E家之长 发布的文章 - 🥝 E 家 分 享 🥝

如何用 ChatGPT 帮你自动分析数据？ 本文作者：FreeCultureBoy 转载地址：https://sspai.com/post/79800误判好几天之前，我就在 ChatGPT 选单里看到了 Code Interpreter。它正在灰度测试中 —— 先给一部分用户试用，如果反响不错并做了一定改进，就能推广给更多用户。可惜当时我没能正确理解它的含义，犯了一个大错误——望文生义。我以为 Code Interpreter 是指「代码解释器」，也就是给代码添加注释进行讲解的。可那不是 ChatGPT 早就有了的功能吗？干嘛还专门弄个新的模式出来呢？后来经朋友提醒我才发现，Code Interpreter 的功能不是「解释代码」，而是执行代码。在这个模式下，你可以上传文件作为输入，让 Code Interpreter 编写代码对输入文件做处理，并且在自带的虚拟环境中执行。根据代码内容的不同，它可以利用文本、数字、图形、表格等方式给你展示结果，甚至还可以给你一个下载链接，把你指定的输出以文件形式下载回本地。当我意识到这一点时，真可以用「惊讶」和「懊恼」来形容。我迫不及待尝试后，赶紧写作本文，告诉你这个功能。以免你跟我一样望文生义，重蹈覆辙。下面我用一个实际的例子给你演示。实例首先我们需要一个演示数据集。这里我选择了一个名为 loans.csv 的贷款安全数据集。它是一张表格，属于简单结构数据，其中包含若干行，每一行代表一条贷款记录；而每列则代表某一相关属性特征，例如贷款等级，房屋拥有情况，贷款时长等信息。最后一列 safe_loans 代表贷款成功或失败，也即这次放款是否安全。其中 -1 代表不安全。1 代表贷款安全回收。首先我们需要将数据集上传到 Code Interpreter 中。上传按钮很不显眼，在输入框的旁边。上传后，Code Interpreter 会自动进行分析，并为每列数据提供解释。我点击了「show work」来看看究竟 Code Interpreter 是如何分析出上述结果的。原来，Code Interpreter 直接编写了 Python 代码，读取了上传后的 loans.csv 文件，然后执行 head () 命令，打印出来前 5 行，根据列名称和具体显示的数据综合分析信息，然后做了回答。提示数据已经准备好，我们现在可以开始输入提示语了。我觉得使用英文与 Code Interpreter 对话很别扭，因此我提出：请用中文翻译上面的内容，并且对于专业术语加以简单明了的解释。谢谢你可能会纳闷儿，老师你干嘛要这么客气呢？不就是个机器……?，别瞎说。礼多人不怪，AI 也一样。你跟它客气，它回答起来也会比较认真。在《人工智能这么强，我直接把工作都交给它可以吗？》一文中，我给你解释过具体的证据。闲言少叙，这是 Code Interpreter 返回的结果。你看，用中文回答是不是感觉好多了？对比一下你就会发现，这里的「可循环信贷利用率」等专业术语，都已有具体解释了。Code Interpreter 还在最后提出「告诉我您希望对这些数据进行哪种分析或任务」。此时，你可以要求 Code Interpreter 做一些简单分析，并要求绘制图表（如分布图）。但对于我而言，这样的机械操作实在太无趣了 —— 每个步骤都需要我来提示，那我还要你这 AI 干啥？计划因此，我的下一个提示语，是这样的：能否根据目前的数据集，思考它可以做哪些分析？请一步步思考，并且给我你有信心的答案。谢谢注意这一段提示语中的两个技巧，你可以尝试吸收：「一步步思考」是尝试启动大语言模型的思维链；「有信心的答案」是指设定阈值，避免 ChatGPT 天马行空随意乱答。这是 Code Interpreter 的反馈结果。Code Interpreter 列出了可能的分析类型。第一步是描述性分析，比如基本数量分布等。第二步是相关性分析，总结其他变量间的相关性。第三步是建立预测模型，其中提到了决策树，随机森林和逻辑回归等方法。也提到必须将之分为训练及测试数据集，且要「使用测试级来评估模型性能」。这种意识非常棒，已经超出了机器学习常见入门水平。第四步就有点儿莫名奇妙了，虽然 Code Interpreter 提出使用支持向量机 (SVM)、朴素贝叶斯等几个新模型，但要做的事情和第三步是重复的。好在，我们使用 AI 作为助手，而不是枪手。我们大可以将第四种分析类型省略，只让 Code Interpreter 将前三个步骤做一下。这里为了方便展示，我让 AI 一次只做一个步骤。