八版，问题出在源头素材，不在工具。把准备工作做足，修复过程会轻松很多。
1.4 修复效果评估标准与常见输出保存要点
修复效果我一般从四个维度看：身份保持、细节自然、瑕疵清理、整体质感。身份保持是底线，人脸修完还得像本人，五官比例不能飘。细节自然看发丝、皮肤、衣服纹理，放大不出现塑料感或重复纹理。瑕疵清理看划痕、噪点、污点有没有残留，背景干净不等于主体干净。整体质感看光影和色彩是否统一，老照片修完不能一半清晰一半模糊。我验收时会做前后对比图，左右并排看，问题更容易暴露。有人只盯人脸，我会提醒看背景和边缘，AI翻车常发生在不显眼的地方。
输出保存我踩过格式坑。修好的图存成低质量JPG，过几天再打开发现细节少了。成品我优先存PNG或高质量JPG，打印用途会另存TIFF。文件名我习惯写“项目名_版本_日期”，比如“全家福_修复v2_202406”。社交平台上传前我会另存一份压缩版，原成品不动。有人问我为什么不直接覆盖原图，我说原图是退路，成品是结果，两条线分开存，后面改需求不慌。版本留存还有一个好处，不同参数的效果可以对比，下次遇到类似图片直接参考。
评估标准不是越清晰越好。老照片有它自己的年代感，修得太干净反而假。我一般会保留轻微颗粒和纸张质感，人物皮肤不磨到发光。客户说“再清晰一点”，我会先调局部，不整体拉锐化。输出前我会问一句：这张图用在哪，屏幕看还是打印看。屏幕看注意色偏，打印看注意亮度和对比度。保存要点写进教程就三句话：原图不覆盖，成品多格式，版本带日期。听起来简单，真正做到的人不多。我宁愿多花两分钟存文件，也不想修了一下午的图找不到成品。
老照片修复这件事，我做了三年多，经手的图从民国时期的全家福到九十年代的毕业照都有。每次打开一张新图，我都先跟自己说一句：别急着点修复按钮。这一步停下来，后面能少走一半弯路。AI模型很聪明，但它不知道这张照片对你意味着什么，也不知道哪道划痕是当年相纸受潮留下的，哪个斑点是底片自带的。我把这一章拆成六步，每一步都配上我自己踩过的坑和验证过的做法，你拿到图可以照着走，也可以按需要跳着看。
2.1 老照片常见问题诊断：模糊、划痕、噪点、偏色与破损
我诊断一张老照片，习惯先在屏幕上放大到200%看一圈，再缩回原尺寸看整体。模糊分两种，一种是镜头失焦造成的整体发虚，一种是对焦准确但相纸老化导致的边缘松软。前者修复空间小，模型补出来的轮廓容易发飘，我一般会建议用户降低期待，把重点放在人脸可辨识度上。后者好办，局部锐化加纹理恢复就能回来不少。我遇到过一张1978年的结婚照，人脸是清楚的，但四周晕开一圈白雾，这种就是相纸受潮，修复时我会先用对比度拉伸把雾层压下去，再动锐化。
划痕和噪点经常一起出现。银盐照片放久了，表面会有细密的龟裂纹，扫描出来像一层白毛。这种纹理用去划痕工具直接跑，容易把人脸皮肤也磨平。我的做法是先分区域，背景和衣服上的划痕用自动修复，人脸区域手动圈出来单独处理。噪点也分类型，扫描仪引入的电子噪点好去，相纸颗粒感的噪点我会保留一部分，全抹掉照片就假了。偏色多见于彩色老照片，整体发黄发红，我会先看白平衡基准点，找画面里本应是白色的物体做参照。破损最难，缺角、撕裂、霉斑，这些位置没有原始信息，AI只能靠周围像素猜。我修破损前会跟用户确认一句：缺的地方补什么内容，是补成纯色背景，还是按衣服纹理延伸。这个决定做错了，后期返工很麻烦。
