小红书上有篇叫「劳斯们4k修复是咋做的啊」的求助帖，发帖人想知道B站上那种4k修复的视频都是用啥软件做的。小红书这一条帖子收了6277个赞、6143个收藏，想给家里老影像做修复的人有多少，可见一斑。点赞最高的评论齐刷刷指向付费软件Topaz，紧跟着就是一句「电脑只是普通电脑不是游戏本的话绝对带不动」。
但更值得留意的，是评论区另一句提醒：有人劝大家尽量别用wink这类手机App，因为「会出现突兀的双眼皮假睫毛什么的」。小红书脸是修清楚了，可修得不再像那个人了。
这不只是个人用户的遭遇。有人想重温一部经典老剧，点开视频平台的AI修复版直接破防：「我八贤王怎么成这个样子了，我公孙策哪去了……优酷你能尊重一下老演员」。小红书另一个帖子的评论区里，有人把这种观感总结得更直白：二创修复之后脸扭曲变形，「很诡异」。
那修复还值不值得做？值得，但得先看清「正经修复」长什么样。拿免费开源工具Video2X举例：它提供超分辨率和补帧两种处理模式，超分辨率又提供三个滤镜模式，不知道选啥就用Real-ESRGAN。知乎你调的是放大倍数和算法模型，里面没有一个选项叫「美颜强度」——这就是修复和重绘的分界线。
为什么修复容易变成重绘？画面模糊、噪点这类问题，AI可以靠周围像素把细节补出来；可老影像里的人脸往往信息太少，模型只能调用「人脸先验」——通俗说，就是拿它记忆中「人脸应该长什么样」去补画五官。先验一旦过强，就成了换脸：皮肤更光滑、五官更精致，唯独不像二十岁的妈妈。这不是哪款工具的问题，研究界到今天也把它当难题。今年4月arXiv上那篇DVFace视频人脸修复论文就说得很清楚：这类任务不光要让每一帧更清晰，还必须让相邻帧之间的人脸身份、纹理和运动变化保持稳定。知乎否则很容易出现细节闪烁、身份不稳、时序抖动这些问题。专业电影修复团队要克制得多：修复1948年的《三毛流浪记》，20多个人花了两个半月，对人物面容动作都完全看不清的画面，工作人员只能把前一帧、后一帧和修复软件的识别功能结合起来，「制作出」原本已经损伤的画面。央视网他们的原则始终只有四个字：修旧如旧。
所以动手之前，先学会验收自己的修复结果有没有被「重绘」。三个信号。第一看质感：人脸皮肤光滑得反常，和背景、衣服的噪点颗粒明显不在一个频道上，像贴上去的一层膜。第二看动态：人物转头、被遮挡或者离镜头远的时候，五官会不会晃动甚至错位。第三看逐帧：暂停一帧一帧放，人脸每帧都在悄悄变化，说明身份在漂移。三条中两条以上，就该换方案了。
有了判断标准，再说路径。家用修复基本就三条路，看你手里有什么设备。只有手机的话，App类工具最省事，但记住一个原则：把人脸增强的强度调到最低或者干脆关掉，先拿10秒片段试修，验收过了再处理整段。家里影像的目标是「看得清」，不是「变好看」。
有带独显的电脑，选择就认真多了。一个是付费软件Topaz Video，官网的模型清单里单列了专门针对人脸的Face Recovery修复模型，等于官方也承认：人脸修复是高风险区域，得单独、可控地处理。Topaz官网
另一个就是前面说的免费开源Video2X，支持Real-ESRGAN这类超分模型。但要有心理准备：它对硬件和时间都很不客气，有人在小红书用4060显卡实测，渲染15秒的片段花了20分钟。小红书如果片源来自录像带、摄像机这类隔行扫描的素材，还得先做去隔行处理，不然梳子一样的横向锯齿会被超分原样放大。
完全不想自己动手，还有代修这条路。付钱之前提两个要求：先出10秒样片；明确说清楚「不要额外增强人脸，修旧如旧」。样片里的脸已经被重绘，就直接换下家。交付之后，原始磁带和原始数字文件都要留好：磁带数字化本身就是和时间赛跑，载体每放一天都在老化，原件留着，未来才有机会等来更好的技术。
最后是验收环节。别只看播放器预览，调出导出文件的属性，看分辨率、码率和编码是不是和约定一致。有的「4K修复」其实只是拉大尺寸再压缩，参数一眼现形。
还有三件事别做。第一，别信「一键8K」：目前AI修复的真实能力边界，大约是把480p画质提升到接近720p或1080p的观感，原片分辨率极低的话，修复空间相当有限。知乎第二，别用来路不明的「整合包」和破解版：视频修复软件早已是木马和捆绑安装的重灾区，素材丢了得不偿失。第三，无论如何别删原件：修复是个试错的过程，原件在，随时可以重来。
老视频修复的目标是「看清」，不是「变好看」——画面里那个人珍贵的地方，恰恰在于他就是他自己。技术还在进化，DVFace这类新研究已经在试着兼顾清晰度和身份稳定，未来大概率会有更让人放心的答案。在那之前，强度调低一点、节奏放慢一点，家里的老影像，不差这一键「一键增强」。
