修復家庭照片而不改寫過去：GPT Image 2.5 指南

你想保留的細節，或許是祖母那微微不對稱的笑容。如果那熟悉的表情消失了，一張更乾淨的照片也失去了意義。

GPT Image 2.5 老照片修復 可以協助你嘗試刮痕移除、節制的色調校正，以及選擇性的著色。將每個結果與原始照片比對：更清晰的面孔可能含有憑空產生的細節，而缺失的特徵或無紀錄的顏色不能視為歷史事實。

從一張照片、一項明確的修復任務，以及一份保存好的原始檔開始。本指南提供 5 個可直接複製的提示詞、單一模型工作流程，以及適用於家庭相簿、分享副本和輸出的實用驗收檢查。

重點摘要

• 從真實照片開始，並保存原始掃描檔。
• 用第一輪處理可辨識的損壞。
• 將著色另行保存為詮釋版本。
• 在保留下載檔之前，檢查每一張臉和未觸及的區域。

證據狀態（2026 年 9 月 15 日）： 已檢查公開模型頁面及其控制項。由於存取工作階段需要登入，修復作業無法進入測試環境。下圖顯示真實的檔案輸入和受控測試準備，並非已完成的 AI 修復結果。本文不宣稱任何修復成功或實際執行成本。

GPT Image 2.5 老照片修復：它能修復什麼

OpenAI 於 2026 年 9 月 8 日推出 Images 2.5，宣稱在參考主體保真度、精準編輯，以及連續編輯間的一致性方面有所改進。這些是模型的通用能力，並非老照片準確度的保證。（OpenAI，2026 年 9 月）

一項修復請求可能涉及 3 種截然不同的工作。損壞清理 針對遮蓋住原本可讀內容的痕跡。增強 改變你看到殘存資訊的容易程度。重建 為輸入中不存在的資訊生成外觀。上傳前先決定你要請求的是哪一種。

橫跨素色背景的細微刮痕提供了可引導修復的鄰近紋理。橫跨眼睛的缺損條帶則移除了有關眼瞼、視線和周遭表情的資訊。兩者在經過修飾的輸出中可能都會消失，但第二種修復需要更多的判斷。

在選擇提示詞之前，請先參考這張決策表：

從最能解決你問題的最小範圍操作開始。如果照片中已經有清晰的臉孔，要求超精細的臉孔反而增加了一項你可能不需要的新任務。

判斷準確度時，不要與銳利度混為一談。清晰的睫毛、被拉直的嘴巴，或突然可辨識的徽章，即使掃描檔中沒有相應證據，也可能讓人覺得可信。當柔和是現有紀錄中最忠實的呈現時，就保留柔和。

GPT Image 2.5 老照片修復：準備你的掃描檔

在建立工作副本之前，先保留一份未經處理的原始檔。保存你擁有的最高解析度掃描檔，連同照片的正面、背面，以及任何手寫標記。為工作副本取不同的檔名，以免意外儲存覆蓋原始檔。

如果你用手機翻拍照片，請先解決拍攝問題。將照片平放，讓相機與照片保持平行，並使用均勻且避免反光的燈光。臉上的強烈反光會隱藏證據。在動用任何模型之前，調整燈光或相機位置就能找回那些證據。

拍攝範圍要涵蓋整張照片及其邊界。檢查四個角落是否有透視變形，並確認相機沒有裁切到手部或某人的衣物邊緣。在副本上修正明顯的拍攝傾斜，並記錄這項修正。

以實際像素尺寸檢查檔案。即時通訊應用程式的預覽可能是較大掃描檔的縮小副本。如果可能，請找出原始下載檔。增加輸出尺寸可以讓檔案變大，但無法證明原本模糊的眼睛或難以辨識的文字究竟是什麼樣子。

保留來源的長寬比。直式的裱框肖像應保持直式；寬幅的全家福應保持其寬度。不要因為標準橫式框設定方便，就把兩者硬塞進去。如果輸出格線需要微調尺寸，請保留所有內容，並避免拉伸人物。