我自己的诊断清单写在本子上，五项：整体清晰度、划痕分布密度、噪点类型、偏色方向、破损位置和范围。每项打分一到五，分数出来修复顺序就清楚了。有人问我为什么不用软件自动诊断，我试过几个，报告很详细，但跟实际修复手感对不上。机器看不出这张照片里奶奶的眼神比背景重要，也看不出那件旗袍的盘扣不能修丢。诊断这一步，人的判断比工具值钱。
2.2 导入与预处理：扫描质量检查、裁剪校正、分辨率与格式设置
导入之前我一定先检查扫描质量。用户发来的图，我先看长边像素，低于1200的我会问有没有更高精度的版本。有一回客户发来一张600像素宽的老照片，我修完导出看着还行，一打印就露馅了。扫描件我还会看有没有摩尔纹，就是那种细密的网格状干扰，衣服和墙面最容易出现。摩尔纹用去噪工具硬跑会损失纹理，我一般建议重新扫描，扫描时把分辨率调到600dpi以上，关闭扫描仪自带的锐化功能。手机翻拍的图，我先看反光和阴影，画面里有一块亮斑盖住人脸，这种素材我会先退回让用户重拍，修起来事倍功半。
裁剪校正这一步看似简单，其实影响很大。老照片经常带相框边、白边、甚至手指印，这些内容留在图里，AI会当成画面信息去处理，出来效果很怪。我的习惯是裁到只留照片本身，边缘留两三个像素的余量。倾斜的照片我会用透视校正拉正，特别是翻拍的图，镜头角度偏一点，人脸就变形。分辨率设置上，我一般把修复工作图控制在长边2000到3000像素之间。太小的图模型发挥不了，太大的图处理时间翻倍，效果提升不明显。格式我统一转成PNG再进修复环节，避免JPG反复压缩掉细节。
预处理还有一步是备份。我吃过亏，有一次直接在工作图上操作，修到一半发现方向错了，原图已经被覆盖，只能重新找客户要。现在我固定建三个文件夹：原图、工作图、成品。工作图做完裁剪校正存一版，命名带上日期和“预处理”三个字。这个过程花不了两分钟，后面回退的时候能救命。有人觉得这种习惯太琐碎，我跟他说，修图这行，稳比快重要。
2.3 分步修复操作：去噪去划痕、清晰度增强与细节恢复
修复我分两轮走。第一轮做整体清理，去噪和去划痕一起上。去噪强度我一般从低往高试，先跑30%看效果，不够再加。强度拉满容易把皮肤纹理和布料织纹一起抹掉，出来像塑料人。去划痕我用的工具带蒙版功能，背景区域自动识别，人脸区域我手动刷一遍，避开眼睛和嘴唇。有时候划痕正好压在眉毛上，自动工具会连眉毛一起修掉，这种位置我宁可留着划痕，也不让人脸失真。第一轮跑完我会放大检查一遍，看有没有修出新问题，比如背景出现色块、衣服纹理断裂。
第二轮做清晰度增强和细节恢复。清晰度增强我不用全局锐化，那会把噪点也放大。我的做法是分区域处理，人脸单独提一档，背景和衣服提半档。眼睛和嘴唇我会额外加一点局部对比度，让人物神态立起来。细节恢复重点在头发和布料，发丝边缘用蒙版保护，布料纹理用纹理增强工具轻推一下。有一张老照片我修了四十分钟，大部分时间花在恢复毛衣的编织纹理上。用户拿到成品说了一句“这毛衣我认得”，那一刻我觉得值了。修复过程中我每隔十几分钟就缩回原尺寸看一眼，局部修得再漂亮，整体不协调也是白搭。
两轮之间我会存一个中间版本。这一步很多人省掉，我觉得不能省。中间版本是退路，也是对比样本。有时候第二轮修完发现不如第一轮自然，直接回退重来。我自己有个习惯，每张图的修复参数记在一个表格里，工具名、强度值、处理区域都写上。下次遇到类似问题直接翻记录，比重新试快得多。修图这事，经验就是靠这种笨办法攒出来的。