下面是执行各个步骤的效果。结果第一步，描述性分析。Code Interpreter 给出了这个数据集的一些基本统计信息。包括记录数量、最常见的贷款等级、平均被雇佣不足一年人员数量、平均雇佣年限、平均债务收入、最常见贷款期限数量等。第二步，相关性分析。Code Interpreter 识别出属于不同变量之间的正负相关关系。例如，短期雇佣与雇佣年限是相反的概念，因此 short_emp 和 emp_length_num 之间存在负相关性；债务收入比高的贷款申请者往往会使用循环信贷，因此 dti 和 revol_util 之间存在正相关性；而 safe_loans 和一些其他变量之间存在负相关性，这意味着对那些高债务收入比的人贷款，可能不太安全。Code Interpreter 还不忘提醒咱们，这些相关性不意味着因果关系，尚需要考虑更多变量的交互和非线性关系。如果是我的学生回答此题，仅仅最后这一句，就会让我非常欣慰。第三步，构建预测模型。Code Interpreter 中规中矩地进行了数据预处理。我看了一下具体执行的代码：之后是模型的训练和性能测试环节。点开 show work，对应的代码是这样：之后，Code Interpreter 自动进行了结果的汇总输出与阐释。该模型在测试数据集上的准确率为 61.7%。虽然不高，但 Code Interpreter 指出相对于随机预测的准确率 50%，还是要好一些。有意思的是，它还自动提出了如何对准确率进行提升。例如超参数优化、特征工程、使用其他模型等。特别地，Code Interpreter 提出需要不仅仅关注准确率，还要考虑模型可解释性、训练和预测时间等其他指标。非常好！不过你是说，让我自己去逐一尝试上述提升策略？那怎么可能？！Code Interpreter 既然你画了道儿，就得你来走嘛。于是我这样提问：你能否实施改进策略，并且在同样的测试集上进行测试？谢谢这是 Code Interpreter 的回答。你看？AI 开始认真干起来了不是？这是 Code Interpreter 一通改进之后的结果：从 61.7% 提升到了 64.9%，准确率高吗？我觉得谈不上。但是这是一个非常有意思的开端，意味着 Code Interpreter 可以自动帮助我们执行提升准确率的策略，而且获得了成效。小结我想跟你谈谈尝试 Code Interpreter 之后的感受。我想用「惊艳」二字来形容。具体来说，就是「分析得当，执行流畅」。咱们应该思考一下 Code Interpreter 出现的意义。曾几何时，很多小伙伴拿到宝贵的一手数据，却不知道如何分析。在几年前，你会看到很多不同学科的人一窝蜂跑去学习 Python。因为在彼时，只有学会了 Python 或者 R 后，你才可能对数据进行功能丰富且合理可行的分析。很多人因为不具备相关的技术能力，往往坐拥金山，但就是不知道怎么挖掘。要学完 Python 或者 R 的初级操作，你至少需要学一门课程，或者啃一本教材。但是现在，你只需要和 Code Interpreter 对话，就能把这样的分析结果保质保量快速做出来，甚至比数据分析师基础入门水平都要靠谱，不亦乐乎？ChatGPT 的 Code Interpreter，目前还在 Alpha 阶段。功能非常初级，时常遇到环境更新导致的不稳定，还有各种限制。例如说你可以让它帮你绘制统计图，英文显示都很好，但所有中文显示都是这个样子：你当然可以让 Code Interpreter 自己去改进。但是它折腾一通，也只能给你展示这种无奈：但是，我们有理由相信，这些问题随着技术产品的迭代改进，都会逐步解决的。你在数据分析的过程中，使用过其他的 AI 产品吗？有什么可以推荐给大家的？欢迎留言，咱们一起交流讨论。祝（自动）数据分析愉快！延伸阅读AI 帮我找卡片挺好，但能不能帮我创作出新的相关卡片啊？摸索那么多工具后，怎样才能避免「效率成瘾」？自己录制和剪辑视频，如何解决占用空间过大的问题？想打造个性化高效工作流，可不会编程怎么办？世界很大，英语不好的你如何去看看？【END】

