修复家庭照片，不重写过去：GPT Image 2.5 指南

你希望保留的细节，可能是祖母那略微不对称的微笑。如果那张熟悉的表情消失了，一张修得更干净的图片反而失去了意义。

GPT Image 2.5 老照片修复可以帮助你尝试划痕去除、克制的色调校正，以及可选的着色。请将每个结果与原图对比：更清晰的面孔可能包含凭空生成的细节，而缺失的特征或没有记录的色彩不能当作历史事实。

从一张照片、一项范围明确的修复任务和一份保存好的原图开始。本指南为你提供 5 个可直接复制的提示词、一个单一模型工作流，以及适用于家庭相册、共享副本和打印输出的实用验收标准。

核心要点

• 从真实照片入手，并保存原始扫描文件。
• 在第一轮中处理可辨识的损伤。
• 将着色单独保存，视为一种演绎。
• 在保留下载结果前，检查每一张脸和所有未被触碰的区域。

证据状态（2026 年 9 月 15 日）： 已检查公开的模型页面及其控件。由于访问会话需要登录，修复运行无法进入测试平台。下图显示的是真实的档案输入和受控测试准备，而非已完成的 AI 修复结果。本指南不声称任何修复成功或实测运行成本。

GPT Image 2.5 老照片修复：它能处理什么

OpenAI 于 2026 年 9 月 8 日推出 Images 2.5，描述了参照主体保真度、聚焦编辑以及多次连续编辑一致性方面的改进。这些是模型的通用能力，并非老照片准确性的保证。（OpenAI，2026 年 9 月）

修复请求可能涉及 3 种截然不同的任务。损伤清理针对的是覆盖在原本可读内容上的痕迹。增强改变的是你看到现存信息的难易程度。重建则为输入中不包含的信息生成外观。上传前先确定你要处理的是哪一类任务。

横跨素净背景的一条细细划痕，周围有相近的纹理可供修复参考。而横跨眼睛的一条缺失带，则失去了眼睑、视线和周边表情的信息。两者都可能在一张精修输出中消失，但第二种修复需要的判断要多得多。

在选择提示词之前，请先使用这个决策表：

从能解决你问题的最保守操作开始。如果照片上已经有一张可辨识的脸，却要求一张超精细的脸，等于增加了一项你可能并不想要的新任务。

判断准确性要与清晰度分开。一根清晰的睫毛、一个被修正过的嘴形、一枚重新可读的徽章，即使扫描件本身没有提供任何证据，也可能看起来很可信。当柔和是现有记录中最忠实的状态时，请保留柔和。

GPT Image 2.5 老照片修复：准备扫描件

先保留一份未经改动的母本，再创建工作副本。保存你手上最高分辨率的扫描件，同时保存照片的正面、背面，以及任何手写识别信息。给工作副本一个不同的文件名，以免误存覆盖母本。

如果用手机翻拍照片，先解决拍摄问题。把照片放平，让相机与其保持平行，使用均匀、无反光的光线。脸部的一道明亮反光会掩藏证据。在动用任何模型之前，移动光源或相机就能找回这些证据。

保留整张照片及其边界。检查边角是否有透视变形，还要确认相机没有裁掉一只手或某人衣服的边缘。在副本上校正明显的拍摄倾斜，并记录这一校正。

按实际像素尺寸检查文件。聊天应用里的预览可能是大扫描件的缩小副本。如果可能，找到原始下载文件。增大输出尺寸可以让文件更大，但并不能确定模糊的眼睛或无法辨认的标牌原本是什么样子。

保留原始宽高比。一张竖幅装裱肖像应保持竖直；一张宽幅全家福应保持宽度。不要仅仅因为某个设置方便，就把它们挤压成标准横版画面。如果输出网格需要小幅调整，请保留所有内容，不要让人物变形。

暖色调同样需要克制。棕褐色或奶油色可能来自冲印工艺、纸张、保存历史，或几者的叠加。Mrs. Boswell 的档案记录表明那是一张裱在卡片底板上的蛋白印相。这提示你在要求中性黑白之前，先仔细审视现有色调。

开始运行前，写一条简短证据记录：

• 已知： 日期范围、已识别的人物、有记录的服装颜色，以及任何可靠的家族注记。
• 可见： 表面痕迹、可读的面部特征、边界和背景物体。
• 未知： 被遮挡的细节、没有记录的颜色和不确定的身份。