暖色調也需要節制。棕色或米白色的外觀可能來自沖印過程、紙張、存放歷史，或以上因素的組合。Mrs. Boswell 的紀錄顯示那是一張裱在卡紙上的蛋白照片。這正是要求中性黑白之前，應先仔細檢視現有色調的原因。

執行前先寫下簡短的證據筆記：

• 已知： 時間範圍、已辨識的人物、有紀錄的衣物顏色，以及任何可靠的家族註記。
• 可見： 表面痕跡、可辨識的面部特徵、邊界，以及背景物體。
• 未知： 被遮蓋的細節、沒有紀錄的顏色，以及不確定的身份。

讓未知欄位保持開放。如果涉及在世親屬或私人持有的家庭照片，請確認當事人願意上傳和分享副本。閱讀服務目前的條款，而不是自行假設其保留或訓練政策。

GPT Image 2.5 老照片修復：工作流程

以 Atlas Cloud 作為此工作流程的編輯入口。本教學全程使用的模型是 Sunburst Edit。每次請求使用單一模型和單張照片，更容易將變更與特定提示詞連結起來。

1. 準備一個有命名的工作輸入檔。 複製原始檔並為任務命名，例如 portrait-scratches-input.png。記下其像素尺寸。表面痕跡選擇 P1，真正的褪色選擇 P2；不要在第一次請求中把所有想做的改進全數合併。
2. 開啟編輯模型並上傳一張照片。 前往 GPT Image 2.5 Sunburst Edit。移除頁面上的範例圖片和範例提示詞。在 Images 中加入你的工作副本，然後確認縮圖顯示的是你要的照片。在此基本工作流程中，將選用遮罩留空。
3. 刻意設定品質、尺寸和格式。 本指南檢查的公開頁面提供 Quality、Size、Background、Output Format 和 Number 選項。有 max 時請選取 max。Sunburst 的官方設定包括 low、medium、high、xhigh、max 和 auto；high 並非最高等級。

使用符合原始照片的尺寸。1024 × 1536 適合 2:3 直式肖像，1536 × 1024 適合 3:2 橫式照片。這些只是範例，並非要求將每張檔案影像都裁成這些形狀。離開輸入欄位後，檢查顯示的寬度和高度；鎖定比例可能會改變另一個尺寸。

選擇 PNG 和 Number 1。保留正常的背景處理。透明背景會移除歷史照片的部分脈絡。在影像、提示詞、品質和尺寸都確定之後，再讀取目前的報價。

1. 貼上一段完整的提示詞並執行一次。 處理刮痕時複製下一節的 P1。按照原文使用其中的保存指示。等待你自己的結果完成；頁面上的範例圖片和 Idle 輸出面板並不代表修復已完成。
2. 接受前先比較。 將原始檔和結果以相同顯示尺寸並排比較。檢查臉孔、衣物、背景和邊框。如果表情改變了，回到原始輸入並縮小請求範圍。不要試圖透過一連串越改越多的輸出找回原始表情。
3. 下載並標示版本。 將產出的影像連同提示詞和設定一起儲存。檢查其實際尺寸，而不是依賴請求時設定的尺寸。在嘗試選用著色之前，先保留一份已接受的單色版本。下載的檔案在通過下列檢查之前，仍只是候選版本。

GPT Image 2.5 老照片修復：刮痕與褪色

刮痕和褪色需要不同的指示。刮痕中斷局部特徵；褪色則減少某個區域或整張照片的色調分離。如果一次要求把所有東西都變乾淨、清晰又現代，你會同時收到太多難以評估的改變。

P1：移除灰塵和細微刮痕。 上傳包含你想處理痕跡的工作副本，然後貼上：

plaintextCopy
1以保守方式編輯上傳的照片。在周遭影像提供足夠修復資訊的範圍內，移除可見的灰塵微粒和細微表面刮痕。
2
3保留每個人的面部比例、表情、視線、明顯年齡、皺紋、髮際線、姿態和衣物。保留原始構圖、背景物體、光線、色調特性，以及可見的攝影顆粒。
4
5不要美化臉孔、平滑肌膚、重新打光、添加銳利的面部細節、替換物體，或將照片現代化。不要為照片著色。
6
7如果損壞遮蓋了某個特徵，而來源未顯示該處原本的樣貌，請讓該區域保持未解決狀態，而不是虛構替代內容。
8
9回傳一張維持原始構圖的已編輯照片。

