GFPGAN 开源 AI 修图：老照片修复接单的免费方案

「老照片翻新」是设计接单市场里的隐形金矿：客户情感浓度高、付费意愿强、单价不低——一张修复报价 50-200 元，一套全家福翻新几百上千很常见。

但手工修老照片是苦役：磨皮、补细节、上色、修破损，一张要耗几个小时。直到 AI 人脸修复模型成熟，这个工序的时间成本被砍掉了 90%——前提是你用的是对的工具。

这篇文章拆解 GFPGAN（以及它的强力替补 CodeFormer）：腾讯 ARC 开源的人脸修复模型，跑在你自己电脑上，修一张只要几秒钟。

1. GFPGAN 是什么：专注「把糊脸修清楚」的模型

https://github.com/TencentARC/GFPGAN

GFPGAN（GitHub 3.77 万 Star，Apache-2.0 协议）是腾讯 ARC 实验室开源的盲人脸修复模型。它做的事情用一句话说清：把低质量、模糊、压缩损伤的人脸，修复成清晰自然的人脸——而且尽力保持「还是同一个人」。

它专攻的正是老照片的核心痛点：

• 低分辨率：几十年前的照片扫描出来脸部就几十个像素
• 模糊与划痕：失焦、翻拍、物理损伤
• 压缩噪声：早期数码相机和低质量扫描的颗粒感

这些它都能明显改善。Apache-2.0 协议意味着商用没有许可障碍——这对接单赚钱的场景是硬前提。

2. 它到底能修到什么程度：预期管理

先泼冷水，再说用法。AI 人脸修复的「修」要准确理解：

• 能做：脸部清晰化、五官锐化、肤色均匀化、去除模糊噪点——把「看不清五官」的脸变清晰
• 经常能做：轻度破损面部的完整性重建、严重模糊下「合理的五官重绘」
• 做不到：百分百还原本人真实长相。AI 是「生成」不是「恢复」——极端低质量输入下，修复结果是个「很像的人」而非照片学意义上的原件

实操含义：接单时向客户如实说明「AI 增强修复」，对修复结果管理预期——修完的图用于纪念展示完全合格，用于「这是爷爷年轻时的准确长相」这种诉求则要谨慎。诚实标注反而增加信任，翻车往往翻在过度承诺。

3. 怎么用：从在线 Demo 到本地批量

3.1 快速体验：官方 Demo

GFPGAN 仓库提供 Hugging Face 在线 Demo，上传照片即时出结果。适合先验证「你手里这批照片它能不能修」，再决定要不要装本地环境。注意：涉及客户隐私的照片建议直接跳过在线 Demo，走本地。

3.2 本地部署：一条 pip 的事

pip install gfpgan
python inference_gfpgan.py -i ./老照片/ -o ./修复后/ -v 1.4

同样支持整文件夹批量——这是接单场景的刚需。CPU 也能跑（一张几秒到十几秒），有 NVIDIA 显卡则接近实时。输出会同时保留对比图，方便你挑结果。

3.3 修完之后：进 PS 精修

AI 负责把脸修清晰，剩下的交给设计师：

• 整体划痕与破损：脸部之外的区域（衣服、背景）AI 不管，PS 修复画笔补
• 调色上色：黑白照上色（可配合上色模型或手工分层）
• 版式输出：客户要的成品往往是「修复 + 排版」——加个相纸边框、输出冲印尺寸，这就是报价的溢价部分

接单流程定型为：GFPGAN 批量修脸（机器）→ PS 精修破损与调色（人）→ 成品排版交付。原来一张 3 小时的活，现在 20 分钟，报价不变——这就是工具差。

4. 副角：CodeFormer，以及必须看懂的许可差异

https://github.com/sczhou/CodeFormer

CodeFormer（GitHub 1.81 万 Star，NeurIPS 2022 论文配套）是另一个人脸修复模型，修复强度可调，在极端低质量输入上常常比 GFPGAN 更稳。

但许可必须看清楚：CodeFormer 采用 S-Lab License 1.0，明确仅限非商业用途。给客户收费的活用它，就是踩许可红线。所以本文的定位是：主角 GFPGAN（Apache-2.0，商用安全）负责所有商业项目；CodeFormer 只用于个人练习、学习对比——这也是为什么很多「AI 修图教程」不会告诉你的细节：模型好不好是一回事，能不能商用是另一回事，接单的人必须两件事都问。

5. 接单场景的完整打法

1. 获客话术：「AI 增强修复 + 手工精修」，展示前后对比样片（效果自带说服力）
2. 验片：先跑 GFPGAN 看能修到什么程度，修不动的（大侧面、严重遮挡）提前告知
3. 批量跑：一次几十张挂机处理
4. 精修：破损、调色、上色按张计价
5. 交付：对比图 + 成品图打包，走 Nextcloud 分享链接交付，专业度拉满

定价参考：单张修复市场价 50-200 元，全家福套装 300-1000+ 元。AI 把单张时间压到 20 分钟后，这个单价几乎就是纯利。

6. FAQ

Q：修复的人脸「不像本人」怎么办？
A：这是当前所有生成式修复的边界。缓解方法：选高质量底图（扫描分辨率尽量高）、用 1.4 版模型、把 AI 结果当「底」再手工微调五官。但极端糊的输入，先给客户看效果再报价。

Q：能修风景/物品老照片吗？
A：GFPGAN 专攻人脸。非人脸区域它基本不动——那些部分靠 PS 修复画笔或通用修图工具（见延伸阅读的 IOPaint）。

Q：跑这个需要什么电脑？
A：CPU 可跑、慢但能用；4G+ 显存的 NVIDIA 卡体验良好。和 Stable Diffusion 比硬件门槛低得多。

Q：修完的照片客户拿去商用（比如出书）有问题吗？
A：Apache-2.0 不限制你的商用。作品本身的版权（照片拍摄者/被摄者权益）是客户与原权利方的事，与你使用工具无关。

7. 总结：情感生意 + 开源工具 = 设计师的机会窗口

老照片修复的需求端极度感性、供给端一直缺人——因为手工做太贵，AI 做还没被普遍掌握。GFPGAN 把「会修老照片」从手艺变成了配置，而知道这条信息差的设计师，现在进场正好。

记住两个关键：主角用 Apache-2.0 的 GFPGAN 商用无忧；CodeFormer 质量好但非商用许可，只做练习。工具选对，许可看清，剩下的就是把情感价值装进交付物。

延伸阅读

Upscayl 开源 AI 放大 —— 修复后分辨率仍不够的开源放大方案，老照片工作流的标准下一站。

rembg 开源批量抠图 —— 本系列另一篇：一条命令批量处理 100 张图。

Nextcloud 分享链接 —— 修复成品的专业交付方式。

设计师开源 AI 工具箱总览 —— 本系列 5 篇详解 + 速览清单。

开源 AI 工具分类 —— 本系列全部文章索引。

常见问题

Q：老照片修复能商用吗？

修复自己 / 客户授权的老照片没问题（你是创作者）；GFPGAN 输出图的版权视输入图而定，需授权链清晰。

Q：和 PS 修图比哪个好？

AI 修图速度快（5 秒一张），对噪点和折痕处理强；但对细节质感和艺术化处理仍弱于 PS——两者配合最佳。

Q：跑不动怎么办？

可上 Google Colab 免费 GPU 跑（限制：会话 12 小时）；或换 CodeFormer（更轻量，对低显存更友好）。