抽屉最底下翻出来的老照片，问题从来不止一个。纸已经泛黄，有一道折痕正好压在某个人的脸上，边角好些年前就撕掉了，而且它本来就是黑白的。四个毛病叠在同一张巴掌大的相纸上。
以前的两条路都很慢。送修复店，按张收费，等一周。自己在 PS 里弄，就是一小时一小时地盖章去划痕、抠蒙版、往皮肤上手工刷颜色——还是一张一小时。要是你手上是一整鞋盒的照片，这两条路都走不通。
现在有更短的路：把整张扫描件传上去，用大白话说清要修什么，GPT Image 2 会在一次生成里把划痕、缺角、丢失的细节和颜色一起处理掉。大概半分钟。
这篇是可以照着做的版本：完整提示词、三个针对不同损伤的变体，以及没人会告诉你的那部分——模型把脸改坏了怎么办。全部操作都在老照片修复工具里完成，打开就是图生图模式，提示词已经填好了。
真正难的只有一件事：人得还是那个人
老照片修复里其他事情都是能解的。划痕好去，褪色好补，连缺一个角都不算太难——周围总有墙、有窗帘、有天空，够推断出那块原本长什么样。
难的是，脸必须还是那张脸。
绝大多数 AI 修图工具悄悄栽在这里。它把皮肤磨平，把鼻梁修直，把眼睛放大一点，然后还给你一位很好看的陌生人，顶着你奶奶的发型。技术上确实"变好看了"，情感上一文不值——没有人想要一张修复过的、但不太像自己奶奶的照片。
所以整个流程里最关键的动作只有一个：明确地、并且反复地告诉模型，它没有权限重新设计任何人。下面每一条提示词都带着这句约束，别删掉它。
上传之前：先把扫描件弄对
模型只能拿它看到的东西干活，这一步多花十分钟，后面能少重抽很多次。
能扫描就别拍。 600 DPI 的平板扫描永远好过手机翻拍，因为模型拿到的是真实的相纸纹理，而不是手机降噪算法猜出来的东西。
必须翻拍的话，先解决反光。 把照片平放，靠窗用自然散射光，镜头正对着垂直往下拍。千万别开闪光灯——闪光打在光面相纸上会烧掉一块，而模型会非常忠实地把那块"烧白"当成照片内容修复出来。
先裁掉相册白边。 相纸白边、粘角、相册胶痕都会分走模型的注意力。裁到只剩照片本身，模型的算力才会全花在人脸上。
一次只处理一张。 合影没问题，模型处理四张脸和一张脸一样自如。但别把六张照片一起扫在一页上传，一张一张来，结果更好，也更可控。
能应付大多数照片的那条提示词
多数老照片是各种毛病混在一起的，所以从这条全能版开始。上传扫描件，粘贴，生成。
修复这张老照片。
- 去除划痕、折痕、撕裂、污渍、霉斑和扫描噪点。
- 重建因模糊或低分辨率丢失的五官、发丝和织物纹理。
- 矫正泛黄、偏色和褪色，让色调恢复自然。
- 如果原图是黑白，请按拍摄年代自然上色；如果原图本来有颜色，只恢复褪掉的部分。
严格保留每个人的身份特征：脸型、五官比例、表情、发型、姿态，以及背景构图。保留原片的胶片颗粒与光影氛围。不要美颜，不要换脸，不要重新创作，只做修复。带着这条提示词打开修复工具，然后把扫描件拖进去，点生成。
留意它的结构，后面你会反复用到：
- 列清楚要修什么。 具体的损伤，一样一样点名。"去除划痕"比"清理一下"有效得多。
- 一条关于身份的硬约束。 脸型、五官比例、表情、发型、姿态、构图，逐项写出来。笼统的"保持真实"约束不住任何东西。
- 一份禁止清单。 不要美颜、不要换脸、不要重新创作。就是这句话拦住了"漂亮的陌生人"。
比例记得保持原始尺寸。老照片很少是标准比例，让它裁成正方形，全家福里会少一个人。
三个针对性变体
如果你的照片有一个压倒性的主要问题，而不是笼统的"旧"，那么专门的提示词一定比全能版好。对号入座。
黑白照片想要彩色的
上色是最容易一眼看出翻车的环节——皮肤像发光，裙子的颜色在那个年代还没被发明出来。解法是让模型从年代和衣料去推断，而不是挑它自己喜欢的颜色。
为这张黑白照片自然上色。
- 依据拍摄年代、服装材质和现场光线推断肤色、发色、服饰和背景色。
- 肤色要柔和可信，不要过饱和、不要荧光感、不要塑料质感。
- 顺带去除表面划痕与颗粒，恢复丢失的清晰度。
