跳到正文

功能

AI 图像增强器

作者:Ofrai Editorial(Use Case Research)

评判一个 AI 图像增强器要看两件不同的事:它有没有让画面更干净,以及它有没有让画面更大。这是两种性质不同、失败模式也不同的操作。放大是在更高分辨率下重建合理细节,修复则是在不重画主体的前提下去除噪点、压缩瑕疵和模糊。在 Ofrai,你把原图上传到图片工作室,用 nano-banana-pro、gpt-image-2、flux-2 或 seedream-5 配合编辑指令处理,并且在 100% 缩放下对比前后差异,再决定是否接受结果。

同一位黑发女性的两张肖像并排展示
使用此模板

新账号含 1 次 GPT Image 2.5 出图;其他模型和视频使用积分。

示例提示词

高清增强后的细节特写

先把「放大」和「修复」分开处理

先做修复,再做放大。在低分辨率上做修复会丢掉放大本可用来构建结构的信息。合理的顺序是:降噪与去块状 → 校正曝光或色彩 → 放大到目标尺寸 → 如有需要再做一次细节精修。先放大再增强,等于让模型去锐化它刚刚放大的瑕疵。每一遍都会消耗积分,所以正确的顺序同时也是更省的顺序。

为放大设定一个现实的预期

从 512 像素的裁切图放大 4 倍,得到的文件只是更大,实质仍然偏软,因为其中大部分像素是模型补出来的合理纹理,而不是找回的真实细节。从一张本身比较清晰的原图放大约 2 倍是可靠的范围,超过之后收益基本是虚构的。如果你真的需要 4000 像素宽的成品,正确做法是以高分辨率重新生成场景,而不是把小裁切图硬拉大。

真实上限取决于输入,而不是模型。

修复老照片扫描件和压缩素材

处理扫描件时,请描述你要去除的瑕疵,而不是你想要的效果:「去掉扫描仪灰尘与划痕,恢复面部细节,保留原有的暖色调与颗粒感」。如果要求「干净的现代效果」,模型会重画五官、改变年代感,并抹掉让老照片有味道的颗粒。修复两到三遍就够了,反复处理同一张图会累积出蜡质的塑料皮肤。

如果照片的年代感对你重要,就在提示词里明确要求保留颗粒。

放大真正做不到的事

任何增强工具都无法找回从未被记录下来的信息。如果原图是一个 64 像素的头像,放大不能还原出真实的面孔、可读的 logo 或能辨认的字。文字是最直接的检验:放大的文字会生成看起来合理但错误的字符。同理,超出传感器极限的布料或毛发细节,回来时往往变成重复或涂抹状的图案。

增强适合用于降噪、锐化和适度放大;涉及文字、小字号或真正高分辨率的工作,请用正确尺寸重新生成。

编辑与生成该选哪个模型

gpt-image-2 是 Ofrai 上最可靠的编辑器:上传图片、描述编辑内容,它能较好地保持画面其余部分稳定,适合删掉某个物件或更换背景这类定点操作。nano-banana-pro 对冗长的编辑指令服从度最高。flux-2 适合快速的降噪加锐化处理。seedream-5 更偏风格化重绘,而不是忠实修复。只要原图重要,就用参考图引导的编辑,而不是纯文字重新生成。

写出不会越界的编辑指令

编辑提示词要同时说明「改什么」和「不要碰什么」。「移除墙上的牌子,保持墙面纹理、光线和透视不变」这句话给了模型明确的停止边界;不写边界,正是增强经常悄悄重画整张图的原因。纯粹放大、不带生成式处理时,请写明「保留全部现有细节与结构,仅提高分辨率」。如果你还想调整色调,把它放到单独一遍处理,这样每一处改动都能单独评估。

前后对比的实操检查流程

一定要在 1:1 像素视图下以 100% 缩放对比,不要缩放到刚好铺满屏幕。沿三条线检查:边缘(高对比边界是否出现锯齿和白边)、纹理(噪点是减少了还是变成了塑料涂抹感)、人脸(皮肤细节是否合理,还是被抹成一张面具)。把新旧图并排放着看,不要凭记忆判断。如果边缘出现光晕,降低锐化强度重跑。

多数让人失望的增强结果,都是因为只在缩略预览上做了判断。

四类修复可以直接粘贴的提示词

手机照片发虚去锐化:「锐化面部焦点,恢复自然皮肤质感,保持原有构图、色彩与背景不变,不要新增任何物体。」扫描件去灰尘:「去掉扫描中的灰尘点与毛发,恢复下方的布料与皮肤纹理,保留原有的颗粒感与暖色调,不要把表面磨平。」欠曝室内提亮:「把暗部提到可读水平,高光细节保持完整,保留原始白平衡,不要压死对比度。」

压缩网页图恢复:「去掉块状与彩色噪点,重建文字与脸部周围的边缘,保留原来的偏色。」注意共同结构:每条都点明一个缺陷、一处要恢复的东西,以及三件不许变的事。省掉第三组,正是编辑越改越跑偏的原因。

