기능
AI 이미지 향상기
AI 이미지 향상기는 서로 다른 두 가지로 판단됩니다. 이미지를 더 깨끗하게 만들었는지, 그리고 더 크게 만들었는지입니다. 실패 방식도 다릅니다. 업스케일은 더 높은 resolution에서 그럴듯한 세부를 다시 구성합니다. 복원은 피사체를 다시 그리지 않은 채 노이즈, 압축 자국, 부드러움을 걷어 냅니다. Ofrai에서는 원본을 이미지 스튜디오에 올리고, nano-banana-pro , gpt-image-2 , flux-2 , seedream-5 중 하나에 편집 지시를 붙여 돌린 뒤, 채택 전에 100 퍼센트 배율로 전후를 비교합니다.

신규 계정에는 GPT Image 2.5 무료 생성 1회가 포함됩니다. 다른 모델과 영상은 크레딧을 사용합니다.
예시 프롬프트
선명도 향상 후 디테일이 또렷해진 클로즈업.
향상 작업에서 업스케일과 복원을 나누기
복원 패스를 먼저 하고 업스케일을 나중에 하십시오. 낮은 resolution에서 복원하면, 업스케일러가 구조를 만드는 데 썼을 정보를 버립니다. 합리적인 순서는 노이즈와 블록을 걷고, 노출이나 색을 고치고, 목표 치수까지 키운 다음, 필요하면 마지막 세부 패스입니다. 먼저 키우고 나중에 강조하면 모델은 방금 확대한 자국을 더 날카롭게 합니다. 패스마다 크레딧이 들므로, 올바른 순서는 동시에 더 싼 순서이기도 합니다.
이미지 향상기에 현실적인 목표를 두기
512 화소 크롭에서 4x를 요구하면 커 보이지만 부드러운 이미지가 나옵니다. 모델이 그 화소의 대부분을 그럴듯한 질감으로 채울 뿐, 진짜 세부를 되찾지 않기 때문입니다. 업스케일은 제법 선명한 원본에서 대략 2x 까지가 잘 작동하고, 그 너머의 이득은 거의 상상입니다. 너비 4000 화소가 정말로 필요하면 작은 크롭을 늘리지 말고 장면을 높은 resolution으로 다시 만드십시오. 정직한 천장은 모델이 아니라 입력의 함수입니다.
오래된 스캔과 압축된 보관 이미지를 복원하기
스캔한 사진에서는 원하는 모습이 아니라 걷어 낼 자국을 적으십시오. 스캐너 먼지와 긁힘을 제거하고, 얼굴 세부를 되돌리고, 원래의 따뜻한 색조와 입자는 유지한다. 깨끗한 현대적 렌더를 요구하면 모델은 얼굴을 다시 그리고, 시대를 바꾸고, 오래된 사진의 성격을 주는 입자를 떨어뜨립니다. 복원은 열 번이 아니라 두세 번입니다. 같은 이미지에 패스를 반복하면 밀랍처럼 플라스틱한 피부 질감이 쌓입니다. 이미지의 나이가 중요하면 입자를 명시적으로 보존하십시오.
업스케일이 정말로 발명하지 못하는 것
어떤 향상기도 한 번도 포착되지 않은 정보를 되찾지 못합니다. 원본이 64 화소 아바타라면 확대는 진짜 얼굴도, 읽을 수 있는 로고도, 읽을 수 있는 간판도 되찾지 못합니다. 글자가 가장 분명한 시험입니다. 키운 글자는 그럴듯하지만 틀린 자형을 발명합니다. 마찬가지로 센서 한계를 넘는 천이나 털의 미세 질감은 반복되거나 번진 무늬로 돌아옵니다. 강조는 노이즈 제거, 선명화, Modest 한 확대에 쓰십시오. 글자, 작은 활자, 진짜 높은 resolution 작업은 올바른 크기에서 다시 만드십시오.
생성이 아니라 편집을 위한 모델 고르기
gpt-image-2는 Ofrai에서 가장 안정적인 편집기입니다. 이미지를 올리고 편집을 적으면 프레임의 나머지를 안정적으로 붙들므로, 사물 제거나 배경 변경처럼 겨냥한 일에 맞습니다. nano-banana-pro는 길고 자세한 편집 지시를 가장 충실히 따릅니다. flux-2는 빠른 노이즈 제거와 선명화 패스에 빠릅니다. seedream-5는 충실한 복원보다 양식적 다시 그리기를 다룹니다. 원본이 중요하면 글로 다시 생성하지 말고, 참조가 이끄는 편집을 쓰십시오.
손을 너무 뻗지 않는 편집 지시를 쓰기
편집 프롬프트는 무엇이 바뀌고 무엇이 바뀌면 안 되는지를 이름 붙여야 합니다. 벽에서 간판을 제거하고, 벽의 질감과 빛과 원근은 동일하게 유지하라는 문장은 모델이 어디서 멈출지를 알립니다. 정지 조건을 빼면 강조가 조용히 이미지 전체의 양식을 바꾸는 이유가 됩니다. 생성 패스 없는 순수한 업스케일이면 기존 세부와 구조를 모두 보존하고 resolution만 올리라고 적으십시오. 색조도 옮기고 싶으면 별도 패스에서 해서, 각 변경을 따로 판단할 수 있게 하십시오.
