老照片上色
为历史黑白老照片提供生动自然的色彩还原，是模型 README 里明确写出的首要用途。
官方说明 ↗
价格约 $0.00098 每次运行，或每 $1 约 1020 次
平台Web / API
归类抠图与图像修复
收录2026-10-12
复核2026-10-12
编辑评分
4.2 / 5
★★★★☆
DDColor编辑总结
DDColor 是 ICCV 2023 论文《DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders》的官方实现，托管在 Replicate 平台上。它能为历史黑白老照片提供生动自然的色彩还原，也能给动漫游戏中的风景重新上色，把动画场景转换成写实风格。该方法利用多尺度视觉特征来优化可学习的颜色令牌，在自动图像上色任务上达到当前最优性能。在 Replicate 上运行一次约 $0.00098，用 Nvidia L40S GPU，预测通常 1 秒内完成，也开源可自行用 Docker 部署。
DDColor是什么？
DDColor 是一个自动图像上色模型，来自 ICCV 2023 论文《DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders》的官方实现，托管在 Replicate 平台上，模型创建已超过 1 年。
它的核心方法是利用多尺度视觉特征来优化可学习的颜色令牌（即颜色查询），在自动图像上色任务上达到当前最优性能。主要用途有两类：为历史黑白老照片提供生动自然的色彩还原，以及为动漫游戏中的风景重新上色，把动画场景转换成写实的真实生活风格。
在 Replicate 上，普通用户可以把它当在线工具直接跑，开发者可以通过 Playground、API 或 Examples 页面调用，也因为它开源、可以配合 Docker 在自己的电脑上运行。
DDColor核心功能
动漫风景重上色
可以把动漫游戏中的风景上色或重新上色，把动画场景转换成写实的真实生活风格，README 中举例图片来自《原神》。
官方说明 ↗多尺度特征着色
用多尺度视觉特征优化可学习的颜色令牌（颜色查询），在自动图像上色任务上达到当前最优性能。
官方说明 ↗Replicate 在线运行
在 Replicate 平台上直接运行，运行在 Nvidia L40S GPU 上，预测通常 1 秒内完成，适合快速试单张图。
官方说明 ↗API 与 Playground
页面提供 Playground、API、Examples 三个入口，开发者可以按示例调用，不用自己搭环境。
官方说明 ↗开源可自部署
模型开源，可以用 Docker 在自己的电脑上运行，适合需要把上色流程放进本地或自有服务器的用户。
官方说明 ↗DDColor值不值得用？
如果你的需求是给老照片或动漫风景做一次自动上色，DDColor 是成本极低的选择：单次约 $0.00098，Nvidia L40S GPU 上通常 1 秒内出结果，论文方法在自动上色任务上达到当前最优性能。它适合先跑几张看效果、或作为批量上色流程中的一个环节。但它是一个单点上色模型，不是完整的修图工作台，也没有内置的批量管理、人工微调工具；开源自部署还要自己维护 Docker 环境。把它当「一键上色器」用最合适，需要精细调整颜色时还得配合其他图像工具。
建议选它的情况
- 有历史黑白老照片需要快速上色，想先低成本试效果
- 需要给动漫游戏风景做写实风格重上色
- 希望在自有环境里用 Docker 自部署上色能力
不建议选它的情况
- 需要带人工画笔、局部调色的完整修图工作流
- 需要开箱即用的批量上传与结果管理界面
- 不想处理任何环境配置、只想用纯图形化产品
DDColor使用建议
入门先把路子走对
- 先用 Playground 试打开模型页的 Playground，上传一张黑白图直接跑，确认效果再决定要不要接 API。
- 先算一次成本每次运行约 $0.00098、每 $1 约 1020 次，按你的图片数量估算总花费再开跑。
- 从老照片样本开始先拿一张历史黑白老照片测试，这是 README 里明确支持的主要场景，最能看出效果。
进阶省时间也省钱
- 批量走 API单张试好后改用 API 或 Examples 里的示例代码批量调用，比在 Playground 里一张张点快得多。
- 本地 Docker 部署图片量大或数据不便外传时，用 Docker 在本机或自有服务器跑开源版本，省去按次计费。
- 动漫风景单独试动漫游戏风景的上色效果与老照片不同，最好单独挑几张动画截图验证风格是否符合预期。
DDColor适合谁用？
老照片修复爱好者
推荐手上有一批历史黑白照片想上色，单次约 $0.00098 的成本足够先试几张看效果。
动漫二创作者
推荐想把游戏或动画里的风景转成写实风格，README 明确支持这类重上色场景。
需要接 API 的开发者
推荐页面提供 Playground、API、Examples 三个入口，可以按示例把上色能力接进自己的流程。
想本地部署的团队
有条件模型开源且支持 Docker 自运行，适合对数据外传敏感、或调用量大的团队，但要自己维护环境。
追求精细调色的修图师
不推荐DDColor 是自动上色模型，没有画笔和局部调色工具，颜色不满意时只能换工具处理。
DDColor优点和缺点
优点
- 单次运行约 $0.00098，每 $1 约 1020 次，试错成本极低
- 在 Nvidia L40S GPU 上预测通常 1 秒内完成
- 基于 ICCV 2023 论文实现，自动上色任务上达到当前最优性能
- 开源并支持 Docker 自部署，可按需绕开按次计费
- 老照片与动漫风景两类场景都在 README 中明确支持
缺点
- 只有自动上色一种能力，没有人工局部调色工具
- 自部署需要自己维护 Docker 环境，不是零配置
- 模型创建已超过 1 年，页面未见更新的功能说明
- 没有独立的批量上传与结果管理界面，批量需自己写 API 调用
DDColor关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 单次运行成本 | $0.00098 | 模型页面 Run time and cost |
| 每 $1 可运行次数 | 1020 runs | 模型页面 Run time and cost |
| 运行硬件 | Nvidia L40S GPU | 模型页面 Run time and cost |
| 典型预测耗时 | within 1 seconds | 模型页面 Run time and cost |
DDColor常见问题
DDColor 跑一次要多少钱？＋
在 Replicate 上运行该模型每次约 $0.00098，换算下来每 $1 约能跑 1020 次。实际费用会随输入不同而变化。它也开源，可以用 Docker 在自己的电脑上运行，从而绕开按次计费。
它主要能做什么？＋
一是为历史黑白老照片提供生动自然的色彩还原；二是给动漫游戏中的风景上色或重新上色，把动画场景转换成写实的真实生活风格，README 里的示例图片来源是《原神》。
跑一次要等多久？＋
模型运行在 Nvidia L40S GPU 硬件上，预测通常在 1 秒内完成。这个耗时是页面给出的典型值，实际会随输入图片变化。
它可以自己部署吗？＋
可以。模型是开源的，能配合 Docker 在自己的电脑上运行。适合调用量大、或不想把图片传到外部服务的用户，代价是需要自己准备和维护运行环境。
它的上色原理是什么？＋
DDColor 用多尺度视觉特征来优化可学习的颜色令牌（也就是颜色查询），从而在自动图像上色任务上达到当前最优性能。它是 ICCV 2023 论文《DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders》的官方实现。
开发者怎么把它接进自己的程序？＋
模型页提供 Playground、API 和 Examples 三个入口。可以在 Playground 里先试效果，再参照 Examples 里的示例代码通过 API 调用，把上色能力接进自己的应用或批量流程。