先算像素账,再动手渲染

渲染前先把放大倍数算清楚。600×800 的原图放到 2400×3200 是 4 倍任务,输出约八百万像素,属于轻松范围;同一张图拉到 8000 像素宽就是 13 倍,而超过大约 8 倍之后,多出来的像素基本是编造而不是找回。经验法则是:放大倍数不要超过源图里「真正有信息」的分辨率的两倍。

如果你的真实目标是一张 300 PPI 的印刷品,先从成品尺寸倒推像素需求——A3 在 300 PPI 下约需 3508×4961 像素,出血区域另算——再决定由哪一阶段来产出它。

决定编辑成败的三个设置

编辑强度是最关键的一项:太低噪点还在,太高则会把真实纹理替换成「看起来合理」的纹理。请小步调整,并且始终在 100% 放大下检查,而不是缩小看整体。步数或迭代次数决定模型有多少时间收敛——纯降噪时加步数有帮助,合成式修改时收益很小。

如果工具支持蒙版或局部重绘,一定要用:在一张整体合格的画面里单独修一张脸,和把整张统一还原,是两件不同的事,蒙版能让你明确说的是哪一件。

一次修复要花多少次生成和多少积分

和修复之后常见的反复返工相比,一次修复本身很便宜。降噪或修基础画质:两到四次渲染。色彩与曝光校正:一到两次。放大到可印刷尺寸:一到三次。

一张完整修复的老扫描件通常落在四到六次渲染,注意每次都是按目标分辨率出图,二十兆像素的输出比两兆像素的测试贵不少——所以第一遍务必用小尺寸把参数试定,最后只做一次全尺寸渲染。在 Ofrai,这些消耗都出自同一份积分余额。

真正昂贵的错误,是为了定一个参数而在全尺寸上连跑六次,而一次低分辨率测试本来就能给出答案。批量处理多张素材时,先拿最差的那张做参数标定,再把定好的设置套用到整批,既省钱,也更容易看出问题出在模型还是出在原图。

修复人脸,以及什么时候该停手

人脸值得单独一遍,也值得单独一套限制。只是发虚的脸通常可以用定点指令救回:「恢复面部细节,保持人物的年龄、表情和五官与原图完全一致,自然毛孔,不要美颜。」真正无解的脸——严重运动模糊、极端压缩、或者原图本来就只是一张很小的缩略图——会被替换成一个合理却不属于自己的面孔。

渲染前先判断自己属于哪种情况,因为「看起来对但其实错了」的脸比明显崩掉的脸更难发现。对真正重要的肖像,先把画面修好、再重新生成人物,有时反而是更诚实的做法。

谁适合用这一页,什么时候不如重新生成

这一页适合你本来就拥有或有权使用的素材:扫描件、手机照片、老照片、压缩过的网络图片,以及必须扛住印刷或上架尺寸要求的图。它不适合源图里根本没有可恢复细节的情况,因为诚实的输出不会比输入更清晰。它同样不适合用来创造原本不存在的东西——特定的产品陈列、新背景、一个被虚构出来的场景。

那属于生成而不是增强;对这类需求,一条全新的提示词会打败一个忠实的放大器。用增强去修复已经拍到的部分,用生成去发明没有拍到的部分。

示例

同一位黑发女性的两张肖像并排展示

常见问题

AI 放大现实能做到多高的分辨率?
从一张本身比较清晰的原图放大约两倍是可靠区间。再往上,模型是在生成合理纹理而不是找回真实细节,文件会变大但不会真的更锐利。如果你需要超大成品,应该以高分辨率重新生成场景。
增强能还原模糊或低分辨率的人脸吗?
只能部分还原,而且不稳定。增强能去除噪点和压缩瑕疵,也能锐化原本发虚的部分,但从未被记录到足够像素的面孔无法被忠实重建。请把增强结果当作一种合理解读,而不是原图的还原。
为什么放大后的图片文字反而认不出来?
处在原图分辨率极限上的字,几乎没有可恢复的信号,模型只能编造看起来合理的字符。增强不是 OCR 工具。需要清晰可读的文字时,请在字号真正被解析的尺寸上重新生成图形。
应该先降噪还是先放大?
先降噪。在低分辨率上修复会丢掉放大本可用于构建结构的信息。合理顺序是降噪去块 → 校正曝光或色彩 → 放大 → 如有需要再做一次细节精修。
为什么同一张图增强几遍之后变得蜡质感很重?
每一遍都会在上一遍之上再叠一层模型推断的纹理,累积下来就是发亮、没有颗粒感的过度渲染皮肤。最多修复两到三遍,并在提示词里明确写出要保留原有的颗粒与色调。
能在不改变其他部分的前提下删掉照片里的某个物件吗?
可以,而且参考图引导的编辑比重新生成更可靠。上传图片,写明编辑内容与停止边界,例如「移除墙上的牌子,保持墙面纹理、光线和透视不变」。在四个模型中,gpt-image-2 对未编辑区域的保持最稳定。

相关生成器

相关模型

工具