使用脚本更新 macOS 壁纸，让你每天看到不同的美景 本文作者：FreeCultureBoy 转载地址：https://sspai.com/post/79486前言使用脚本更新 macOS 壁纸，让你每天看到不同的美景?️在 macOS 系统中，我们可以轻松地更换桌面壁纸。但是，如果你每天都想要一张新的壁纸，手动更换就会变得十分繁琐。幸运的是，我们可以使用 bash 脚本和 unsplash API 自动更新壁纸。步骤步骤1：获取unsplash API密钥首先，你需要注册一个 unsplash 账户，并申请一个 API 密钥。这个 API 密钥将允许你通过编程方式访问 unsplash 图片库。步骤2：编写bash脚本创建一个新的文本文件，然后在其中添加以下代码：#!/bin/bash # set the unsplash API access key access_key="YOUR_UNSPLASH_API_ACCESS_KEY" # define the query to search for wallpaper images query="nature" # search for a random wallpaper image result=$(/usr/bin/curl -s -H "Authorization: Client-ID $access_key" "https://api.unsplash.com/photos/random?query=$query") # extract the image URL from the JSON response image_url=$(echo "$result" | /opt/homebrew/bin/jq -r '.urls.full') # download the image /usr/bin/curl -s "$image_url" > ~/Pictures/wallpaper.jpg # set the image as the desktop wallpaper osascript -e "tell application \"Finder\" to set desktop picture to POSIX file \"$HOME/Pictures/wallpaper.jpg\""这段代码会使用 unsplash API 搜索与“nature”相关的随机图片，并将其下载到“~/Pictures/wallpaper.jpg”文件中。然后，它会使用 AppleScript 将下载的图片设置为桌面壁纸。步骤3：运行 bash 脚本将文件保存为“update-wallpaper.sh”，然后打开终端并导航到该文件所在的目录。运行以下命令以使脚本可执行：chmod +x update-wallpaper.sh现在，你可以通过在终端中输入以下命令来运行脚本：./update-wallpaper.sh步骤4：设置定时任务脚本依赖：curl、jq、bash，unsplash 使用 which 获取路径，然后替换脚本里的curl和jq。which curl which jq你可以将该脚本设置为定时任务，以便每天自动更新壁纸。打开“终端”并输入以下命令以编辑 cron 定时任务：crontab -e然后，添加以下行：0 9 * * * /path/to/update-wallpaper.sh这将在每天上午9点运行该脚本。壁纸现在，你可以坐下来，放松一下，让你的macOS自动更新壁纸。享受吧！【END】

Superpower for ChatGPT - ChatGPT 聊天插件功能介绍 本文作者：阿斯酉 转载地址：https://sspai.com/post/79740简介Superpower for ChatGPT：为什么你不能错过这个插件？当你想要通过 AI 技术来改进工作流程、生活或学习时，ChatGPT 如同魔法师一样出现在眼前。魔法虽好，增强技能也必不可少——各类插件如同魔法棒，让你施咒变得更加轻松自在。本文为你介绍了一款值得一试的 ChatGPT 插件：Superpower for ChatGPT。这个插件提供了一些强大的功能，可以让聊天体验更上一层楼。以下是这款插件的 7 个超能力，让我们一探究竟。红色为重点介绍（为什么只有六个？请往下看）? 文件夹和重新排序你有没有试过在淘宝购物车里找一个特定的商品，然后花了好几个小时却毫无结果？这个插件就能帮你解决这个问题。该插件可以让你轻松创建文件夹，并将聊天记录组织在文件夹中。你可以拖放文件以重新排序或将其添加/移除到文件夹中，还可以为每个文件夹分配不同的颜色。文件夹管理对话，有效提高列表的清爽程度，也方便我们更好地管理内容。文件夹管理对话? 社区提示语如果你正在寻找灵感，那么这个功能就像是一个巨大的灵感库，你可以从社区创建的提示语中获取灵感。你可以把这个功能想象成一个友好的邻居，他总是愿意分享，而你也可以把你的提示语分享给他。你还可以投票来表达你对某个提示语的喜欢程度，就像在社交媒体上点赞一样。