2.4 人脸细节增强与黑白老照片上色的操作要点
人脸增强是最考验分寸的一步。我修人脸有个原则：结构优先，纹理其次，光影最后。结构指的是五官比例和轮廓，这部分不能动，动了就不像本人。纹理指皮肤质感和皱纹，老照片里的皱纹是岁月痕迹，修没了反而奇怪。光影指眼神光和面部明暗，这块可以适度加强，让人物看起来有精神。我用的工具里有人脸识别增强功能，强度我一般控制在40%到60%之间。超过70%，皮肤就开始塑料化，眼神也会变得空洞。有一回我帮朋友修他爷爷的军装照，第一版把脸修得太光滑，朋友说“这不是我爷爷，这是我爷爷的美颜版”。第二版我把强度降到45%，保留了额头的抬头纹和眼角的纹路，他才点头。
黑白上色我态度比较谨慎。上色本质上是在猜颜色，衣服猜错了还能改，肤色猜偏了整个画面就假。我的做法是先查资料再上色。军装照查对应年代的军服颜色，旗袍照查常见面料色系，实在查不到就用中性色，不硬猜。上色工具我一般跑两遍，第一遍出大色块，第二遍手动微调。皮肤色我固定用偏暖的肉色打底，不加高饱和。嘴唇和脸颊的红色我压得很淡，老照片的年代感靠低饱和撑着。有人喜欢把上色效果拉得很鲜艳，我看着总觉得像年画。上色完成后我一定做一件事：转成黑白看一遍。如果黑白状态下光影关系不对，说明颜色上错了位置，回去改。
人脸增强和上色这两步，我建议放在整体修复之后做。整体清理没做完就上色，后面一改划痕，颜色又得重来。顺序对了，省时间也省心。这两步也是用户最容易提意见的地方，我的经验是修完先发个小图给用户看，确认方向再出大图。方向错了趁早改，比成品出来再推翻强。
2.5 局部修补、整体质感校验与修复前后对比验收
局部修补是收尾工作，也是最磨性子的环节。整体修复跑完，画面上总剩几个顽固问题：角落的霉斑、衣服上的一道折痕、背景里一块不明污渍。这些位置我用仿制图章和局部重绘工具手动处理。仿制图章取样点我选附近纹理相近的区域，一笔一笔盖，不拉长线。局部重绘工具适合补大面积破损，但生成的内容不可控，我一般只用来补纯色背景和边缘缺损。有一张照片的右下角缺了一块，我用重绘补了背景墙面，补完放大看纹理方向不对，又手动刷了十分钟才顺眼。
整体质感校验我做三件事。第一件，把修复图和原图并排放在屏幕上，左右对比看差异。第二件，缩小到手机屏幕大小看整体印象，这一步能发现局部修得太亮或太暗的问题。第三件，换一台显示器再看一遍颜色，不同屏幕色差挺大，我工作室两台显示器一台偏暖一台偏冷，两边都过关才算稳。质感校验重点看光影统一性，人脸提亮了，脖子和衣服也要跟着调，不然像贴上去的。背景和主体的清晰度也要匹配，背景修得太锐，人脸反而显糊。
验收环节我固定做前后对比图。左右并排，中间加一条分割线，用户一眼能看出改了什么。对比图我导出两份，一份高清存档，一份压缩发用户。验收标准我在第一章提过四个维度，身份保持、细节自然、瑕疵清理、整体质感。这四个维度我逐项过，有一项不过关就回去改。用户验收时提的意见我一般先记下来，不急着反驳。有时候用户说“脸太尖了”，实际是下颌线修过头了，改回来就行。验收通过再导出，顺序不能乱。
2.6 导出参数设置、版本留存与教程步骤复盘