保持未知条目开放。如果照片涉及在世的亲属或私人持有的家庭照片，请确认相关人士不介意上传和分享副本。请阅读服务方当前条款，而不是假设某种保留或训练政策。

GPT Image 2.5 老照片修复：工作流程

本工作流以 Atlas Cloud 作为编辑入口。整个教程使用的模型是 Sunburst Edit。每次请求只使用一个模型和一张照片，更容易把某个变化归结到某个特定提示词。

1. 准备一个命名的工作输入。 复制母本，按任务命名，例如 portrait-scratches-input.png。记下它的像素尺寸。表面痕迹选 P1，真实褪色选 P2；不要第一次请求就把所有建议的改进都混在一起。
2. 打开编辑模型并上传一张照片。 前往 GPT Image 2.5 Sunburst Edit。删除页面上的示例图片和示例提示词。在 Images 中添加你的工作副本，然后确认缩略图显示的是你想要的那张照片。基础工作流中请将可选遮罩留空。
3. 有意识地设置质量、尺寸和格式。 本指南检查过的公开页面会显示 Quality、Size、Background、Output Format 和 Number。有 max 时选择 max。官方 Sunburst 设置有 low、medium、high、xhigh、max 和 auto；high 并不是最高的命名档位。

尺寸应遵循原始照片。1024 × 1536 适合 2:3 竖幅肖像，1536 × 1024 适合 3:2 横版。它们只是示例，不是让你把每张档案图片都裁成这些形状。离开输入字段后检查显示的宽度和高度；锁定比例可能会改变另一个维度。

选择 PNG 和 Number 1。保留正常的背景处理。透明背景会去掉历史照片的部分语境。只有在图片、提示词、质量和尺寸都已提交后，再去查看当前的报价。

1. 粘贴一条完整提示词并运行一次。 下一节中划痕处理使用 P1。保留其保存说明原文。等待自己的结果完成；页面上的示例图片和 Idle 输出面板并不代表修复已完成。
2. 验收前先对比。 将原图和结果以相同的显示尺寸并排查看。检查面孔、衣物、背景和边框。如果表情变了，回到原始输入并收窄请求。不要试图通过一串越来越失真的输出，把原来的表情修回来。
3. 下载并标注版本。 将交付的图片连同提示词和设置一并保存。检查实际尺寸，而不是只看请求的尺寸。在尝试可选着色之前，先保留一个已通过验收的单色版本。下载的文件在通过下面这些检查之前，都只是候选结果。

GPT Image 2.5 老照片修复：划痕与褪色

划痕和褪色需要不同的指令。划痕打断的是局部特征；褪色降低的是某一区域或整张照片的色调分离度。一个“把一切都弄得干净、清晰、现代”的请求，会一次性给你太多需要评估的变化。

P1：去除灰尘和细小划痕。 上传包含你想要处理的痕迹的工作副本，然后粘贴：

plaintextCopy
1对上传的照片进行保守编辑。在周围图像提供足够修复信息的前提下，去除可见的灰尘粒点和细小的表面划痕。
2
3保留每个人的面部比例、表情、视线、外观年龄、皱纹、发际线、姿态和衣着。保留原始构图、背景物体、光线、色调特征和可见的摄影颗粒。
4
5不要美化面孔、磨皮、重新布光、添加锐利的面部细节、替换物体，或让照片现代化。不要上色。
6
7如果损伤遮挡了某个特征，而原图并未显示那里的内容，请保留该区域为未解决状态，而不要虚构一个替代物。
8
9返回一张保持原始构图、经过编辑的照片。

肖像对比使用了一张 1860 年代照片的工作副本，照片中的人物被识别为 Mrs. Boswell。将完整扫描件与任何受损输入放在一起，可以让你检查那些原本不该被模型触碰的细节。

Mrs. Boswell 档案扫描件，与同一工作副本加上 3 条受控划痕的对比

来源 A：Mrs. Boswell，1860 年代由 William J. Shew 拍摄；LC-DIG-ppmsca-86297。档案记录显示没有已知的出版限制。受控劣化测试：右侧面板在 981 × 1536 的工作副本上增加了 3 条可追踪的划痕。这仅仅是输入准备；未显示任何 Sunburst 输出。（美国国会图书馆, 2026 年 9 月访问）

做受控测试时，只在副本上加一层细划痕并保留该图层。对比 3 个视图：未改动的扫描件、交给模型的带痕迹副本、以及实际输出。一处从裙子上消失的痕迹，只有当附近褶皱和轮廓仍与未改动扫描件一致时，才算有用。

