本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。
快速摘要
这篇文章要讲的核心是：用国内 AI 工具把老照片做成有情绪感染力的动态视频，并把这个能力转化成一套可以落地的完整工作流。
关键结论先给你：
- 照片修复分两步走，先去折痕斑点、再上色，这不是多此一举，而是定价分级的基础逻辑；
- 让照片动起来的核心不是工具，是动态提示词的写法，同一张照片因为提示词不同，感染力可以差十倍；
- 成片质量的上限不是你的 AI 出图有多完美，而是你的叙事逻辑有多清晰——瑕疵可以接受，叙事断裂不行；
- 五步交付流程（发内容引流→确认需求→定价报价→制作→交付）是任何一个 AI 视频赛道都通用的底层框架，学会了这套逻辑，换赛道也不慌；
- 接单有边界，做不完的单宁可不接，一个差评的杀伤力远大于一笔小单的收益。
工具清单：即梦（图片/视频生成）+ 剪映（剪辑合成），全程国内可用，不涉及任何境外工具。
想看完整拆解，往下翻。
一、为什么"回忆杀"内容长期不过时
我自己折腾 AI 视频这段时间，发现了一个规律：能在短视频平台持续产生数据的内容，背后一定有一个稳定的人类情感需求在撑着。"回忆杀"这个品类就是典型的例子。
从内容形态上来说，"回忆杀"类视频大概分两条主线。第一条是老照片活化：把一张原本静止的黑白老照片，修复成彩色、清晰、甚至能开口说话的动态视频；第二条是人物成长记录：把某个人从年轻到现在不同年代的照片串联起来，做成一段带时间轴感的故事视频。两条路子表面形式不同，但背后指向同一个词——怀旧。
怀旧这件事有意思的地方在于，它不挑受众年龄。三四十岁以上的用户，看到用 AI 活化的老照片会触景生情；二十来岁的年轻人，因为集体记忆（比如某位明星、某部经典影视的人物）同样会被勾住。你在小红书、微信视频号、抖音刷到的"某明星年轻时期高清修复"或者"外婆二十岁的样子"这类内容，能轻松突破几十万甚至上百万播放，本质上都是在利用这个情感共鸣机制。
更实际的一点是：这个赛道的原材料非常充足。全国有多少家庭里压着一两张泛黄的黑白老照片？这些照片的主人，或者他们的子女，天然就有把照片修复、上色、让里面的人"动起来"的情感动力。这就是为什么做老照片修复不需要你去创造需求——需求本来就在那里，你只需要把技术能力展示出来，让有需求的人找到你。
说到平台差异，你会注意到同一条视频发到不同平台，数据可能差距很大。这很正常，因为不同平台的用户画像确实不一样。抖音整体年龄层更年轻，快手的下沉市场用户对"老照片"这种题材的共鸣更强，微信视频号的中老年用户比例在各大平台里是偏高的。所以如果你发现同一条视频在某个平台特别能跑数据，那就说明这个平台的受众和你的内容调性更匹配，值得重点在这里深耕。
有些人担心这个赛道竞争太激烈，我的看法是：没有任何一个已经被验证过有需求的赛道是没有竞争的。竞争存在是因为市场有效，而不是因为你选错了方向。更重要的是，平台上既有爆款，也有大量并不温不火的同类内容，区别在于制作质量和叙事能力。你把技术练扎实了，再加上一点对"什么样的画面更能打动人"的感知，跑出来只是时间问题。
二、工具准备：国内可用的 AI 创作平台怎么选
在正式讲操作之前，先说说工具选择的问题，因为这一块很多人会纠结。
目前国内做 AI 图像和视频生成，主流可用的平台大概有这几个方向：
即梦（字节跳动旗下，原名"Dreamina"，已更名"即梦"）是目前综合体验最均衡的一个选项。它的图生视频功能、参考图生图、局部重绘这几个核心功能对新手来说上手门槛比较低，而且每天会送一定数量的免费积分，对于刚开始练手的人来说，短期内消耗积分来做测试的成本基本可以控制。它的模型版本也在持续迭代，画面质量和语义理解能力相比早期版本有明显提升。
海螺 AI（MiniMax 旗下）的视频生成质量偏高，出来的画面细节通常比较精细，但它的套餐价格相对贵一些，免费额度也比即梦少，适合对最终成品质量要求很高、愿意付出更高积分成本的用户。
万象 AI（阿里旗下）在视频生成上也在快速迭代，某些特定类型的视频（比如写实人物动态）表现有自己的优势，但综合能力暂时还不如即梦全面。
我的建议是：初期不要纠结平台选择，先在即梦上把基本操作摸熟，因为它的功能覆盖面最广、免费额度最多，适合高频练手。等你对各种操作的参数和提示词逻辑有了手感之后，再根据具体需求去横向对比不同平台的生成效果，选适合自己的。
剪映是整个工作流里的第二个核心工具。它负责最终的视频合成、配乐、转场、字幕、画面比例调整。剪映有电脑端和手机端，两个端功能基本一致，但电脑端的操作效率明显更高，因为你需要在不同素材之间来回处理，手机端来回切换 App 会比较耗时。如果你打算认真把这个流程跑通，建议优先用电脑端的剪映来完成剪辑合成部分。
工具组合小结：
- 即梦：老照片修复 / 上色 / 图生视频 / 局部重绘 / 消除笔
- 剪映：视频拼接 / 转场 / 配乐 / 字幕 / 画面比例调整
- 素材来源：百度图片 / 画画漫网 / 各类图片素材站（搜"老照片"可以找到大量可练手的素材）三、老照片修复：折痕、斑点、模糊的处理逻辑
