同时运行 GFPGAN 人脸修复和 Real-ESRGAN 放大 — 不用 Python,不用 GPU,无需安装。上传一张尺寸小或压缩过的照片,就能得到 2K 或 4K 的清晰眼睛、干净皮肤和根根分明的头发。
请了解它的取舍:GFPGAN 往往会磨平皮肤、淡化雀斑,让人脸看起来更年轻。


图片类型
输出尺寸
每张图片消耗 3 积分
注册即送 3 积分,正好够第一次生成。
使用注册赠送的免费积分生成的结果带有水印。购买任意积分后,新生成的结果将不再带水印。
图片很多?一次最多放大 20 张 →同一张脸用「人脸修复」处理一次前后的局部特写:左边是低画质原图,右边是 GFPGAN 结果。

GFPGAN 还原了清澈的眼睛、银发和清晰的笑容。但请留意皮肤:一些深皱纹和老年斑被淡化了,她看起来年轻了一点。如果这一点对你很重要,请改用「照片人脸变清晰」。

从一张满是马赛克色块的低画质 JPEG 中,GFPGAN 以很强的清晰度重建了眼睛、鼻子和花白胡须。这正是它最擅长的:普通放大救不回来的严重压缩人脸。

人脸变得明亮清晰,但她的大部分雀斑都不见了,皮肤也比原图更光滑。这是 GFPGAN 的典型表现。如果雀斑和皮肤纹理必须保留,「照片人脸变清晰」能保留得更好。
GFPGAN 是一个人脸修复模型:它会检测照片中的人脸,并根据学到的人脸知识重新绘制。这里它与 Real-ESRGAN 一起运行,由 Real-ESRGAN 放大图片的其余部分。结果是非常清晰的人脸 — 同时也有一些可以预见的副作用:
即使是又小又严重压缩的人脸,也能重建眼睛、牙齿和头发。
背景、衣服和头发与人脸一起放大。
毛孔、细纹和皱纹往往会被淡化。
雀斑、痣和老年斑可能变淡或消失。
老年人脸处理后往往看起来年轻好几岁。
切换到「照片」模式(即「照片人脸变清晰」背后的模型),人脸会更贴近原样。
三步完成,无需安装:
拖入、粘贴或选择 JPG、PNG、WebP 图片,最大 10 MB。
「人脸修复」会同时运行 GFPGAN 和 Real-ESRGAN。选择 2K 或 4K,开始前会显示准确的输出尺寸。
把滑块拖过人脸对比效果。如果皮肤看起来太光滑,可以改用「照片」模式。
人脸剩下的信息越少,它的优势越明显。
合照和老照片扫描件里只有几十像素宽的人脸。
在聊天软件里反复转发、已经糊掉的人脸。
小尺寸头像更看重干净清晰,而不是每个毛孔。
生成出来的人脸糊成一团的 AI 图片。
在本地安装任何东西之前,先试试 GFPGAN 的效果。
还有其他问题?请发邮件至 support@imagesv2.ai。
GFPGAN 是一个开源的人脸修复模型。它利用对人脸外观的认知,重建低画质照片中的眼睛、皮肤和头发。在本页面中,它与 Real-ESRGAN 一起运行,由后者放大整张图片。
可以。在上方上传照片,保持选中「人脸修复」,然后点击放大按钮。完全不涉及 Python、GPU 或命令行。
它会保留人脸的整体样貌,但往往会磨平皮肤、去掉雀斑和老年斑,让人看起来更年轻。如果照片里的人脸必须原样保留 — 全家福、年长的亲人、长雀斑的皮肤 — 请使用「照片人脸变清晰」,它使用另一种更能保持人物身份的模型。
可以。把图片类型切换为「照片」,就会改用保持人物身份的修复模型,而不是 GFPGAN。
可选 2K(短边 1440 像素)或 4K(短边 2160 像素)。「人脸修复」最多把图片放大 4 倍,所以非常小的图片会在上限内尽量接近目标尺寸。
它很擅长挽救非常小或严重受损的人脸。如果是需要保留皱纹和人物神韵的老家庭照,建议先试试「照片」模式或老照片修复。
放大到 2K 消耗 10 积分,4K 消耗 20 积分,8K 消耗 40 积分。新用户注册即送免费积分,首次放大(2K 或 4K)只需 3 积分。8K 需购买任意积分后才能使用。放大失败会自动退还积分。
使用注册赠送的免费积分生成的结果带有水印。购买任意积分后,新生成的结果不再带水印。
新用户赠送免费积分。上传照片,用滑块对比 GFPGAN 的效果。