尤其要检查头发边缘和背景线条。它们又细又不规则，容易被误认为损伤。也要检查一处未被触碰的区域。清理请求可能划痕消失了，却把一只清晰的袖子改坏了。

P2：改善褪色的色调分离度。 从原始褪色照片或独立制作的低对比度副本开始，不要自动从 P1 的输出开始：

plaintextCopy
1对上传的照片进行保守编辑，改善褪色的色调分离度。
2
3恢复可读的中间调，并温和提升对比度，但不要使高光或阴影溢出。保留照片现有的单色或棕褐色特征、原始光线、胶片颗粒、纸张纹理和柔和的光学细节。
4
5保持所有面孔、表情、外观年龄、衣物、物体和构图不变。不要添加新的面部纹理，不要把模糊的特征锐化成虚构细节，不要美白牙齿、提亮眼睛或去除皱纹。
6
7不要应用现代调色、HDR、影棚灯光或上色。如果某个区域没有可恢复的视觉细节，请保持其柔和。
8
9返回一张克制的色调修复结果。

原始肖像，与 AI 修复前独立制作的低对比度测试副本

受控劣化测试：右侧副本的每个通道遵循 output = 0.45 × input + 130，取整为 8 位数值。这压缩了色调范围；并不能重现纸张老化的所有效果。未显示任何模型输出。来源 A，美国国会图书馆。

一个有用的色调调整，应该能在不增加新皱纹图案的前提下，把原本就存在的脸颊与其阴影分开。注意最亮的织物和最深色的头发：更强的对比度会在两端掩盖细节。如果微弱的线条消失，面部看起来也可能更年轻，即使你从未要求改变年龄。

分别记录：结果是否提高了可读性，以及它是否保留了证据。这是两个独立的判断。如果最初的扫描件本身就能更好地传递表情，那就把它作为首选版本。

GPT Image 2.5 老照片修复：合影照片

合影照片需要逐人检查。最显眼的那张脸可能看起来没问题，而较小的脸却有了不同的眼睛或笑容。在宣布整张图可接受之前，用同样的比例检查每个人。

档案示例 W. H. Jackson 及家人，约摄于 1905 年。下载的 5034 × 4023 扫描件显示 3 名成人和 1 名儿童。1536 像素宽的工作副本保留了其比例。它支持对表情、手部和重叠衣物的检查；它不是针对远处小脸人群的测试。

P3：修复历史合影照片。 只上传那一张照片：

plaintextCopy
1对这张历史合影进行保守修复。
2
3减少可见的灰尘和轻微的表面损伤，并只做适度的色调校正。保留确切的人数、他们的位置、相对大小、姿态、表情、视线方向、衣着、手部和背景物体。
4
5同等对待每一张脸。保留独特可见的面部特征和外观年龄。当原图没有足够细节时，小或模糊的脸必须保持自然柔和。
6
7不要虚构眼睛、牙齿、首饰、文字、衣物图案或额外的人物。不要让任何人变得更年轻、更开心或更对称。
8
9保持原始构图和单色处理。返回一张经过编辑的照片。

原始 Jackson 家庭照片，以及用于修复审查的全部 4 张脸的放大裁剪图

来源 B：W. H. Jackson 及家人，约 1905 年，LC-DIG-det-4a55028。仅显示原始输入和放大裁剪图；无修复输出。图片来源：美国国会图书馆印刷品与照片部，底特律出版公司收藏。档案记录显示没有已知的出版限制。（美国国会图书馆, 2026 年 9 月访问）

先数人数，再检查他们的顺序和相对大小。按从左到右、逐行的固定路线查看。检查每个人看向哪里、手如何摆放，以及衣物如何与邻座的身体重叠。重叠方式变了，可能会在缩略图尺寸下不引人注意地改变姿态。

接下来对比你能评估的最小面孔。如果它的嘴巴原本是一团柔和的深色形状，结果中分开的亮白牙齿就需要证据支持。如果一只眼睛原本不可读，那么一笔清晰的虹膜并不代表恢复成功。把它记录为未解决或虚构细节。

把完整合影放在人脸裁剪图旁边，让读者知道每个裁剪来自哪里。两个版本使用相同的裁剪坐标和显示比例。只放大输出结果会让对比产生误导。

默认不要添加第二张身份照片。来自另一个年代的肖像可能会促使年龄、发型或表情改变。第一轮处理中，原始合影应该始终作为参照。当原图无法支持更精确的面孔时，请接受自然的模糊。