⭐ 收藏提示语你是不是常常在与 ChatGPT 的对话中得到一些有价值的回答或者提示语，但是却找不到地方保存它们？这个功能就像是你的私人图书馆，能够帮助你保存你认为有价值的提示语。只需点击“My Prompt History”，历史记录就像从时间隧道中被召唤出来一样，展现在你的面前。? 搜索和高亮对于长期使用 ChatGPT 的用户来说，可能会有大量的聊天记录。如果你想要找到某个具体的信息，这可能会是一项挑战。而搜索和高亮功能正好可以解决这个问题，它如同一个侦探，可以帮助你在聊天记录中快速查找信息，为你高亮显示结果。?语气、风格、语言提示语教程里，都强调过风格和角色的重要性。在提示语里限定范围，可以让我们得到更想要的结果。通过使用这个插件，你可以轻松地更改响应的语气和写作风格，省去手动调整的步骤。此外，你还可以从插件的输出中学习，以便在未来创造更具个性化和独特的提示语。语气（Tone）写作风格远不止截图中显示的这些，你可以直接在对话中使用。写作风格（Writing Style）ChatGPT支持多种语言，你可以选择需要的语言来进行对话。语言? 模型切换器Superpower for ChatGPT 支持在对话中间轻松更改模型（如 GPT-4、GPT-3.5 等）。这意味着你可以根据对话的需要选择不同的模型进行交互。例如，你可能想用 GPT-4 进行复杂的任务，而在进行一般对话时则可能倾向于使用 GPT-3.5。这个功能增加了工具的灵活性，并使其更能满足用户的个性化需求。模型切换? 自动同步你是否曾经在对话中灵光一闪，却因为没有及时保存而丢失了这些信息？自动同步功能就像是你的秘书，能够保存你的所有聊天记录，确保你的每一个想法都不会丢失。辛辛苦苦创作一番，可别让网络毁掉成果。无论是工作还是学习，这个功能都会为我们提供极大的便利。发现了吗？这就是首图里没有标记的功能，因为它藏在了设置里。除去这七大重要功能，插件的细节处理也非常到位。你可以在每次对话中置顶重要消息。这就意味着，当你进行了一个长段对话之后，不用再像翻旧账一样手动回看。只要你把消息置顶，就能像使用 GPS 一样快捷定位到想要的内容。你还可以在页面收藏提示语，省去手动自定义提示语的过程。支持复制、导出多种格式。比如html、markdown、html等。有一个彩蛋功能：输入框最下端可以显示 GPT4 的对话轮数（基于 OpenAI 的最新限制所进行的 GPT4 请求次数）。这个功能就像是一个计步器，只不过它不是记录你走了多少步，而是记录了你和 GPT4 对话了多少轮。 如果没有显示，你可以回到设置，检查开关是否打开。GPT4的对话请求次数记得打开开关总结简而言之，这个插件就像是一台超级机器，强大到包括了之前许多优质插件的功能，是一款全能的瑞士军刀。无论你是想要更好地保存和查找聊天记录，控制字数和字符，获取和分享提示语，还是希望能够更灵活地切换不同的模型，这个插件都能为你提供强大的帮助。如今插件市场百花齐放，功能各异。如果不需要瑞士军刀型的插件，你可以按照自己的需求来挑选插件。如果你需要分享对话链接，可以使用 42share （国人开发）或者 sharegpt；如果你想要分享更多格式，比如 pdf、markdown、png 等格式，可以使用 ChatGPT 智能提示语（该插件同时支持自定义 prompt、修改界面主题等功能）；如果你只需要导出 markdown 格式，ChatGPT to Markdown 也相当好用。欢迎在评论区分享你使用 ChatGPT 的欢乐一刻，也欢迎分享和推荐相关技巧和工具。我把官网提到的所有功能都帮你列了出来，文字太多，因此做成了图片。【END】

CloudFlare Tunnel 免费内网穿透的简明教程 本文作者：Antiscientist 转载地址：https://sspai.com/post/79278简介CloudFlare Tunnel 免费内网穿透的简明教程Tunnel可以做什么将本地网络的服务暴露到公网，可以理解为内网穿透。 例如我们在本地服务器 192.168.1.1:3000 搭建了一个 Transmission 服务用于 BT 下载，我们只能在内网环境才能访问这个服务，但通过内网穿透技术，我们可以在任何广域网环境下访问该服务。相比 NPS 之类传统穿透服务，Tunnel 不需要公网云服务器，同时自带域名解析，无需 DDNS 和公网 IP。将非常规端口服务转发到 80/443 常规端口。 无论是使用公网 IP + DDNS 还是传统内网穿透服务，都免不了使用非常规端口进行访问，如果某些服务使用了复杂的重定向可能会导致 URL 中端口号丢失而引起不可控的问题，同时也不够优雅。