실용적인 전후 확인 절차
항상 화면에 맞춘 축소가 아니라 1:1 화소 보기에서 100 퍼센트 배율로 비교하십시오. 세 줄을 따라 봅니다. 가장자리에서는 높은 대비 경계에 계단과 헤일로가 생기는지. 질감에서는 노이즈가 줄었는지, 플라스틱 번짐이 됐는지. 얼굴에서는 피부 세부가 그럴듯한지, 가면처럼 매끈해졌는지입니다. 기억이 아니라 원본과 나란히 비교하십시오. 가장자리 주위에 헤일로가 생기면 선명화 강도를 낮추고 다시 실행하십시오. 실망스러운 강조 결과의 대부분은 축소된 미리보기에서 판단한 데서 옵니다.
그대로 붙여 넣는 수리 프롬프트 네 개
부드러운 휴대전화 사진의 초점을 되살릴 때는 이렇습니다. 얼굴의 초점을 선명하게 하고, 자연스러운 피부 질감을 되돌리고, 원래의 프레이밍과 색과 배경은 바꾸지 말고, 사물을 더하지 않는다. 스캐너 먼지를 걷을 때는 이렇습니다. 스캔 위의 먼지 점과 흩어진 털을 제거하고, 그 아래의 천과 피부를 되돌리고, 원래의 입자와 따뜻한 색조는 유지하고, 면을 평평하게 매끈하게 하지 않는다. 노출 부족한 실내를 고칠 때는 이렇습니다. 그림자를 읽을 수 있는 수준까지 올리고, 하이라이트 세부는 지키며, 원래의 화이트밸런스를 보존하고, 대비를 뭉개지 않는다. 압축된 웹 이미지를 되돌릴 때는 이렇습니다.
블록과 색 노이즈를 제거하고, 글자와 얼굴 둘레의 가장자리를 다시 구성하고, 원래의 색 기운은 유지한다. 공통 형에 주목하십시오. 각각은 결함 하나, 되돌릴 것 하나, 바뀌면 안 되는 것 셋을 이름 붙입니다. 세 번째 무리를 뺀 지시가 편집이 떠다니는 이유입니다.
일의 크기를 재기. 원본 화소와 목표 화소
무엇을 그리기 전에 배율을 계산하십시오. 600 곱하기 800 원본을 2400 곱하기 3200으로 가는 것은 4x 일이며 대략 팔 메가화소라 무리가 없습니다. 같은 파일을 너비 8000 화소까지 밀면 13x 일이고, 대략 8x를 넘으면 추가 화소는 회복이 아니라 발명입니다. 경험칙은 원본에서 세부가 정말로 풀리는 resolution의 약 두 배를 넘어 키우지 않는 것입니다. 진짜 목표가 300 PPI 인쇄라면 먼저 인쇄 크기에서 화소 요건을 거꾸로 셉니다. A3 용지를 300 PPI로 하면 긴 변에 대략 4961 화소가 필요하고, 그다음 어느 단계가 그것들을 만들 책임인지를 정합니다.
편집이 버티는지를 정하는 설정 세 가지
편집 또는 노이즈 제거 강도가 효력을 내는 설정입니다. 너무 낮으면 노이즈가 남고, 너무 높으면 모델이 진짜 질감 대신 그럴듯한 질감을 넣습니다. 작게 움직이고, 축소가 아니라 100 퍼센트에서 확인하십시오. 스텝이나 반복은 모델이 수렴할 시간을 정합니다. 노이즈만 걷을 때는 많은 스텝이 돕고, 변경을 합성할 때는 거의 더하지 않습니다. 도구가 제공한다면 마스크나 영역 선택은 겨냥한 일에 쓸 가치가 있습니다. 받아들일 수 있는 프레임 안의 얼굴을 고치는 일은 프레임 전체를 복원하는 일과 다르고, 마스크는 어느 쪽을 뜻하는지를 말하게 합니다.
복원 패스가 크레딧으로 얼마나 드는지
복원 패스는 그 뒤에 보통 따르는 재시도에 비하면 쌉니다. 노이즈 제거나 블록 제거는 두 번에서 네 번입니다. 색과 노출 보정은 한두 번입니다. 인쇄에 견디는 크기로의 업스케일은 한 번에서 세 번입니다. 완전히 복원한 오래된 스캔은 대개 네 번에서 여섯 번에 내려앉고, 모두 목표 resolution에서 돌아가므로 이십 메가화소 출력은 이 메가화소 시험보다 훨씬 비쌉니다. 설정은 반드시 작은 첫 패스에서 굳히고, 그다음 원본 크기로 한 번만 그리십시오. Ofrai에서는 이 모두가 하나의 크레딧 잔액에서 빠집니다. 정말로 비싼 실수는, 낮은 resolution 시험 한 번으로 답했을 매개변수를 원본 크기 시도 여섯 번으로 굳히는 것입니다.