不要改动任何人的脸型、表情、年龄、发型、姿态和画面构图。不要美颜。只给画面里本来就存在的东西上色。撕了、折了、缺了一块
物理破损里最关键的一句指令是：告诉它去哪儿找补全的依据。说清楚"用周围内容作参考"，模型补出来的部分是连贯的；什么都不说，它有时会凭空造一个全新的背景。
修补这张有物理破损的照片。
- 补全撕裂的边缘、缺失的边角，以及被深折痕吃掉的区域，用周围画面内容作为补全依据。
- 去除霉斑、水渍、黄斑和污点。
- 让每一处修补都与周围的颗粒、光线和阴影自然融合，看不出接缝。
完整保留每个人的身份特征、姿态和原始构图。不要凭空添加照片里原本没有的人、物件或背景元素。又糊又小
发虚的低清扫描件，通常意味着脸上的细节已经彻底没了。要把你想重建的部位一个个点出来——眼睛、睫毛、眉毛、发丝——否则模型只会把"糊"锐化成"清楚一点的糊"。
挽救这张模糊、低分辨率的照片。
- 重建五官细节：眼睛、睫毛、眉毛、嘴唇、一根根发丝，以及衣物的织物纹理。
- 清除模糊、扫描噪点和压缩痕迹，让画面干净锐利。
- 保留原片的颗粒感和光影氛围。
脸型、年龄和表情必须保持完全一致。不要锐化过头显得生硬，不要美颜。它把脸修坏了怎么办
一定会遇到，通常出在合影里最小或最糊的那张脸上。三种办法，按你应该优先使用的顺序排：
只改那一处。 保留这张结果，继续编辑，给一条很窄的指令："只重做右边小男孩的脸，让它更接近原始扫描件，其他部分完全不要动。" 定点修改比整张重跑再碰运气可靠得多。
重抽一次。 同样的提示词，再生成一次。修复本身带运气成分，第二次往往就是更好。
补一条模型看不见的事实。 你知道扫描件上没有的信息。"左边这位女士是绿眼睛。" "制服是藏青色，不是黑色。" "她拍这张时 19 岁，不是中年。" 一次只补一条——一口气堆一堆要求，效果反而不如分三轮各说一件事。
总原则是：克制。每一轮只提一个明确的改动。
如果你要拿去打印
默认设置是按"省"来配的，这对试提示词是对的。但修好的照片最后总要去某个地方——装进相框摆在柜子上、打印出来给爸妈、或者寄给也想要一份的表亲。
等你拿到满意的版本之后，把画质档位调到 2K 或 4K，把这一版再跑一次。高分辨率能留住小尺寸下必然丢掉的皮肤质感和衣物织纹，而这恰恰是照片被放大装框时最先露馅的地方。它更费积分也更慢，所以只在最后、只对你已经认可的那一版做一次。
修一整本相册
可复用的资产是提示词本身。一旦你为自家这批照片调好了措辞——同一个年代、同一种相纸、相似的损伤，剩下的就是体力活：
- 一口气把所有照片扫完。真正的瓶颈在这里，不在 AI。
- 用你的标准提示词、低画质档位，一张一张跑完。
- 修得对的留下，个别翻车的重抽或定点补一下。
- 只把你最喜欢的那几张，用 2K 或 4K 重新生成，用来打印。
多数人会发现，一鞋盒四十张照片里，真正想放大的也就六七张。四十张都便宜地修一遍，那七张认真地打印出来。
有些事修复做不到
这点得说明白，因为 AI 修复的宣传里通常不会说。
修复出来的照片是一次非常接近的重建，不是丢失信息的找回。当模型重建一只原本只剩三个模糊像素的眼睛时，它做的是一次极有依据的推测。结果看上去就是那个人，家里人一眼就能认出来——但它不是原始数据，也永远不会是。
两个实际后果。原始扫描件一定要留着，和修复版存在一起。以及，凡是有真实历史或法律分量的用途——身份确认、档案工作、留证——修复版只能当插图，不能当证据。
至于其余 99% 的情况，也就是某个人的父母在 1952 年的婚礼上，这套流程给你的正是你想要的。
准备好扫描件，用那条全能提示词在老照片修复工具里跑第一张。如果第一次结果既保住了人脸又清掉了损伤，你的模板就找到了——鞋盒里剩下的那些，只花你扫描的时间。
延伸阅读
- GPT Image 2 怎么用 — 60 秒上手教程 — 第一次来的话，先看生成和编辑的基础。
- GPT Image 2 是什么？ — 这个模型到底在做什么。
- GPT Image 2 价格 — 各画质档位跑一次修复分别多少钱。