肖像比較使用一張 1860 年代、被辨識為 Mrs. Boswell 的照片工作副本。將完整掃描檔與任何受損輸入並排放置，讓你可以檢查模型應該保持不動的細節。

Mrs. Boswell 檔案掃描檔，旁為加入 3 道受控刮痕的同一工作副本

來源 A：Mrs. Boswell，由 William J. Shew 於 1860 年代拍攝；LC-DIG-ppmsca-86297。紀錄顯示無已知出版限制。受控劣化測試：右側面板在 981 × 1536 的工作副本上加入 3 道可追蹤刮痕。這僅是輸入準備；未顯示任何 Sunburst 輸出。（美國國會圖書館，2026 年 9 月存取）

進行受控測試時，只將一層細微刮痕加入副本，並保留該圖層。比較 3 個檢視畫面：未變更的掃描檔、提供給模型的標記副本，以及實際輸出。如果裙子上的痕跡被移除，但附近的皺褶和輪廓仍與未變更的掃描檔一致，這才算有用。

特別留意髮絲邊界和背景線條。這些因為細而不規則，容易被誤認為損壞。也要檢查未受損的區域。清理請求可能因為改變了原本清晰的袖子而失敗，即使刮痕本身消失了。

P2：改善褪色的色調分離。 從原始褪色照片或獨立的低對比副本開始，而不是自動從 P1 的輸出開始：

plaintextCopy
1以保守方式編輯上傳的照片，改善褪色的色調分離。
2
3還原可讀的中間調，並在不會裁切亮部或陰影的前提下溫和改善對比。保留照片既有的單色或褐色特性、原始光線、底片顆粒、紙張質感，以及柔和的光學細節。
4
5保持所有臉孔、表情、明顯年齡、衣物、物體和構圖不變。不要添加新的面部紋理、將模糊特徵銳化成虛構細節、美白牙齒、提亮眼睛，或移除皺紋。
6
7不要套用現代調色、HDR、棚拍燈光或著色。如果某個區域沒有可還原的視覺細節，請讓它保持柔和。
8
9回傳一張節制的色調修復照片。

原始肖像，旁為 AI 修復前的獨立低對比測試副本

受控劣化測試：右側副本的每個色頻遵循 output = 0.45 × input + 130，並取整為 8 位元數值。這壓縮了色調範圍；無法重現紙張老化的所有效果。未顯示任何模型輸出。來源 A，美國國會圖書館。

有用的色調調整，能將既有的臉頰與陰影分離，而不添加新的皺紋紋路。留意最亮的布料和最暗的頭髮：對比增強可能讓兩端的細節消失。如果微弱的線條消失了，臉孔也可能顯得更年輕，即使你從未要求改變年齡。

記錄結果是否改善了可讀性，以及是否保留了證據。這是兩件獨立的事。如果原始掃描檔已經更能傳達表情，請保留它作為你偏好的版本。

GPT Image 2.5 老照片修復：團體照

團體照需要逐人檢查。最顯眼的臉孔可能看起來合理，但較小的臉孔卻出現不同的眼睛或笑容。在宣布整張影像可接受之前，請以相同比例檢查每個人。

檔案範例 W. H. Jackson 全家福約攝於 1905 年。下載的 5034 × 4023 掃描檔顯示 3 名成人和 1 名兒童。寬度 1536 像素的工作副本保留了其比例。這適合檢查表情、手部和重疊的衣物；但並非用來測試遠處人群中細小臉孔的場景。

