AI 在线图像修复：Moebius 照片修补指南
一张家庭老照片通常不是整张都坏掉。它可能只是缺了一个角，某个人脸有点虚焦，天空上有一道水渍，或者前景有一个挡住画面的物体。AI 在线图像修复真正有用的地方就在这里：你不必手工重建整张图，只要圈出受损区域，说明要修什么，让图像修补模型根据上下文补回来。
2026 年 6 月 17 日，Moebius 团队发布了论文 Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance。6 月 22 日，Simon Willison 又展示了一个 ONNX/WebGPU 浏览器移植版 和可运行 demo。这篇文章会先解释 Moebius 对 AI 在线图像修复 意味着什么，再给出一套可以直接用于修补模糊、损坏、缺失区域的在线工作流，并自然衔接到 Imgezy 的 Smart Repair 等功能。
最近更新：2026 年 6 月 23 日
本文目录
- Moebius 改变了 AI 在线图像修复的什么
- 为什么浏览器可运行的修复模型很重要
- 分步教程：在线修复一张照片
- AI 照片修复 Prompt 配方
- 让修复结果更自然的技巧
- 什么时候不该用 AI 修复
- 常见问题
Moebius 改变了 AI 在线图像修复的什么
Moebius 的意义在于，它证明高质量图像修补不一定只能依赖超大通用模型。论文报告了一个 0.22B 参数的专用 inpainting 模型，在多个修补任务上接近 10B 级模型效果，这让更快、更便宜、更隐私友好的 AI 在线图像修复 变得现实。
从用户角度看，Moebius 解决的是 image inpainting：给模型一张图、一个遮罩区域，以及周围上下文，让它预测缺失区域应该是什么样。这正好对应常见照片修复：去掉划痕、补回缺角、清理水渍、修复虚焦小块、移除遮挡物并重建背景。
Moebius 引发讨论的关键是效率数据。论文 对比了 0.226B 参数的 Moebius 和 11.902B 参数的 FLUX.1-Fill-Dev，并报告 Moebius 每步 26.01 ms，FLUX.1-Fill-Dev 每步 161.01 ms。按默认采样设置计算，Moebius 总时间约 0.52 秒，FLUX.1-Fill-Dev 约 8.05 秒，差距约 15 倍。
这并不代表所有 AI 在线图像修复 产品都会立刻换成 Moebius。更重要的信号是：针对修复任务优化的小模型，已经有机会在质量、速度、成本之间取得更好的平衡。
为什么浏览器可运行的修复模型很重要
浏览器 AI 图像修复把处理过程推近用户手里的照片。模型能在浏览器或边缘侧运行时，用户可以更快预览、更少等待上传，也更适合处理家庭照片、证件扫描、私人纪念照片这类敏感内容。
Simon Willison 的 Moebius 浏览器 demo 并不轻量：页面提示首次运行需要下载约 1.27 GB 权重，其中 UNet 约 907 MB，并且需要支持 WebGPU 的浏览器。但它说明了方向：AI 在线图像修复 不再只能是“上传到云端等结果”，也可以逐步变成客户端或混合式体验。
ONNX Runtime Web 是关键基础之一。它的 WebGPU execution provider 让网页应用可以调用客户端 GPU 运行更重的模型，而普通 ONNX Runtime Web 包也支持通过 JavaScript API 在浏览器做推理。官方 JavaScript 文档 同时列出了 WebGPU、WebAssembly、WebGL 等不同执行路径。
| 方案 | 处理方式 | 适合场景 | 注意点 |
|---|---|---|---|
| 云端修复 | 图片上传到服务器模型处理后再下载 | 高质量模型、大图、批量任务 | 隐私、延迟、上传限制 |
| 浏览器修复 | 模型用 WebGPU 或 WASM 在本地运行 | 私密预览、小范围快速修补 | 首次下载大、依赖浏览器和设备 |
| 混合修复 | 本地做遮罩和预览，云端做最终渲染 | 兼顾速度和质量 | 产品实现更复杂 |
