打开手机或电脑上任意一个AI修复类工具把泛黄的老照片拖进去几秒钟后画面变清晰了——这是很多人的初体验。但等到真正把修复结果放大细看会发现脸上多出了奇怪的皱纹背景文字变成了乱码甚至照片里的人多了几根手指。这不是工具不够聪明而是这类图像本身就不适合交给AI直接处理。AI修复老照片的本质是让模型根据学习过的海量图像规律对模糊、破损的部分进行推测补全。这个推测过程对绝大多数照片有效但遇到某些极端输入时它的脑补会跑偏。如果你近期在收集家庭旧照、为短视频或动画项目做素材准备下面这4种图往往是最容易出问题的建议先手动处理过再进AI。人体密集或侧脸居多的老照片毕业合影、家族聚会、街道抓拍……这类照片里往往有几十张脸而每张脸只有几十像素大小。AI在修复这些脸部时常常会参考固定模板去画人脸导致不同人长得越来越像眼睛鼻子位置雷同俗称模板脸。更麻烦的是侧脸和背影——训练数据里正脸占绝大多数模型对侧脸的还原准确度明显不够容易把侧脸转成正脸。遇到这种图不要整体直接修复。可以用裁切工具把单个人物或两三人小组单独切出来放大到合适尺寸后再修复最后拼回原图。没有足够清晰参考的侧脸保留原有模糊反而更自然。带有文字、水印或特殊图案的旧物照片报刊剪影、旧书页、老招牌上的文字在修复过程中会变成一串毫无意义的符咒。因为老照片中的文字往往是印刷体或手写体像素极低AI很难识别正确字形它只会生成一些像文字的纹路。照片上的水印、日期戳和胶卷边缘标记也可能被当成图像纹理修复后留下明显的光斑或条纹。对策是修复前先用涂抹工具把文字区域单独框出并打上马赛克或者修完后再用原图手动贴回文字部分。水印如果覆盖在关键内容上优先用仿制图章类的手动方式去除再交给AI做后续清晰化效果会稳得多。严重过曝或欠曝的极端光影照片逆光人像、长时间曝光夜景、强闪光灯造成的过曝自拍——这些照片的问题是高光或阴影区域完全失去了细节信息。AI的逻辑是缺多少补多少当画面里一大块纯白或纯黑时它没有足够线索去推测下面藏了什么只能根据周围环境硬编一个结果常常出现肤色发灰、轮廓扭曲、背景糊成雾团的情况。这类修复的正确顺序不是先整体修复而是先做动态范围调整。用修图软件把过曝区域的亮度压下来欠曝区域的暗部提起来尽可能让细节重见天日再交给AI做去噪和清晰化这时它的判断依据就充足多了。高噪点且分辨率极低的网络下载图如果你手头的老照片本来就是别人转发几轮的压缩图——俗称网图分辨率可能只有几百像素还叠加了一层明显的马赛克或噪点颗粒。这类图对人眼来说勉强能看出轮廓但在AI眼中噪点已经被理解为头发纹理、衣物织纹之类的有效信息。修复后人脸的皮肤会变成密密麻麻的颗粒状像砂纸一样。面对这类图需要先在非AI的修图软件里做一次降噪和轻微锐化再提升分辨率让画面的基础信噪比高一些。如果降噪后画质损失过大宁可保留原有的颗粒感也不要追求过度平滑——那会让照片失去老照片应有的时代质感。顺手总结AI修复更像一个手艺活而不是一键出图。拿到照片先分类判断清晰但有人物群体的先切分带文字或水印的先隔离光影极端的先调整曝光低清高噪点的先降噪。把基础打好之后再让AI做最后一步的补全和清晰化操作顺畅度和成片效果会提升不少。如果你刚开始接触老照片修复不必一口气追求完美画质先挑一两张主体简单、明暗正常、没有文字的旧照练手熟悉修复流程后再逐步挑战上面这几类难处理的照片。毕竟老照片的价值在于它记录的真实瞬间而不是修复后的技术炫技。