自动为你的域名提供 HTTPS 认证。为你的服务提供额外保护认证。最重要的是——免费。Tunnel 工作原理Tunnel 通过在本地网络运行的一个 Cloudflare 守护程序，与 Cloudflare 云端通信，将云端请求数据转发到本地网络的 IP + 端口。前置条件持有一个域名将域名 DNS 解析托管到 CF内网有一台本地服务器，用于运行本地与 cloudflare 通信的 cloudflared 程序一张境内双币信用卡（仅用于添加付款方式，服务是免费的）开始1. 打开 Cloudflare Zero Trust 工作台面板2. 创建 Cloudflare Zero Trust ，选择免费计划。需要提供付款方式，使用境内的双币卡即可填写team name，随意填写选择免费计划添加付款方式填写信用卡信息（仅验证，不会扣款），完成配置3. 完成后，在 Access Tunnels 中，创建一个 Tunnel。创建 Tunnel4. 选择 Cloudflared 部署方式。Tunnel 需要通过 Cloudflared 来建立云端与本地网络的通道，这里推荐选择 Docker 部署Cloudflared 守护进程以使用 Tunnel 功能。获取 Cloudflared 启动命令及 Token点击复制按钮复制指令，在本地网络主机上运行命令。我们还可以加上--name cloudflared -d --restart unless-stop为 Docker 容器增加名称和后台运行。你可以使用下方我修改好命令来创建 Docker，注意替换你为自己的 Token（就是网页中 —-token 之后的长串字符）docker run --name cloudflared -d --restart unless-stop cloudflare/cloudflared:latest tunnel --no-autoupdate run --token <YourToken>5. 配置域名和转发URL为你的域名配置一个子域名（Subdomain），Path 留空，URL 处填写内网服务的IP加端口号。注意 Type 处建议使用 HTTP，因为 Cloudflare 会自动为你提供 HTTPS，因此此处的转发目标可以是 HTTP 服务端口。配置内网目标 IP+端口完成接着访问刚刚配置的三级域名，例如 https://app.yourdomain.com（是的，你没看错，是 https，cloudflare 已经自动为域名提供了 https 证书）就可以访问到内网的非公端口号服务了。一个 Tunnel 中可以添加多条三级域名来跳转到不同的内网服务，在 Tunnel 页面的 Public Hostname 中新增即可。为你的服务添加额外验证如果你觉得这种直接暴露内网服务的方式有较高的安全风险，我们还可以使用 Application 功能为服务添加额外的安全验证。1. 点击 Application - Get started。创建 Application2. 选择 Self-hosted。选择类型3. 填写配置，注意 Subdomain 和 Domain 需要使用刚刚创建的 Tunnel 服务相同的 Domain 配置。配置三级域名4. 选择验证方式。填写 Policy name（任意）。在 Include 区域选择验证方式，示例图片中使用的是 Email 域名的方式，用户在访问该网络时需要使用指定的邮箱域名（如@gmail.com）验证，这种方式比较适合自定义域名的企业邮箱用户。另外你还可以指定特定完整邮箱地址、IP 地址范围等方式。选择验证方式5. 完成添加此时，访问 https://app.yourdomain.com 可以看到网站多了一个验证页面，使用刚刚设置的域名邮箱，接收验证码来访问。评价除了上述直接转发 http 服务之外，Tunnel 还支持 RDP、SSH 等协议的转发，玩法丰富，有待各位探索。作为一款免费的服务，简单的配置，低门槛使用条件，适合各位 Self-hosted 玩家尝试。不过要注意的是 Tunnel 在国内访问速度不快，并且有断流的情况，请酌情使用。【END】