P3：修復歷史團體照。 單獨上傳該照片：

plaintextCopy
1以保守方式修復這張歷史團體照。
2
3減少可見灰塵和輕微表面損壞，並只進行適度的色調校正。保留確切的人數、他們的位置、相對大小、姿態、表情、視線方向、衣物、手部和背景物體。
4
5將每張臉孔視為同等重要。保留獨特的可見面部特徵和明顯年齡。當來源沒有足夠細節時，小臉或模糊的臉必須保持自然柔和。
6
7不要虛構眼睛、牙齒、珠寶、文字、衣物花紋或多餘的人物。不要讓任何人變年輕、變開心或變得更對稱。
8
9保留原始構圖和單色處理。回傳一張已編輯照片。

Jackson 家族原始照片，附上全部 4 張臉孔的放大裁切，供修復檢查使用

來源 B：W. H. Jackson 與家人，約 1905 年，LC-DIG-det-4a55028。僅為原始輸入和放大裁切；無修復輸出。來源：美國國會圖書館，印刷品與照片部門，Detroit Publishing Company 典藏。紀錄顯示無已知出版限制。（美國國會圖書館，2026 年 9 月存取）

先數人數，再檢查他們的排列順序和相對大小。按照一致的順序，從左到右、逐行檢查。確認每個人的視線方向、手部擺放位置，以及衣物如何與鄰近身體重疊。重疊方式的改變可能悄悄改變姿態，在縮圖尺寸下不易察覺。

接著比較你能評估的最小臉孔。如果嘴巴原本是柔和的深色形狀，結果中分明的亮白牙齒就需要證據。如果眼睛原本無法辨識，清晰繪出的虹膜並不能證明已還原。請將此記錄為未解決或虛構的細節。

將完整團體照與臉孔裁切並排放置，讓讀者能看到每張裁切的來源。對兩個版本套用相同的裁切座標和顯示比例。只放大輸出會讓比較產生誤導。

預設情況下，避免加入第二張身份照片。來自其他年代的肖像可能促使年齡、髮型或表情改變。第一輪處理時，應以原始團體照為參考。當來源無法支撐更精確的臉孔時，請接受自然的模糊。

GPT Image 2.5 老照片修復：著色

修復褪色與為單色照片上色是兩種不同的任務。前者中，殘存的顏色可能提供線索。後者中，除非你提供可靠的參考，否則模型必須自行選擇顏色。

單色照片中的深色衣物無法辨識其原始色調。看似合理的時代衣物顏色仍屬詮釋。讓已知資訊保持具體：有紀錄的制服顏色可以約束該制服的配色，但無法確定某人的眼睛顏色或附近家具的顏色。

P4：製作選用的詮釋性著色副本。 只有在接受單色修復的臉孔和構圖之後，才進行著色。將著色輸出另行儲存：

plaintextCopy
1為這張照片建立一個詮釋性的著色版本。
2
3保留現有的臉孔、表情、明顯年齡、衣物形狀、物體、構圖、光線和攝影質感。只改變顏色；不要進行額外的面部重建、銳化、美化或物體替換。
4
5沒有提供經驗證的顏色參考。請使用節制、合理的顏色和適度的飽和度。不要暗示這些是照片的原始顏色。
6
7保留原始的色調關係，避免電影感調色、發光肌膚、提亮眼睛或現代風格。
8
9回傳一張未附加文字的著色照片。

Jackson 家族原始照片，旁為其 GPT Image 2.5 詮釋性著色輸出

原始單色輸入，旁為由同一張 Jackson 家族照片生成的實際 GPT Image 2.5 詮釋性著色輸出。輸出為正方形，而來源是 1536 × 1228，因此接受前需要檢視其構圖。顏色選擇仍屬詮釋，而非經驗證的歷史。來源 B：W. H. Jackson 與家人，約 1905 年，LC-DIG-det-4a55028。（美國國會圖書館，2026 年 9 月存取）