对普通用户来说，核心变化很简单：更小的 inpainting 模型会让 AI 在线图像修复 更像“编辑”，而不是“提交任务后等待”。
分步教程：在线修复一张照片
可靠的 AI 在线图像修复 不是“上传一次然后祈祷”。更稳的流程是：准备清晰原图，标出损坏区域，运行 Smart Repair 或 inpainting，检查边缘，再做增强和导出。
第 1 步：尽量使用最清晰的扫描或原图
老照片最好用平板扫描；没有扫描仪时，用手机在自然光下平放拍摄，关掉闪光灯，避免玻璃反光。如果是数字照片，上传原始文件，不要用社交平台压缩过的版本。
对 AI 在线图像修复 来说，源图质量决定模型要“猜”多少。损坏区域周围纹理越清楚，修复越保守；原图越糊、裁切越紧，模型越容易编造。
第 2 步：先判断损坏类型，再写 prompt
不要所有照片都写“restore this photo”。请明确说是划痕、缺角、水渍、缺失天空、虚焦人脸、前景遮挡，还是照片上的文字。损坏类型越具体，图像修补模型的任务越窄。
如果是家庭或档案照片，还要说明什么不能改。例如：“修复夹克上的划痕，保留人物脸部、衣服和背景，不要添加新物体。”这比一句“修好它”安全得多。
第 3 步：对损坏区域使用 Smart Repair 或 inpainting
只刷选受损区域，然后运行修复。这一步可以直接用 Imgezy：上传照片，描述要修补的区域，用 Smart Repair 修复模糊或破损小块，不需要学 Photoshop 图层。对于遮挡物或杂物，remove object 工具 也是同一思路：标记要删除的东西，让 AI 重建背后的背景。
Prompt 示例：
修复左下角缺失纸张和天空上的细划痕。保留人物、山景和光线不变，只重建缺失区域。
这是 AI 在线图像修复 工作流里动机最强的一步，因为用户已经有受损照片，也知道自己要修什么。
第 4 步：100% 放大检查修复边界
多数 AI 照片修复问题出现在遮罩边缘：纹理糊掉、图案重复、皮肤细节奇怪，或者修补区域和原图之间有明显直线。如果边缘不自然，用更小范围再跑一次，不要重新圈整张照片。
移除物体时，重点看阴影和反光。删掉电线杆可能留下弯曲的栏杆；去掉水渍可能留下色 halo。好的 AI 在线图像修复 通常来自两三次克制的小修，而不是一次大面积重绘。
第 5 步：修复完成后再增强清晰度和颜色
先修复，再增强。如果先锐化或放大，划痕和污点也会被一起放大。修复完成后，再轻度增强清晰度、对比度和局部细节。需要更大尺寸时，把最终结果送到 image upscaler，不要在修复前放大。
颜色也要克制。老照片更适合“自然色、保留轻微颗粒、不要塑料皮肤”，而不是“make it HD”。AI 在线图像修复 的目标是可信修补，不是把照片改成另一张新图。
第 6 步：导出多个版本，并保留未编辑原图
至少保存三份：原始扫描、修复版、最终增强版。如果照片有家庭或历史价值，分享时标注 AI-restored。这样既保留档案真实性，也避免把“合理重建”误认为“未经修改的历史原件”。
AI 照片修复 Prompt 配方
好的 AI 在线图像修复 prompt 包含三件事：受损区域、修复目标、保留规则。很多人只写前两项，漏掉第三项，结果人脸、衣服、背景容易漂移。
| 修复任务 | Prompt 配方 | 检查重点 |
|---|---|---|
| 老照片划痕 | “去除照片纸上的细白划痕。保留人脸、服装和原始颗粒。” | 皮肤纹理、布料细节、重复线条 |
| 缺角 | “根据周围背景重建缺失角落。不要添加新人物、物体或文字。” | 角落几何、纹理匹配 |
| 水渍 | “去除棕色水渍，恢复下方原本背景颜色。” | 色 halo、边缘融合 |
| 人脸轻微虚焦 | “轻度提升脸部清晰度。保留身份、年龄、表情和自然皮肤纹理。” | 过度磨皮、五官改变 |
| 前景物体遮挡 | “移除前景物体，重建其后的背景。” | 阴影、反光、重复图案 |
| 照片文字或时间戳 | “去除文字覆盖，重建下方图像内容，不添加新细节。” | 文字残影、背景连续性 |