导出参数我按用途分三套。屏幕观看用PNG，长边控制在2000像素左右，文件大小适中，细节保留好。打印输出用TIFF，分辨率300dpi起步，色彩空间转成Adobe RGB。社交平台上传我另存一份高质量JPG，长边1600像素，压缩质量开到90%。三套参数我存在导出预设里，每次直接调用，不用重新设。有人导出时习惯覆盖原文件，我从来不这么干。成品文件名我写“项目名_修复_版本号_日期”，比如“外婆肖像_修复v3_20240712”。版本号跟着修改次数走，v1是初修，v2是调整，v3是定稿。定稿我单独放一个文件夹，叫“交付”，里面只放最终版和前后对比图。
版本留存我做得比较细。每张图除了成品版本，我还留一个分层文件，修复过程中用到的蒙版、调整图层都保留着。客户过两个月说想改个色调，我打开分层文件调一下就行，不用从头修。分层文件体积大，我存在移动硬盘里，按年份分文件夹。这个习惯是跟一个老修图师学的，他说修图这行，交付不是终点，留好退路才是。我听了觉得在理，一直坚持到现在。
复盘这一步很多人跳过，我觉得挺可惜。每修完一批图，我会花半小时翻一遍过程记录，看哪些参数好用，哪些工具翻车了。上个月修了十几张八九十年代的家庭合影，我发现人脸增强强度设在50%左右最稳，超过60%老人脸上的皱纹就没了。这个结论我写进自己的笔记里，下次直接参考。教程步骤复盘不是给自己找麻烦，是把经验变成可复用的东西。我常跟学员说一句话：修图的手感靠练，修图的效率靠记。记下来，下一次就不用从头摸索。这一章的六步走完，一张老照片的修复流程就算闭环了。下一步是选工具，我在第三章里把在线工具的挑选逻辑和避坑要点展开讲。
上一章结尾我说了句“下一步是选工具”，这一章就来兑现。我见过太多人卡在这一步：打开搜索框输入“AI图片修复”，跳出来几十个网站，看两眼晕了，随便点一个进去，修完发现效果还不如原图。选工具这件事，跟相亲差不多，条件列得越清楚，踩坑的概率越低。我会把筛选标准、使用流程、避坑要点一样样摊开讲，你照着挑就行。
3.1 在线工具筛选标准：修复效果、处理速度、隐私安全、费用与批量能力
我筛在线工具，第一眼看修复效果，不看它首页放的那几张演示图。演示图都是精挑细选的，修出来当然漂亮。我的做法是拿同一张“难搞”的图去跑，专门挑一张划痕多、人脸偏小、背景杂乱的旧照。跑完放大看人脸区域，如果鼻翼和眼角的细节糊成一团，这个工具直接划掉。修复效果我重点看三个地方：人脸结构的保持度、纹理的自然程度、背景有没有出现奇怪的色块。三点都过关，才进入下一轮考察。
处理速度我按图的大小分档来测。一张两千万像素的图，等超过三十秒我就开始不耐烦了。有的工具技术底子薄，处理大图要排队，高峰期前面排几百人，修一张图等十分钟，这种工具适合偶尔用用，不适合当主力。批量能力看情况，如果一次要修二三十张家族老照片，我就找支持批量上传的，省得一张张点。费用这块我算得比较细，单张价格、包月价格、导出分辨率限制、去水印要不要加钱，这些全加起来才是真实成本。有的工具免费修得挺好，导出高清版要充会员，这种我提前就问清楚。
隐私安全这条线很多人忽略，我把它放在跟修复效果并列的位置。老照片里有家人面孔、有门牌号、有单位名称，这些信息传上去，工具方怎么处理，有没有加密传输，服务器在境内还是境外，我都要看一眼隐私政策。看不懂没关系，找关键词：数据保留多久、是否用于模型训练、能不能申请删除。隐私政策写得含糊其辞、找不到删除入口的工具，我建议别传涉及个人信息的照片。这条底线守不住，修得再好也不划算。