5 款 AI 老照片修复工具的横向比较 本文作者：太空小孩 转载地址：https://sspai.com/post/79376前言在大语言模型和各类 AI 应用日新月异的今天，我终于下定决心，趁着老照片们还没有完全发黄褪色、受潮粘连抑或损坏遗失，将上一代人实体相册里的纸质胶卷照片全部数字化，并进行一次彻底的 AI 修复，好让这些珍贵的记忆能更长久地保存下去。数字化的方式是使用 Google 相册提供的「照片扫描仪」（Photoscan）应用进行的，它能自动调整角度、裁剪边缘，消除眩光、阴影，并将原件和自动编辑过的图片同时保存在 iCloud 相册中（条件允许的话，更建议使用扫描仪以得到最大的分辨率）。接下来遇到的问题是如何挑选一款合适的 AI 修复工具。根据以往经验和近期热门，我挑选了 5 款候选。为了使修复效果达到最好，我把待修复的小几百张老照片，几乎每张都用全部工具试了一遍，也算是对这些工具进行了一次深度使用，因此下面就把体验分享给大家。工具列表工具平台价格模型CodeFormer网页免费（开源）Codebook Lookup TransFormer (CodeFormer), 2022 年RestorePhotos.io网页免费（开源）GFP-GAN, 2021 年jpgHD.com网页 / iOS / Android / Mac / Windows收费，可免费试用 5 张未公开的 AI 超分模型，2021 年你我当年iOS / Android收费，观看 20 秒广告可以处理 1 张未公开老照片修复iOS / Android收费未公开CodeFormer南洋理工大学周尚辰等人的作品，基于 Codebook Lookup TransFormer 模型实现。官方网站：https://shangchenzhou.com/projects/CodeFormer/Github 项目地址：https://github.com/sczhou/CodeFormerReplicate 在线 demo：https://replicate.com/sczhou/codeformer（浅度体验可无需自行搭建，直接用 demo 页面就好了，超出 Replicate 免费额度的话就绑定一个付费账号）我使用的参数：fidelity = 0.8, background_enhance = true, face_upsample = true, upscale = 2RestorePhotos.io基于腾讯 ARC 实验室 GFP-GAN 模型实现的老照片修复工具。官方网站：https://www.restorephotos.io/（每天可以免费使用 5 次，如果自行部署，例如使用 Vercel 一键部署，并填入自己的 Replicate API key，则可以不受此限制）Github 项目地址：https://github.com/Nutlope/restorePhotos第一组测试图片：单人及双人（大头照）由于可以理解的隐私原因，以下就不放我实际用来修复的照片了，我从公开渠道搜集了一些图片用于测试，以供大家辨别参考。测试 1-1 邓丽君这是一张电视节目截图中的邓丽君。几乎所有工具都对这张图片进行了不错的还原，包括头发以及耳环（「CodeFormer」在牙齿的细节处理上存在一些瑕疵）。你觉得哪张图更像真实的邓丽君呢？原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 测试 1-2 周杰伦这张周杰伦童年照的原始图片比较模糊，且有很多噪点。从还原表现上来看「CodeFormer」、「你我当年」、「老照片修复」在背景降噪、衣服质感的还原上更加出色，但只有「jpgHD.com」准确还原出了周董的单眼皮以及内眼角细节，在我看来它是最像图片最初模样的。其他工具均适当发挥了「想象力」。原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 测试 1-3 张国荣与张柏芝合影一张模糊不清的合影，5 个工具的修复效果可谓齐轨连辔。原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 测试 1-4 张学友与王祖贤合影除「jpgHD.com」对王祖贤的皮肤处理比较粗糙以外，各家工具在这种单人及双人大头照的处理上几乎难分伯仲。注意所有工具均对耳坠进行了还原修复。原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 测试 1-5 爱因斯坦这里尝试对 1927 年第五次索尔维会议上的阿尔伯特·爱因斯坦、亨德里克·洛伦兹、居里夫人三位大神进行修复。原图为黑白，已经过人工上色处理，但并未对细节进行放大修复。可见「CodeFormer」对人脸、西装的修复效果都更好，且成功识别了后方只有半张脸的阿瑟·康普顿。