写 AI 在线图像修复 prompt 时，把它当成修复说明，不要当成风格 prompt。“让它更好看”会诱导模型重绘；“修复划痕并保留原始颗粒”才是边界明确的任务。
让修复结果更自然的技巧
更自然的 AI 在线图像修复 来自更小的遮罩、更严格的 prompt，以及清晰区分“修复”和“增强”。把它当成保守修补：先修坏掉的地方，再决定是否提升观感。
- 遮罩比你想象的更小。 小遮罩迫使模型利用周围上下文，大遮罩会增加编造。
- 先修复再上色。 先上色会把污点和划痕也当成真实内容处理。
- 保留老照片颗粒。 完全光滑的皮肤和纸面会显得假。
- 一次只做一个目标。 先修划痕，再修水渍，再补缺角。多目标 prompt 更难控制。
- 避免改变身份。 人像请写“保留身份、年龄、脸部结构和表情”。
- 按任务选工具。 损坏修复用 Smart Repair；杂物用 remove object；背景严重损坏时用 AI background changer；放大尺寸放在最后。
什么时候不该用 AI 修复
当缺失内容必须历史准确，而你没有参考材料时，不要依赖 AI 在线图像修复。AI 可以生成合理补丁，但它不知道真实的勋章、路牌、手写文字、人脸细节或背景物体是什么。
家庭分享里，透明说明 AI 修复通常没问题。法律、档案、新闻、取证场景里，应保留原件，把 AI 输出视为“标注过的重建图”。如果受损区域包含姓名、日期、军装徽章、车牌、文件等证据，不要让模型凭空补。
Moebius 本身也有边界。论文关注的是 inpainting benchmark 和真实物体移除，并不是恢复已经不存在的信息。所有 AI 在线图像修复 工具都应该这样理解：它擅长连贯修补，不擅长恢复绝对事实。
常见问题
什么是 AI 在线图像修复？
AI 在线图像修复 是指在浏览器或云端工具里修复受损、模糊、有污渍或局部缺失的图片。你上传照片，标出损坏区域，描述修复目标，AI 模型根据上下文重建缺失或退化部分。
Moebius 能直接用于浏览器 AI 图像修复吗？
Moebius 有代码、权重和 demo，但目前更像研究型图像修补模型，不是成熟消费产品。Hugging Face 模型卡 链接了项目页、论文、代码和权重，Simon Willison 的 demo 则展示了实验性的 ONNX/WebGPU 浏览器路径。
AI 在线图像修复能修模糊照片吗？
AI 在线图像修复 可以改善轻微模糊，前提是主体仍可辨认；它不能恢复从未拍到的精确细节。人脸建议用克制 prompt，例如“轻度提升清晰度，保留身份和年龄”，避免生成一张陌生的替代脸。
浏览器 AI 图像修复比云端更隐私吗？
如果模型和处理都在本地运行，浏览器 AI 图像修复确实更隐私，因为照片不需要离开设备。代价是首次下载可能很大，还需要 WebGPU 支持和足够设备内存，所以很多产品仍会采用云端或混合处理。
哪些照片最适合 AI 照片修复？
周围上下文清楚的照片最适合：天空上的划痕、墙上的污渍、边缘缺角、小物体遮挡重复背景。大面积缺失的人脸、不可读文件、毁坏超过画面很大比例的区域会困难很多。
需要说明这张图用了 AI 修复吗？
建议说明，特别是家庭、历史、新闻或商业用途。一句“AI-restored from the original scan”就足够。这样可以避免观众把合理重建误认为完全未修改的证据。
结语
Moebius 给 AI 在线图像修复 发出了一个清晰信号：更小的专用 inpainting 模型已经可以足够快，让照片修复接近交互式体验。ONNX/WebGPU 浏览器 demo 展示了未来方向，尽管多数用户仍会选择完成度更高的在线产品。
处理真实照片时，流程保持简单：使用最清晰原图，只遮罩损坏区域，写具体修复 prompt，检查边界，再做增强，最后保存原始版本。这套方法适用于云端、浏览器端，也适用于混合式工具。
准备好修复一张受损照片了吗？免费试用 Imgezy -> Smart Repair、对象移除、背景编辑和放大增强都在同一个在线工作流里，新用户可用免费试用积分开始。