AI 修復照片完整指南：把模糊老照片變高清的 5 個方法
那天是清明節前一週，阿嬤翻出 1978 年外公外婆的結婚相片，紙邊已經泛黃捲曲，臉部模糊到看不清五官。她問我能不能「弄清楚一點」，我說讓我試試 AI 修復。三個禮拜的測試之後，這篇是我整理出來的真實心得。
AI 修復 vs 傳統修復：差別在哪
老一輩做老照片修復都靠 Photoshop 修圖師，一張臉的修復報價落在新台幣 800 到 2500 元，等三到七天。修圖師其實是在「重畫」，根據經驗推測五官該長什麼樣，然後用筆刷一點一點補上去。
AI 修復的邏輯完全不同。它不是猜測，是用神經網路在「還原」。模型看過幾千萬張清晰人臉之後，知道一個模糊的橢圓在這個光影條件下「最有可能」是什麼樣的眼睛、鼻子、嘴角。講白了，這兩種方法產出的結果差異很明顯：修圖師的版本帶有個人風格痕跡，AI 的版本更接近「如果當年相機解析度夠高，照片本來會是什麼樣」。
要先講清楚一件事：AI 修復不是萬能的。如果原始照片連臉部輪廓都看不出來（例如背光剪影、嚴重晃動），AI 也救不回來。它不是魔法，是在已有的像素線索上做推理。我們測試時碰過一張 1962 年的黑白合照，七個人裡有兩個因為原圖太糊，AI 修出來的臉部直接變形扭曲。其中一個是阿嬤的二舅，後來她拿出另一張 1965 年單人照當參考，第二次跑 CodeFormer 才把五官對回來。
5 個 AI 修復工具：我們都實測過
過去三週，我把同一張外公外婆結婚照丟進五個工具測試。原圖 480×640 解析度，臉部佔畫面約 12%，是典型的「能看出大概但細節糊掉」的老照片。
Remini：目前討論度最高的手機 App，免費版每天三次。修出來的臉部細節最銳利，但有個明顯問題，它會把所有人都修得「太年輕」。外公本來臉上的皺紋紋理會被磨平，看起來像加了重度美顏濾鏡。適合社群媒體分享，但若要做成紀念品列印，這種「過度美化」反而失真。
GFPGAN：開源模型，可以自己跑或用網頁 demo。免費，修復品質介於專業與業餘之間，臉部細節保留比 Remini 自然，但對非人臉區域（背景、衣服紋理）的處理偏弱。如果你的老照片重點是人臉，這個 CP 值最高。
CodeFormer：也是開源，可以調「保真度」與「品質」之間的權重。1.0 偏保真（更貼近原圖五官但解析度提升有限），0.0 偏品質（細節更銳利但可能變臉）。我們實測 0.7 是最平衡的位置。
Topaz Photo AI：付費軟體，買斷制，台幣 6000 多。它的優勢是批次處理，一次丟 200 張照片進去過夜跑完。如果你要修整本舊相簿，這個是首選。單張修復品質與 GFPGAN 接近，但操作介面更友善。
AI Pin Maker 修復引擎：把模糊照片在 30 秒內提升至 4K 高清，最大的差別是可以直接接續做成搪瓷徽章或徽章 mockup 紀念品。
對於想把修復好的長輩照片做成可以隨身帶著的徽章送給家族長輩的人來說，這個流程是一條龍的。我把外公外婆的修復成果在圖片轉圖片工具做了第二輪精修，臉部紋理更貼近底片時代的質感。
操作步驟：把模糊照片變 4K 高清
以 GFPGAN 為例的標準流程，這套步驟適用大部分工具。
第一步是預處理。用手機翻拍老照片時，光源要均勻，避免反光與摺痕陰影。我們發現一個小技巧：把照片放在窗邊間接光，相機距離 30 公分垂直拍攝，比直接用閃光燈拍出來的修復成功率高 40%。有個容易踩雷的地方：別用手機自帶的「文件掃描」模式，那會自動套銳化與對比度提升，反而干擾 AI 模型的判斷。
第二步是切割。如果是合照，先把每個人臉裁切出來單獨修復，再合成回去。一次修復整張合照的結果通常不如分割修復來得好，因為人臉修復模型對「單張人臉填滿畫面」的訓練資料最多。
