手里有张泛黄、有折痕或者人脸模糊的老照片，想修又想先知道大概什么价位，结果一问发现报价从几十到几百都有，还说不清差在哪。这篇不讲具体数字，只讲报价是按什么拆的、AI 工具这一路的花销怎么构成，以及下单前该拿哪几页站内数据去对，让你在跟商家或工具沟通时知道该问什么。
手里有张泛黄、有折痕或者人脸模糊的老照片，想修又想先知道大概什么价位，结果一问发现报价从几十到几百都有，还说不清差在哪。有人报个总价让你选，有人按项目一点点加，你很难判断哪个更合理。其实报价乱不是因为修图师乱要钱，而是因为「修复」这个词本身就包含很多种活，从简单调色到手工补画，工作量差得远。
这篇不讲具体数字，只讲报价是按什么拆的、AI 工具这一路的花销怎么构成，以及下单前该拿哪几页站内数据去对。目标是你跟商家或工具沟通时知道该问什么，不会被一句「这个难度高」就带着走。下面先拆报价结构，再看 AI 路线花销，最后给核价动作。
先搞清一份修复报价由哪几块拼起来
按张计价只是外面那层壳。里面通常拆成损伤程度、修复范围、是否上色、是否放大清晰化这四块，任意一块加码都会抬价。你要做的是让报价单变成逐项，而不是一个笼统的总数，这样才能横向比较不同商家。
| 报价构成项 | 看什么 | 加价信号 |
|---|---|---|
| 损伤程度 | 撕裂、缺角、大面积霉斑算结构性问题；划痕、偏色算表面问题 | 出现缺角、人脸结构缺失，多数要走手工补画 |
| 修复范围 | 只修主体还是连背景一起修 | 背景杂物多、要求干净的，工作量明显加大 |
| 是否上色 | 黑白转彩色是独立工序 | 肤色和衣物颜色是否符合年代感，需单独确认 |
| 清晰化 | AI 放大和手动锐化是两件事 | 放大倍数越高，越容易出现涂抹感，验收标准要提前定 |
- 先让对方按问题项报，比如「三处折痕加一块缺角」，而不是报「这张难修」；
- 问清楚上色是否含在总价内，很多报价默认不上色，事后加做要另算；
- 确认交付是电子图还是含冲印版本，含冲印的会多一道输出工序；
- 如果照片主体信息已经缺失，比如五官完全糊掉，任何报价都只能算推测还原，不能当确定性修复来比价。
AI 修复这条路，钱花在哪几处
AI 修老照片看起来便宜，但花销结构跟人工不同，主要分订阅工具、按量 API、本地跑模型三条路。搞清楚自己属于哪条，再决定怎么付，比直接买最贵的套餐划算。
- 按月订阅的图像处理工具
- 一个月的费用覆盖一定处理次数，用不到上限就是浪费，超了另外算，先数清自己手上有多少张再决定包月还是按次
- 按量计费的图像 API
- 按出图张数或处理次数计费，批量修同一批老照片时总价容易被张数放大，先小批量试跑再决定
- 本地跑开源修复模型
- 看着不花钱，成本在显卡和时间上，算力从哪买可以到 /compute 看租卡口径
分界点没有固定答案，取决于你手上照片的数量和能接受的处理时长。只有几张，按次或按张走；几十张以上，再考虑包月或 API 批量。具体该按哪档算，去 /tools/model-cost-calculator 用当时的单价填一遍，数字会告诉你哪条路更省事。
- 先估算总张数和其中「问题严重」的比例，严重的那部分 AI 未必能一次过；
- 订阅前看一眼这个月会不会真的用满，用不满就换按次；
- 走 API 的话，先用小批量验证效果再放开量，别一上来整批丢进去；
- 租算力跑本地模型时，把空闲时间也算进成本，卡闲着也是钱。
下单前的核价动作清单
- 说清问题项先说出照片的具体问题，划痕、褪色、缺角、模糊各占哪些，让对方按问题项报，而不是只报一个总价，方便你拆开比。
- 确认交付规格问清分辨率、格式、是否保留原图、能不能改，这几项决定你拿到手能不能直接冲印或发朋友圈。
- 问修改次数问清包含几次修改、超量怎么算，避免修完再改又加一笔，这一步最容易被忽略。
- 核对工具价格如果走 AI 工具，先去 /price-watch 看这类工具最近有没有价格变动，再决定现在下单还是等等。
- 留下沟通记录把报价项和交付标准用文字确认一遍，口头说的不算，后面有争议时有据可依。
这套动作的核心是让价格和活对应起来。如果对方只肯给总价、不肯拆项，或者拆出来的项跟照片实际情况对不上，那这笔单就先放一放。比价不是比谁便宜，是比谁把要做的事说得清楚。
报价乱不可怕，可怕的是你不知道自己在为什么付钱。下一步先把照片的问题项列出来，再去站内工具页和价格追踪页核对当时的公开数字，心里有底再谈。→
常见问题
为什么同样一张老照片，不同地方报价差很多？
差价主要来自三处：修复方式是纯自动处理还是带人工精修，交付标准是低分辨率预览图还是可冲印的高清文件，以及修改次数是否包含在内。问价时把这三项对齐再比，不然比的是两个不同的活。具体价位去 /price-watch 和 /official-api 看当期数字。
用 AI 工具修老照片，怎么判断包月还是按次更省？
先数清手上有多少张、每张大概要跑几次才能满意，再乘以按次的单价，跟包月费用比。张数少、试错次数多的场景按次更稳；同一批照片几十张以上且处理方式固定，包月更划算。用当时的单价到 /tools/model-cost-calculator 算一遍再定。
AI 修复出来的效果不自然，是工具问题还是照片问题？
多数情况下是输入问题不是工具问题：原图分辨率太低、人脸区域太小、扫描时就偏色，AI 只能按猜的补。修复前先把原图重新高清扫描或拍照，让关键区域有足够像素，再交给工具。如果原图本身就是唯一的低质版本，那就把它当参考图，不要指望还原出真实五官。