GPT Image 2.5 老照片修复：着色

修复褪色的色彩，和给单色照片赋予颜色，是两件不同的事。前者中，幸存的颜色可能提供线索。后者中，除非你提供可靠参照，否则模型必须自行选择颜色。

单色照片中的深色衣物并不能确定它原本的色调。看似合理的年代服装颜色仍然只是演绎。任何已知信息都要保持具体：有记录的制服颜色可以约束那件制服，但它并不能确定某人的眼睛颜色或附近家具的颜色。

P4：制作可选、带有诠释性质的彩色副本。 只有在接受单色修复的面孔和构图之后，才使用它。将彩色输出单独保存：

plaintextCopy
1为这张照片制作一个带有诠释性质的彩色版本。
2
3保留现有的面孔、表情、外观年龄、衣物形状、物体、构图、光线和照片纹理。只改变颜色；不要进行额外的面部重建、锐化、美化或物体替换。
4
5没有提供经过验证的颜色参照。使用克制、合理的颜色，饱和度适中。不要暗示这些是照片原有的颜色。
6
7保留原始色调关系，避免电影感调色、发光皮肤、提亮眼睛或现代风格。
8
9返回一张没有附加文字的彩色照片。

原始 Jackson 家庭照片，与 GPT Image 2.5 的诠释性彩色输出对比

原始单色输入，与由同一张 Jackson 家庭照片生成的、真实的 GPT Image 2.5 诠释性彩色输出并列。输出为正方形，而源图为 1536 × 1228，因此在验收前需要审查其构图。颜色选择仍属诠释，而非经证实的史实。来源 B：W. H. Jackson 及家人，约 1905 年，LC-DIG-det-4a55028。（美国国会图书馆, 2026 年 9 月访问）

先检查形状，再看颜色。对比嘴唇、眼睛、头发、衣物和道具的边缘。一个“只改颜色”的请求，仍然需要与清理相同的身份核查。如果眼睛变得更亮，或脸颊出现了新的阴影，就要检查模型是否在着色的同时改变了结构或光线。

将两个版本临时转为灰度视图，可以更容易发现亮度关系的变化。把它作为审查辅助手段，而不是底层特征一致的证据。在验收之前，再对比一次实际的单色原图。

如果存在可靠的色彩证据，就把“没有参照”那一句替换成这些有记录的事实。并附注说明证据来源。其余颜色保持未验证状态，而不是把一个已知事实扩展成整个考据场景。

即使家人更喜欢彩色副本，也要保留单色版本。给后者起一个明确的名字，例如 family-interpretive-color.png。如果目的是家族史，就把两者一起分享，以免更直观讨喜的彩色外观取代了幸存下来的摄影记录。

检查面孔、缺失细节和打印就绪度

分两遍审查。首先在舒适的观看尺寸下对比整体构图。然后以实际像素或同等放大倍率检查成对的裁剪图。在整体视图和细节检查之间切换，可以捕捉到不同类型的错误。

按这份清单逐项检查：

• 眼睛： 眼睑形状、视线方向、间距，以及任何新画出的虹膜或高光。
• 鼻子和嘴： 鼻孔形状、嘴角、嘴唇边界和原有表情。
• 年龄： 皱纹、发际线、脸颊饱满度和可见的不对称。
• 物体： 衣物接缝、首饰、文字、手、家具和背景物品。
• 构图： 人数、身体比例、照片边缘和每个主体的位置。

一位 Reddit 用户曾通过用一张有已知原图的图片做劣化再对比来探索修复。这次早前的讨论支持基准原图的价值；它不是 GPT Image 2.5 的基准测试。（Reddit，2026 年 9 月访问）

P5：在信息缺失时测试边界。 使用一张受损的工作副本，把完整扫描件留在模型请求之外：

plaintextCopy
1以保存为首要目标，编辑这张受损照片。
2
3只清理轻微的灰尘，并且只在相邻视觉信息支持修复的情况下修复细小的划痕。保留所有尚存的面部特征、表情、衣物、物体、纹理和构图。
4
5当缺失的眼睛、嘴巴、面部轮廓、手指、文字或物体在输入中没有出现时，不要重建它们。让较大的缺失区域保持明显的未解决状态。不要用看起来合理的虚构内容替换它们。
6
7不要上色、美化、重新布光或让照片现代化。
8
9返回一张保守编辑后的图片，在原图信息不足的地方保留未解决的损伤。

完整档案肖像，以及受控的面部区域遮挡与对应面部裁剪图

受控劣化测试：一个 72 × 90 像素的矩形覆盖了 981 × 1536 工作输入中的部分面部。成对裁剪图显示了被移除的证据。完整扫描件保留用于审查。模型修复未完成，因此本图不声称 P5 是否会将该区域保留为未解决。