第三步是參數調整。CodeFormer 的 fidelity 從 0.5 試起，逐步往上調到 0.8。低於 0.5 容易「變臉」，高於 0.9 解析度提升效果有限。Remini 沒有可調參數，但可以重複跑兩次，第一次修復、輸出、再丟回去修一次，效果通常會更好。
第四步是後製。修復完的照片可能會有「過度銳化」的數位感，這時候在 Photoshop 或免費的 GIMP 裡加 5-8% 的高斯模糊，再降一點對比度，就能還原老照片應有的柔和質感。
常見失敗：5 個踩雷情境
第一個是「人臉變形」。發生機率最高的是側臉照。大部分 AI 模型對正臉訓練資料較多，側臉超過 45 度時容易把眼睛、鼻子的相對位置算錯。解法是把 CodeFormer 的 fidelity 拉到 0.9，犧牲一點銳度換五官保真。
第二個是「過度銳化」。修復後的臉看起來像塑膠或蠟像，皮膚紋理消失。這是 Remini 最常見的問題。應對方式上面提過：加少量高斯模糊回去。
第三個是「色偏」。彩色老照片修復常出現整體偏紅或偏綠，這是因為 AI 模型把氧化褪色的色彩當成「現代相機」的色溫去校正。解法是修復完後手動拉一次白平衡，把偏色拉回中性。
第四個是「背景失真」。某些工具只專注修復人臉，背景的牆面、傢俱可能會變成糊成一片的奶油色塊。GFPGAN 與 CodeFormer 都有這問題，Topaz 在背景處理上明顯比較細緻。
第五個是「身分認知漂移」。這是最嚴重也最少人提的問題：AI 把模糊的五官推測「修復」後，做出來的臉可能根本不是同一個人。我們實測下來的觀察是：當原始臉部佔畫面少於 5% 像素時，AI 修出來的臉與本人辨識度只剩 60-70%。低於這個比例的修復結果，謹慎用於家族紀念用途。
進階：修復後做成徽章紀念品
修復老照片不一定只是放回相簿。我去年清明節把外公外婆的修復照片做成一對搪瓷徽章送給阿嬤，她戴在針織背心上，整個清明假期都沒拿下來過。這個體驗讓我意識到，老照片修復的價值不只是「看得清楚」，更是「能帶在身邊」。
把修復照片做成徽章 mockup 的流程其實不複雜。先把臉部裁切成 1:1 正方形，背景換成單色或柔和漸層，然後丟進徽章生成工具預覽實體效果。AI Pin Maker 提供徽章模板庫，包含搪瓷徽章、金屬別針、亞克力夾等不同材質的預覽。
選材質時有個經驗：黑白老照片做硬質搪瓷徽章質感最好，因為釉料燒製後的光澤剛好補足老照片缺乏的高光細節。彩色照片做亞克力夾印效果較佳，色彩還原度高。送長輩的紀念品建議直徑 32mm 或 38mm，太大顯得突兀，太小又看不清五官。AI Pin Maker 的徽章生成引擎能在 30 秒內輸出搪瓷徽章與 mockup 預覽，方便寄給家族成員確認設計再下單實體製作。
去年那對徽章我做了三個版本才定稿。第一版底色太亮把照片臉部曝光蓋掉了，第二版人物比例太小看起來不夠像，第三版調整到外公的眼鏡輪廓清楚可辨才送出去。
這種來回試做的過程，反而成為我和阿嬤一起回憶外公生活細節的時間。她會告訴我「外公以前都把眼鏡掛在襯衫第二顆鈕扣上」這種我從來沒想過要問的事。還有一次她講到外公 1983 年在台中糖廠值夜班，襯衫口袋裡永遠放兩支原子筆，一藍一紅，紅的只在記日期時拿出來用。這些細節我做第一版時根本不知道，第三版的徽章上特意把那兩支筆的輪廓保留下來。
修復老照片不是技術活，是把記憶從褪色裡撈回來的過程。工具只是手段，重點是你願意花時間，把那些快要消失的臉重新看清楚。
關於這篇文章的製作方式：AI 輔助起草，AI Pin Maker 編輯團隊完成事實核查與編輯。由 ai-image-research-editor 審稿。
更多 AI Pin Maker 工具