原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 测试 1-6 洛伦兹注意「老照片修复」错误地生成了一个模糊不清的眼镜轮廓。原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 测试 1-7 居里夫人从皮肤质感上看「CodeFormer」的清晰程度领先于其他工具。原图 CodeFormer RestorePhotos.io jpgHD.com 你我当年 老照片修复 第二组测试图片：多人（大合影）测试 2-1：轻微模糊的多人合影图片作者无考，原标题为「镜头下：80 年代的中国儿童」。（来源链接）原图CodeFormerRestorePhotos.iojpgHD.com你我当年老照片修复测试 2-2：中度模糊的四人合影图片来源：南京理工大学经济管理学院国贸双学位班学生校园随拍（1990 年夏，左起：韩梦玲、周详文、石英、吕虹）。（来源链接）对这张图片的处理产生了比较明显的差异，「CodeFormer」面部较为自然，成功还原了左三女生的眼镜（但产生了毛刺），并对头发、衣物和建筑物修复得更为精确；「你我当年」的面部修复效果非常自然，「老照片修复」在建筑物修复上也表现得很不错。而「RestorePhotos.io」则在面部还原上出现了较大程度的扭曲，左三女生的眼镜并没有被成功修复。原图CodeFormerRestorePhotos.iojpgHD.com你我当年老照片修复测试 2-3：高度模糊的多人合影图片来源：中国科学院上海光学精密机械研究所 80 年代西楼小会堂前合影（左起，前排：王慧敏、张莲英、杨姮彩、于阿滨、顾德英、李爱莲，后排：林岳明、方祖捷、张位在、金志良、刘枝伍、胡衍芝）。（来源链接）这张图的人脸出现了较大程度的模糊，各个工具均充分发挥了想象进行脑补。从五官的自然和谐程度上来看，我会对修复效果这么排序：CodeFormer > 老照片修复 > jpgHD.com > 你我当年 > RestorePhotos.io。从背景、衣物的修复效果上来看，我会对修复效果这么排序：CodeFormer = 老照片修复 > 你我当年 > RestorePhotos.io = jpgHD.com。原图CodeFormerRestorePhotos.iojpgHD.com你我当年老照片修复测试结论工具画质提升清晰程度准确程度修复速度CodeFormer支持可选提高画质（自定义倍率）很高较高对比原图准确性较高，但有可能出现少量不自然的细节一般从 6s 至 60s 不等RestorePhotos.io不支持较低生成出来的图片最大分辨率为 1200px较低对比原图「脑补想象」程度更大，在小头像上表现比较差，很容易出现扭曲变形很快通常都可以在 10s 内完成jpgHD.com支持可选提高画质（2x、4x）中等很高能还原出原始照片的真实细节很慢即便是小图片也可能耗时 3 至 5 分钟你我当年支持默认 2x较高中等对于小头像可能出现失真很快通常在 10s 左右老照片修复支持默认 2x较高较高很快通常在 10s 左右综合来看，我更推荐免费且开源的「CodeFormer」，如果大家与我一样有同时修复几百张照片的需求，可以将「CodeFormer」搭建在本地，处理起来就省心多了。「你我当年」、「老照片修复」表现都还算稳定，但在小头像的表现上不如「CodeFormer」，且是收费软件。除「RestorePhotos.io」以外的工具都支持老照片上色，本文未对该功能进行测试。「RestorePhotos.io」对于大头照，以及磨砂颗粒或干涉条纹较多的疑难图片处理有一定的优势，其他情况都不甚理想。结语因精力有限，本文仅对一些常见情况做了测试比较，希望能帮大家做出一个初步的选择判断。实际上在老照片修复过程中还会面临诸多疑难杂症，例如因磨砂处理产生的颗粒、因翻拍屏幕产生的干涉条纹，以及一些涂抹、折痕、撕裂、霉斑等问题。面对这些问题的时候，可以尝试不同的工具进行综合对比，甚至也需要更多的耐心人工介入，将不同修复工具的效果进行叠加处理。对老照片进行初步修缮后，还可以尝试使用这些工具进行进一步无损放大，以及智能上色处理。也推荐动手能力强的朋友们对那些非常重要的珍贵照片进行人工调色、贴图等进一步的后期加工，毕竟尽管 AI 已经能帮我们很大程度上还原照片本来的模样，却不能 100% 准确再现历史。对于修复照片有极致要求的朋友们，建议你们联系一个叫「TR 美术」的团队，我会把他们手工修复曾国藩、左宗棠的对比图附在下面，供你们参考。【END】