先檢查形狀，再檢查顏色。比較嘴唇、眼睛、頭髮、衣物和道具的邊緣。即使是只要求著色的請求，也需要與清理相同身份檢查。如果眼睛變亮或臉頰出現新的陰影，請檢查模型是否在著色的同時改變了結構或光線。

將兩個版本暫時轉為灰階檢視，可以更容易發現亮度關係的變化。把這當作檢查輔助，而不是底層特徵相符的證明。接受前，請再次與實際的單色原始檔比較。

如果有可靠的顏色證據，請將無參考的句子替換為那些已紀錄的事實。保留一份說明證據來源的筆記。讓其他顏色保持未經驗證的狀態，而不是將一個已知事實擴展成經過完整考據的場景。

即使家人偏好著色副本，仍要保留單色版本。為後者清楚命名，例如 family-interpretive-color.png。如果目的是家族歷史，請同時分享兩者，以免更討喜的彩色外觀取代了殘存的攝影紀錄。

檢查臉孔、缺失細節與輸出準備度

進行 2 輪檢查。先以舒適的檢視尺寸比較整體構圖。然後以實際像素或相同放大比例檢查對應裁切。在整體視圖和近距離檢查之間切換，可以發現不同種類的錯誤。

依序完成這份檢查清單：

• 眼睛： 眼瞼形狀、視線方向、間距，以及任何新繪製的虹膜或高光。
• 鼻子和嘴巴： 鼻孔形狀、嘴角、唇線，以及原始表情。
• 年齡： 皺紋、髮際線、臉頰飽滿度，以及可見的不對稱。
• 物體： 衣物縫線、珠寶、文字、手部、家具和背景物品。
• 構圖： 人數、身體比例、照片邊緣，以及每個主體的位置。

一位 Reddit 使用者透過以已知原始影像進行劣化並比較結果的方式探索修復。這篇先前的討論支持基線的價值；但它並非 GPT Image 2.5 的基準測試。（Reddit，2026 年 9 月存取）

P5：在資訊缺失時測試極限。 使用受損的工作副本，並將完整掃描檔保留在模型請求之外：

plaintextCopy
1以保存為優先，編輯這張受損的照片。
2
3只在鄰近視覺資訊足以支持修復的情況下，清理輕微灰塵並修補細微刮痕。保留所有殘存的面部特徵、表情、衣物、物體、質感和構圖。
4
5當輸入中不存在眼睛、嘴巴、面部輪廓、手指、文字或物體的外觀時，不要重建它們。讓較大的缺失區域保持明顯未解決的狀態。不要用看似合理的虛構內容取代它們。
6
7不要為照片著色、美化、重新打光或現代化。
8
9回傳一張以保守方式編輯的影像，在來源資訊不足之處保留未解決的損壞。

完整檔案肖像與受控面部區域遮蓋，附對應的臉孔裁切

受控劣化測試：981 × 1536 工作輸入中的一個 72 × 90 像素矩形遮蓋了部分臉部。對應裁切顯示被移除的證據。完整掃描檔保留供檢查。由於未完成任何模型修復，此圖不對 P5 是否會讓該區域保持未解決作出任何宣稱。

提示詞要求節制，但它無法保證節制。如果缺失的眼睛變成新的眼睛，即使外觀看似合理，也應拒絕將其視為忠實的修復。不要將這種重建描述為已還原的證據。

td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

開始前設定重試上限。在身份一再改變之後，另一個範圍寬泛的提示詞可能只增加成本，卻無法解決證據問題。修圖師可以限制變更發生的位置，但手動工作同樣無法在沒有參考的情況下確立缺失的歷史事實。

若要輸出，請查看下載檔案的尺寸。1800 × 1200 px 在 300 ppi 下為 6 × 4 吋：將每個像素尺寸除以 300。這計算的是輸出尺寸，不是銳利度。以預定尺寸檢視小樣，特別注意臉孔和任何修復區域周圍。

