让受损照片 恢复完整细节。
工作室级修复,在本地运行。
无需安装,也不用注册账号,模型在你的机器上运行。
一个工作室,六件工具
修复、锐化、黑白照片上色、补全、证件照、主体感知裁剪,完整修复流程集中在一个页面,常用模式还支持批量处理。
100% 私密
家庭照片是私人内容。一切都在你的设备上运行:不上传,无服务器。
WebGPU 加速
有 GPU 时用 GPU 推理,其他环境自动回退到 WASM。
真实模型,不是滤镜
Swin2SR 超分辨率、GFPGAN 人脸修复、LaMa 填充、DDColor 上色、BiRefNet 与 MODNet 抠图,全部本地运行,MIT/Apache 许可。
从受损照片到下载。
- 01
放入照片
拖放、粘贴或浏览均可。JPG、PNG 或 WebP,扫描件与手机快照都行。
- 02
选择模式
修复褪色、锐化模糊、为黑白照片上色、涂掉物体、更换证件照底色,或按主体裁剪。
- 03
对比后下载
滑动对比前后效果,再导出全质量 PNG。模型会保留缓存,下次直接使用。
修复
修复划痕、噪点与褪色
锐化
Swin2SR 2×/4× 超分辨率
上色
DDColor 为黑白照片赋予自然色彩
补全
LaMa 填充,移除物体
证件照
抠图与标准尺寸
裁剪
主体感知构图
关于老照片修复工具
一套免费的 AI 工具,用于修复老旧和受损的照片:去划痕、修污点、黑白上色、人脸增强和放大集中在一处,完全在你自己的设备上运行。它是为数字化的家庭影像、历史扫描件和受损的冲印照片而设计的——把承载感情的照片上传给第三方本来就让人觉得不妥,而且通常还要按张收费。
六个模式覆盖完整流程:修复、锐化、上色、补全、证件照与裁剪;其中三个重计算模式(修复、锐化、上色)还支持批量队列,一整盒扫描件可以无人值守地处理完。
工作原理
本工具把多个端侧模型串成流水线。Swin2SR 超分辨率以 512 像素重叠分块降噪并放大,4096 像素的输入也能控制在浏览器内存上限之内。GFPGAN 修复人像面部,并提供 0–100% 强度滑杆,将其输出与锐化原图按比例混合——强度为 0% 时连 340 MB 的模型都不会下载。LaMa 风格的修复网络填充你用笔刷标出的划痕、撕裂与灰尘斑点;DDColor 则在保留原始亮度的前提下预测颜色通道,为黑白照片上色。浏览器支持时使用 WebGPU,并自动回退到 WebAssembly;每个模型的权重只下载一次并缓存。
为黑白照片上色
上色模式运行 DDColor-tiny,来自 DDColor 开源项目(Apache-2.0 许可)。模型在 512×512 的 Lab 色彩空间中工作:只预测两个色度通道(a/b),亮度通道完全来自你的原片。预测出的颜色会被重采样回原始分辨率,因此输出的细节与锐度就是扫描件本身——导出文件与拖入文件的尺寸完全一致。上色在所有档位均免费、全分辨率、无水印;Pro 在修复功能上的差异只体现在输入尺寸与批量数量,与上色无关。
如果照片看起来已经是彩色的,工具会事先在缩略图上检测并禁用运行按钮——给彩色图上色只会造成偏色。若扫描件只是褪色而非黑白,用修复模式的自动色阶就能恢复饱和度,无需调用上色模型。
用笔刷修划痕与破损
在修复模式下打开「修复划痕与破损」开关,用笔刷涂出缺陷;橡皮工具可精修遮罩,清除键可重来。运行时,遮罩区域先由 LaMa 填充,随后整图依次经过降噪/超分、可选的人脸修复与自动色阶。遮罩只引导第一步填充,因此划痕消失的同时,画面其他部分不会被重绘。补全模式使用同一引擎移除整个物体(行人、电线、水印),但不接后续的修复链。
批量处理
单图/批量开关可为修复、锐化、上色三个无需逐图笔刷的模式排队。文件严格串行处理——并行推理最容易耗尽浏览器内存——每张图都套用当前设置的快照:倍率、人脸开关与强度。免费档每批最多 4 张,Pro 为 16 张;结果可单独下载或打包为一个 ZIP,默认 PNG 编码,单图模式还可选 JPEG/WebP 与质量滑杆。单张损坏只会让该项失败,可单独重试而不必重跑整支队列。补全、证件照与裁剪因依赖逐图交互,保持单图模式。
限制与要求
修复/锐化模式接受的长边在免费账户为 2048 像素,Pro 为 4096 像素;超过上限的拖入图片会被预缩放并在界面上提示。上色与划痕修复笔刷没有分辨率门槛,始终免费按照片原始分辨率运行。模型权重体积较大——Swin2SR 约 200 MB、GFPGAN 约 340 MB、LaMa 约 208 MB、DDColor 约 129 MB——每个模型只在其功能首次运行时下载,之后留在浏览器缓存中。Chrome 或 Edge 113+ 使用 WebGPU;Safari 与 Firefox 运行 WebAssembly,速度较慢但输出相同。没有文件大小上限、没有水印,免费档与 Pro 的产出均授权商用。
隐私
家庭照片往往非常私人。在这里它们永远不会离开浏览器:没有上传、没有服务端处理,也没有需要担心的留存策略。