AI 照片修復是怎麼運作的？

Photold 團隊 · 2026年11月4日 · 閱讀時間 6 分鐘

AI 照片修復是靠預測運作的。模型用非常大量的圖片訓練，直到它學會照片通常長什麼樣子。拿到一張受損的照片時，它會產生一個「很可能是修復後的樣子」的版本。它不會去查資料，也不認識你的家人。

這個想法同時說明了好的成果和壞的成果。穿過一面素牆的刮痕，是很容易猜的，猜出來的結果會很好。穿過眼睛的刮痕也是猜，而在那裡，它可能改變這個人看起來像誰。

模型在訓練時學到什麼

想像一個花了很多年看照片的人。他沒有把每一張都背下來，但學到了一些規律：光線怎麼落在臉頰上、衣領怎麼摺、磚頭長什麼樣子、底片顆粒和刮痕有什麼不同。模型做的事很類似，只是用的是數字，而不是文字。

訓練發生在你使用任何工具之前。當你上傳一張照片，模型是在運用它已經學到的東西。在 Photold，我們不會用你的照片來訓練 AI 模型。

把受損的照片交給它，會發生什麼事

細節因工具而異，但大致的流程差不多。

1. 圖片被送到模型。使用 Photold 時，圖片會經過我們的伺服器，送到我們的 AI 供應商 Google（Gemini API）和 eachlabs，它們可能會執行其他供應商的模型。
2. 說明這項工作。工具會說明它想做什麼，例如修補損壞或加上顏色，以及哪些地方不要動。
3. 模型讀取畫面上有什麼：形狀、色調、臉，以及哪些看起來是損壞，而不是場景的一部分。
4. 它生成一張圖片。照片提供清楚資訊的地方，它就照著做。沒有的地方，它就填入通常會在那裡的東西。
5. 你拿回一個新檔案。它是根據你上傳的內容產生的新圖片，所以就算在遠離損壞的地方，細節也可能改變。這就是為什麼最後的檢查很重要。

找回與重建

想想一封沾了咖啡漬的信。如果污漬蓋住「我們今天早上平安抵達了」的其中一部分，你可以很有把握地補上那個詞，因為剩下的內容已經決定了答案。這接近找回。如果污漬蓋住的是一個城鎮的名字，你仍然可以寫出一個合適的城鎮名字。它看起來會是對的，但那是編出來的。這就是重建。

AI 工具兩者都會做，而成果不會告訴你哪個是哪個。

把掃描檔交給 Photold 處理，仔細看看哪些保留了，哪些是填補的。試用 Photold

為什麼成果會不一樣，又為什麼人臉和文字很難

成果會依來源照片而有所不同。乾淨、清晰的掃描檔，需要猜的就比較少。所以當成果令人失望時，先試試更好的掃描檔，就像我們的修復老照片指南所說明的。

人臉很難，因為你對它們是專家。眼皮的一點小變化，在一棵樹上你完全不會注意到，卻可能讓一個人看起來像陌生人。模型認得的是一般的臉，不是這一張臉。我們在 AI 修復會改變人臉嗎？中逐一說明了這些跡象。

文字很難，因為字母必須精確。模型比較懂文字看起來是什麼樣子，而不是某一塊招牌上寫了什麼，所以它可能產生看起來像字、卻沒有意義的形狀。對成果裡的徽章、店家招牌和小字銘文要保持懷疑，並從你的掃描檔去讀。

修復、上色和提升畫質是不同的工作

它們聽起來像是同一件事，但每一項問的問題不同，風險也不同。這就是為什麼把它們當成獨立的步驟來跑，並逐一檢查，會有幫助。

為什麼工具告訴模型要保留什麼很重要

放著不管，模型會被拉向照片通常的樣子：更光滑的皮膚、更整齊的牙齒、更工整的構圖。一個模糊的「把照片變好」的要求，讓它有空間去做這些事。修復工具必須設定限制，並說明什麼必須保持不變：色調、構圖、臉。比較工具時，要像看它承諾修什麼那樣仔細，去看它承諾不去動什麼。

以下是 Photold 的目標。「照片修復」會保留色調，所以黑白仍然是黑白，棕褐色仍然是棕褐色，而且在設計上不會裁切、重新擺設，也不會改變臉、表情或膚色。「HD 畫質提升」不得改變身分或膚色。「黑白上色」不會把膚色調淺。這些目標能減少變化，但不能杜絕，因為被損壞蓋住的細微細節是重建出來的，而不是找回來的。認識被拍的人的那個人，是成果最好的評判者。

至於檔案本身會發生什麼事，請見上傳家庭照片是否安全。