얼굴을 복원하고 멈출 때를 알기
얼굴에는 전용 패스와 전용 한계가 필요합니다. 단지 부드러운 얼굴은 겨냥한 지시로 대개 되돌릴 수 있습니다. 얼굴 세부를 되돌리고, 그 사람의 나이와 표정과 특징은 보이는 그대로 유지하고, 자연스러운 모공, 미화하지 않는다. 정말로 풀 수 없는 얼굴, 곧 심한 움직임 흐림, 극단적 압축, 아주 작은 썸네일은 누구의 것도 아닌 그럴듯한 얼굴로 바뀝니다. 그리기 전에 어느 경우인지를 정하십시오. 그럴듯한 틀린 얼굴은 분명히 깨진 얼굴보다 잡기 어렵기 때문입니다. 정말로 중요한 초상에서는 프레임을 복원하고 인물은 새로 생성하는 편이 정직한 길일 때가 있습니다.
이 페이지가 누구에게 맞고, 새로 생성이 나을 때
이 페이지는 이미 소유하거나 권리를 가진 자료를 위한 것입니다. 스캔, 휴대전화 사진, 오래된 인화, 압축된 웹 자산, 인쇄나 장터 등록에서 더 큰 치수를 견뎌야 하는 이미지입니다. 원본에 진짜 세부가 없으면 약한 적합입니다. 정직한 출력은 입력보다 선명해지지 않기 때문입니다. 존재한 적 없는 것을 만들 때도 약한 적합입니다. 특정 상품 배치, 새 배경, 지어 낸 장면입니다. 그것은 강조가 아니라 생성이며, 새 프롬프트를 가진 생성 모델은 충실한 프롬프트를 가진 업스케일러를 매번 이깁니다. 포착된 것을 고치려면 강조를, 포착되지 않은 것을 발명하려면 생성을 쓰십시오.
예시

자주 묻는 질문
- AI 업스케일은 현실적으로 어느 resolution까지 닿습니까
- 업스케일은 제법 선명한 원본의 대략 두 배까지가 안정적으로 작동합니다. 그 너머에서 모델은 진짜 세부를 되찾는 것이 아니라 그럴듯한 질감을 생성하므로, 파일은 커져도 정말로 선명해지지는 않습니다. 아주 큰 출력이 필요하면 장면을 높은 resolution으로 다시 만드십시오.
- AI 강조가 흐린 얼굴이나 낮은 resolution의 얼굴을 되살릴 수 있습니까
- 부분적으로만, 그리고 안정적이지 않습니다. 강조는 노이즈와 압축 자국을 걷고 부드러웠던 것을 선명하게 할 수 있지만, 충분한 화소로 한 번도 포착되지 않은 얼굴은 충실히 재구성할 수 없습니다. 강조 결과는 원본의 복원이 아니라 그럴듯한 해석으로 다루십시오.
- 업스케일한 이미지에서 글자가 읽히지 않는 이유는 무엇입니까
- 원본 resolution의 한계에 있는 글자에는 되찾을 신호가 거의 없으므로, 모델은 진짜 자형이 아니라 그럴듯한 자형을 발명합니다. 강조는 문자 인식 도구가 아닙니다. 읽을 수 있는 글자가 필요하면 활자가 실제로 풀려 있던 크기에서 도판을 다시 만드십시오.
- 노이즈 제거는 업스케일 전입니까, 후입니까
- 노이즈를 먼저 걷으십시오. 낮은 resolution 에서의 복원은 업스케일러가 구조를 만드는 데 썼을 정보를 버립니다. 건전한 순서는 노이즈와 블록을 걷고, 노출이나 색을 고친 다음 키우고, 목표가 요구하면 마지막에 세부 패스입니다.
- 여러 패스 뒤에 강조 이미지가 밀랍이나 플라스틱처럼 보이는 이유는 무엇입니까
- 패스마다 이전 패스 위에 모델이 추론한 질감 층을 더하고, 누적되면 입자가 없는 매끈하고 과하게 그린 피부가 됩니다. 복원은 많아야 두세 번으로 하고, 프롬프트에서 원래의 입자와 색조를 보존하라고 명시하십시오.
- 나머지를 바꾸지 않고 사진에서 사물을 지울 수 있습니까
- 할 수 있습니다. 참조가 이끄는 편집이 재생성보다 잘합니다. 이미지를 올리고, 변경과 정지 조건을 둘 다 이름 붙이는 편집을 쓰십시오. 예를 들어 벽에서 간판을 제거하면서 벽의 질감, 빛, 원근은 동일하게 유지하는 것입니다. gpt-image-2가 손대지 않은 프레임을 가장 안정적으로 붙듭니다.