提示词要求克制；但它不能保证克制。如果缺失的眼睛变成了一只新眼睛，即使看起来很合理，也要拒绝将其作为忠实修复。不要把这种重建描述为已恢复的证据。

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;}

在开始前设定重试上限。在反复出现身份改变之后，再来一个宽泛提示词，可能只会增加成本，却解决不了证据问题。修图师可以限制修改范围，但手工作业同样无法在没有参照的情况下确立缺失的历史事实。

打印时，请查看下载文件的实际尺寸。1800 × 1200 px 在 300 ppi 下对应 6 × 4 in：把每个像素尺寸除以 300。这是计算打印尺寸，不是清晰度。按目标尺寸检查一张小样，尤其是面部和任何修复过的区域。

把原始文件、已验收的单色副本、可选彩色副本和运行记录放在一起。家人应该能分辨出哪个版本保留了原始信息，哪个版本包含演绎内容。

模型选择与可用修复的成本

OpenAI 将 Sunburst 定位为面向细节工作和编辑精度，而 Flare 强调更快的日常图像生成。这种定位解释了本指南为什么选择单一模型。它并不能证明 Sunburst 在每张家庭照片上都更忠实。

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;}

规划运行时，请查看当前模型列表和定价。截至 2026 年 9 月 15 日检查时，列表和 Sunburst 详情页显示 20% 折扣。列表中的四舍五入起价并不代表你上传图片后、以最高质量运行的修复费用。

详情页描述了基于文本、参照图片和生成输出的令牌计费方式。其估算会随配置的请求而变化。请区分 3 个金额：模型列表起价、设置好输入后的报价，以及已完成请求显示的结算费用。

不要用最小显示金额乘以照片数量来为整本相册做预算。要把失败尝试和可选着色都算进去。一张需要多次重试的照片，可能比一张一次通过的照片更贵。

每次运行都记录：来源 ID、输入文件名、模型、提示词 ID、质量、尺寸、耗时、尝试次数、报价、结算费用和验收理由。一个有用的相册级指标是总结算支出除以已验收修复数。如果没有一张通过，就没有“每张可用结果成本”可言。

执行记录：下载并检查了 2 个档案来源。一次试验平台尝试停在了访问登录页；0 个生成请求被提交，0 个输出被验收。质量、尺寸、生成时间、报价和结算费用均未测量。其余提示词没有通过同一受阻会话提交。

在你照片的副本上试一下这个“保存优先”提示词，然后在下载前与原图对比。对于 GPT Image 2.5 老照片修复，值得保留的版本是你能够解释并且能够检查的那一个。

常见问题解答

GPT Image 2.5 修复老照片时能不能不改变面部？

它可以尝试克制编辑，但面部保留并不能保证。先从可见的表面损伤开始，并把眼睑、嘴角、视线、年龄线索和发际线跟原图对比。即使结果看起来更干净，也不要接受被改变的表情。即使提示词写明了保留身份，仍然需要视觉验证。

处理划痕和褪色老照片应该用什么提示词？

细小划痕和灰尘用 P1，褪色或对比度不足用 P2。在评估每个问题时，分别在原始照片的独立副本上运行。要求模型保留现有面孔、颗粒、光线和构图。不要在第一次清理请求中加入锐化、美化和着色。

GPT Image 2.5 能恢复缺失的面孔或不可读的细节吗？

它无法验证输入中没有显示的外观。它可能会生成看似合理的特征或文字，这些应标注为重建。当历史忠实度很重要时，请保留缺失区域。在把新出现的细节当作事实之前，先寻找另一张原始冲印件或有记录的参照。

给黑白照片着色能恢复它的真实颜色吗？

不能。如果没有经过验证的颜色参照，结果就是一种演绎。一件看似合理的衣服颜色，可能与原来完全不同。保留单色版本，给彩色副本明确标注，并检查着色没有改变面孔、形状或光线。

GPT Image 2.5 老照片修复在 Atlas Cloud 上是免费的吗？

不要假设免费。模型页面显示按量计费定价，任何促销积分都取决于当前账户优惠。配置好上传和设置后再看报价。把报价和结算金额分开，并在决定处理多少张照片时把重试计入。

打印修复后的照片需要什么分辨率？

根据目标打印尺寸和像素密度计算尺寸，然后检查小样。一张 6×4 英寸、300 ppi 的打印需要 1800×1200 像素。更多像素并不能证明重建细节是有效的。如果放大让面孔或修复痕迹分散注意力，就选择更小的打印尺寸。