將原始檔、已接受的單色副本、選用著色副本和執行筆記放在一起。家人應該能夠分辨哪個版本保留了來源，哪個版本包含詮釋。

模型選擇與可用修復的成本

OpenAI 將 Sunburst 定位於精細工作和編輯精確度，而 Flare 則強調更快的日常影像生成。這個定位說明了本文選擇單一模型的原因。但它並不證明 Sunburst 在每張家庭照片上都更忠實。

td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

規劃執行時，請查看目前的模型清單與定價。截至 2026 年 9 月 15 日檢查時，清單和 Sunburst 詳細頁面顯示 20% 折扣。清單上的取整起價並不代表附加你的影像後的最高品質修復費用。

詳細頁面說明文字、參考影像和生成輸出均按 token 計費。其估價會隨設定的請求而變。區分 3 種金額：模型清單的起價、設定輸入後的報價，以及完成請求後顯示的結算費用。

不要用最小顯示金額乘以照片數量來估算整本相簿的預算。要把失敗的嘗試和選用著色納入考量。一張需要多次重試的照片，可能比一張第一次就通過的照片花費更多。

每次執行都要記錄來源 ID、輸入檔名、模型、提示詞 ID、品質、尺寸、耗時、嘗試次數、報價成本、結算成本，以及接受原因。一個有用的相簿層級指標是：總結算支出除以已接受的修復數量。如果沒有任何一張通過，就沒有每次接受結果的成本可回報。

執行紀錄：下載並檢查了 2 個檔案來源。一次測試環境嘗試停在了存取登入頁面；提交了 0 次生成請求，接受了 0 個輸出。品質、尺寸、生成時間、報價和結算費用均未測量。其他提示詞未透過同一個受阻的工作階段提交。

在照片副本上嘗試以保存為優先的提示詞，然後在下載前將結果與原始檔比較。對於 GPT Image 2.5 老照片修復，值得保留的版本是你能夠解釋並檢查的那一個。

常見問題

GPT Image 2.5 能否修復老照片而不改變臉孔？

它可以嘗試節制的編輯，但無法保證臉孔保存。從可見的表面損壞開始，並將眼瞼、嘴角、視線、年齡跡象和髮際線與原始檔比較。即使結果看起來更乾淨，也要拒絕改變後的表情。即使提示詞要求保留身份，仍需視覺驗證。

處理刮痕和褪色老照片時，應該使用什麼提示詞？

細微刮痕和灰塵使用 P1，褪色或對比不足使用 P2。評估每個問題時，在原始檔的獨立副本上分別執行。要求模型保留現有的臉孔、顆粒、光線和構圖。避免在第一次清理請求中加入銳化、美化和著色。

GPT Image 2.5 能否還原缺失的臉孔或難以辨識的細節？

它無法驗證輸入中未顯示的外觀。它可能生成看似合理的特徵或文字，這些應繼續標示為重建。當歷史真實性很重要時，請保留缺失的區域。在將新出現的細節視為事實之前，請尋找另一份原始照片或有紀錄的參考。

為黑白照片著色能還原真實顏色嗎？

不能。沒有經驗證的顏色參考，結果就是一種詮釋。看似合理的衣物顏色可能與原始顏色完全不同。保留單色版本，標示著色副本，並確認著色沒有同時改變臉孔、形狀或光線。

Atlas Cloud 上的 GPT Image 2.5 老照片修復是免費的嗎？

不要假設它是免費的。模型頁面顯示按量計費的定價，任何促銷額度都取決於當前的帳戶優惠。在上傳和設定完成後閱讀報價。將報價和結算金額分開記錄，並在決定要處理多少張照片時把重試納入考量。

輸出修復後的照片需要什麼解析度？

根據預定輸出尺寸和像素密度計算尺寸，然後檢查樣張。300 ppi 的 6 × 4 吋輸出需要 1800 × 1200 像素。更多的像素本身不能驗證重建的細節。如果放大讓臉孔或修復痕跡變得分心，請選擇較小的輸出尺寸。