3.2 按需求推荐工具类型：老照片修复、通用图片修复、人脸增强与批量处理
按需求分，在线工具大概四类。老照片修复类的工具功能最全，去划痕、去噪、上色、人脸增强都集成在一起，界面往往做得复古温馨，适合拿一张奶奶的照片从头修到尾。这类工具我用过不下十个，水平参差不齐，有的上色模块像给脸上糊了层油彩，有的老照片模式跑完整个画面发灰。挑这类工具，我重点测它的上色自然度和划痕处理的精细度，两个都稳住才算合格。
通用图片修复类工具覆盖面广，JPEG压缩痕迹修复、低分辨率放大、轻微模糊校正都能干。这类工具适合日常用，手机拍的图糊了、微信传过来压花了，扔进去跑一下，效果立竿见影。缺点是针对老照片的专项优化少，划痕和霉斑处理能力弱一些。我一般把它当“日常快修”用，真遇到有年头的老照片，还是切回专业工具。
人脸增强类工具这两年冒出来不少，专门针对低清人像做五官重建。这类工具效果拔群，但分寸感差，强度稍微拉高一点，人就变网红脸。我试过一个国外的增强工具，默认参数下朋友的照片直接年轻了十五岁，皱纹抹得干干净净，朋友看了哭笑不得。这类工具我建议只用它的弱档，或者修完再手动叠一层原图纹理回去。批量处理类的工具面向影楼和电商，一次传几百张，自动裁切、自动调色、自动导出，适合流水线作业。个人用户用的机会不多，手上真攒了几十张老照片要处理，批量工具能省不少时间。
3.3 在线工具使用流程与AI图片修复教程步骤的实操衔接
在线工具的使用流程，我走的是上一章那套修复步骤的简化版。上传前先做预处理，裁剪掉白边和相框，把长边控制在两三千像素，格式转成PNG。这一步别省，我见过有人把带相框的照片直接传上去，AI把相框花纹当成照片内容去修，输出结果里相框反而更清晰了，哭笑不得。预处理做完再上传，工具识别画面主体会更准，修复效果也稳。
上传之后先跑自动模式，拿它当第一轮清理。自动模式跑完，我会下载下来放到本地看一遍，标出不满意的位置。接下来要么用工具里的局部修复功能手动补，要么切到另一个工具针对特定问题再跑一遍。我的习惯是自动模式管全局，手动工具管局部，两边配合着来。有一张照片背景的树影修得挺好，人脸却偏软，我就把图导回去，单独圈出人脸区域加强一档。在线工具的好处是灵活，不用装软件，换个工具跟换个频道一样快。
修完导出这一步，我盯两个参数：分辨率和格式。在线工具默认导出的图往往压过，长边给个一千出头，这种图发朋友圈够用，存档不行。导出前找找有没有“高清导出”选项，有就点上，没有就换工具。格式优先选PNG，实在只有JPG，压缩质量拉到最高。导出完我按上一章说的版本命名法存好，原图、工作图、成品分开放，下次再修同类照片直接翻记录。
3.4 工具对比维度与免费/付费方案选择建议
工具对比我列了五个维度：修复效果、操作易用性、处理速度、隐私条款、价格。每个维度打一到五分，加起来总分过二十的才进我的常用列表。修复效果权重最高，占一半分数，其余四项平分。有人问我为什么不把价格权重调高，我的理由是修复效果不行，再便宜也是浪费钱。修一张图花五毛，修出来不能用，这五毛就是打水漂。
免费和付费的选择，我按使用频率来定。一个月修不了五张图，免费额度基本够用，没必要充钱。免费工具的常见限制是导出分辨率低、带水印、高峰期排队，偶尔用用能忍。一个月修二十张以上，付费方案更划算，省下的时间比会员费值钱。付费前我先看有没有按次计费的选项，有些工具支持单张购买，试错成本低，用着顺手再转包月。包月方案我盯紧自动续费条款，有的工具默认勾选续费，到期悄悄扣钱，这种坑我踩过一次，现在每次付款前都翻一遍设置。
还有一个细节，工具的更新频率。AI模型迭代快，半年不更新的工具，修复效果很快就会被同行甩开。我看工具官网的更新日志，最近三个月有没有新功能上线、模型版本有没有升级，这些信息比广告词实在。工具背后的团队我也瞄一眼，是专门做图像处理的，还是什么都做的综合平台。专做图像的团队，细节打磨通常更到位。
3.5 隐私安全、版权风险与常见使用问题避坑
隐私这事我单独拎出来说，因为真出过问题。有用户把家里的全家福传到某个免费工具上，修完发现照片出现在了工具的“效果展示”页面里，人脸清清楚楚。找客服理论，对方说用户协议里写了“上传内容可用于产品宣传”，用户注册时没细看就点了同意。这种坑防起来不难，上传前花两分钟翻一遍用户协议，找“展示”“宣传”“公开”这几个词，有就换工具。涉及人脸、证件、门牌的照片，我优先选明确承诺“上传即删”的工具。
版权风险容易被忽略。工具修出来的图，版权归谁，用户协议里写得五花八门。有的工具声明“输出结果版权归工具方所有”，用户只有使用权，这种条款我直接跳过。商业用途的图，我选版权归属清晰的工具，或者干脆用本地部署的开源方案，图不出本机，版权也没争议。还有一类工具拿用户上传的图去训练模型，修完的图里混着别人的照片特征，这种工具我碰都不碰。
常见使用问题里，排第一的是“修完不像本人”。在线工具的人脸重建模块往往过度发挥，把六十岁的脸修成四十岁。我的对策是先修后调，工具跑完再叠一层原图纹理，或者把增强强度拉到最低档。排第二的是“背景修出鬼影”，AI在填补破损区域时凭空生成内容，生成的东西跟周围环境对不上。遇到这种情况，我换工具重跑一遍，或者回到手动修复，用仿制图章一点点补。排第三的是“颜色越修越怪”，上色工具对肤色和衣服颜色的判断经常翻车，我的做法是上色前先查资料，拿不准就用低饱和的中性色，宁可保守也不硬猜。
3.6 从在线工具到进阶修复工作流的扩展建议
在线工具用完一圈，很多人会走到一个瓶颈：效果卡在“还行”这一档，再往上就上不去了。我自己的经验是，在线工具适合处理标准化的修复任务，真遇到复杂的老照片，还得往进阶工作流走。进阶的第一步是把在线工具和本地软件搭配着用，在线工具跑自动清理，本地软件做精细调整，两边各干各擅长的活。我常用的组合是在线去划痕、本地补纹理，效率比单用一个工具高一截。
再往深走一步，是本地部署的开源修复模型。这类方案学习曲线陡一些，装环境、调参数都得花时间，好处是数据不出本机，参数完全可控，批量处理也不受在线工具的次数限制。我身边几个做老照片修复的朋友，慢慢都转到了本地工作流，在线工具留着做快速预览和应急处理。这个过渡不用急，先用在线工具把修复流程跑熟，对各项参数有手感了，再考虑往本地迁移。
最后说一句我自己的体会。工具更新换代很快，今天好用的网站，明年可能就关了。修复的思路和步骤是稳的，诊断、预处理、修复、校验、导出这套流程，换什么工具都适用。我把在线工具当拐杖用，走稳了就该学着松开。真正让一张老照片活过来的，不是某个网站的神奇按钮，是你知道该在哪个位置停手、哪个位置使劲。这份判断力，工具给不了，得靠自己一张张图修出来。