这是整个工作流的第一步，也是最容易被新手低估的一步。很多人觉得"照片修复不就是点一个按钮吗"，但等真正拿到各种不同程度破损的老照片来操作，才会明白这里面有不少需要用手感去积累的东西。
3.1 先理解"破损程度"这个概念
你可以把照片的破损程度想象成一个从 0 到 100 的评分：
- 0~30 分：照片整体完好，只有轻微划痕、边缘泛黄或一两处小斑点，这类照片一键修复基本可以搞定；
- 30~60 分：有比较明显的折痕、局部褪色、或者一定范围的斑点污损，需要分步处理，单纯一键修复之后还需要用局部工具二次处理；
- 60~80 分：破损较严重，可能有大面积的划裂、多处折痕交叉、人物面部有明显缺损，AI 修复后效果可能与理想预期有差距，需要你有足够的耐心和技巧去反复尝试；
- 80 分以上：破损极其严重，比如整张照片已经烂了一半、关键部位（尤其是人物面部）完全缺失，这种情况下连 AI 都很难恢复出合理的结果。
这个评分框架不是什么学术定义，是我自己摸出来的一个判断标准。它的实际用处在于：你接单之前，可以先目测一下对方发来的照片大概在哪个区间，超出你当前技术能力的单子，宁可婉拒也别硬接。
3.2 基础修复流程：逐步推进，不要一步到位
很多新手喜欢上来就把所有修复功能全开，结果反而越修越奇怪。我踩过这个坑——你把"细节修复"和"高清增强"一次性全部叠加上去，AI 因为信息量过大，很容易在人物面部的五官上胡乱重建，出来的效果反而不如分步操作。
正确的操作节奏大概是这样的：
第一步：上传原照片 → 运行"修复折痕/变清晰"
→ 观察结果：还有哪些明显瑕疵？
第二步：用"消除笔"或"局部重绘"处理第一步之后仍然残留的白斑、污点
→ 每次修一块，不要大范围一起涂
第三步：确认画面主体（尤其是人物面部）没有重大变形之后
→ 再跑"细节修复"或"高清增强"
→ 如果这一步导致面部变奇怪，可以跳过，直接进入上色步骤
第四步：上色（后面单独讲）这个逐步推进的逻辑，核心是每做完一步就检查结果，确认没有新的问题再往下走，而不是一口气把所有操作全部叠加然后祈祷结果能好。
3.3 白斑和缺损区域的处理技巧
老照片里最难处理的情况之一，是照片因为岁月折叠或受潮导致的"白色缺损块"。这种区域不是污点，而是原始信息已经彻底丢失了，AI 需要根据周围的像素信息来"脑补"这一块应该长什么样子。
遇到这种情况，我的做法是用消除笔来处理——把消除笔涂抹在白斑区域上，然后让 AI 重新生成这一块。需要注意的是，消除笔涂抹的范围不要太大，一次涂一小块、生成、检查，再处理下一块。大面积一起涂的话，AI 在重建时容易因为参考信息不够而出现奇怪的结果，尤其是当白斑正好压在人物眼睛、嘴巴这类关键特征上的时候。
如果白斑面积很大、并且压在人物面部核心区域，用消除笔多次尝试之后效果依然不理想，这个时候要判断：这张照片是继续修，还是跟对方沟通说明修复难度？如果这是自己接的单子，我建议提前告知客户这张照片的修复效果存在不确定性，留好预期管理，避免做完交付之后产生纠纷。
3.4 极度模糊照片的现实局限
有一类情况值得单独说一下：原照片就非常模糊、人物五官已经看不清的情况。
这里涉及到 AI 图像处理的底层逻辑：AI 的修复本质是根据现有的像素信息去"猜测"和"补全"原始内容。如果原始照片的信息量已经极少（比如整张照片就是一片模糊，几乎看不出人物轮廓），那么 AI 修复出来的结果，其实是它在根据自己的训练数据去"创造"一个可能的样子——这个样子和照片里真实的人长什么样，可能完全不同。
所以，如果有人拿着一张严重模糊到连人脸轮廓都看不清的照片来问你能不能修，实话实说的回答是：AI 可以处理，但结果和真实人物的相似度没有任何保证，建议提前说清楚这一点，让对方有合理预期。
四、黑白上色：为什么要单独拆成两步
这里要讲一个经常被新手忽略但很关键的操作逻辑：为什么修复折痕和黑白上色要分成两个独立的步骤来做，而不是直接让 AI 一键搞定？
表面上看，很多 AI 工具确实支持你把一张破损的黑白老照片一次性处理成彩色清晰版本。在功能上这没有问题，输出效果有时候也挺好。但如果你想把这个能力做成一个可以交付的产品，这里有一个很实际的考虑：定价分层。
你可以把服务拆分成：
|
服务等级 |
内容 |
参考定价 |
|
基础修复 |
仅去折痕、变清晰，保留原始黑白效果 |
低价档 |
|
修复 + 上色 |
去折痕 + 黑白转彩色 |
中价档 |
|
修复 + 上色 + 动态 |
以上所有 + 照片活化为视频 |
高价档 |
这样一来，同一张照片，你可以给用户提供不同档位的选择，让用户根据自己的预算和需求来决定要哪种程度的处理。这比你只提供一个"全套打包"选项，更容易让用户下决策，成单率也会更高。
分步操作还有一个技术上的好处：修复和上色是两种不同的操作类型，分开做意味着你在每一步之后都可以检查质量，及时发现问题。比如修复之后发现面部有轻微变形，这时候可以先处理面部，再去上色；如果一步到位，你很难判断最终结果的问题是出在修复阶段还是上色阶段。
上色步骤的操作本身不复杂：把修复好的照片作为参考图输入，告诉 AI 需要为这张照片上色，然后生成。真正需要练习的地方，是观察上色结果是否符合年代感。AI 上色的时候会根据自己的训练数据去猜测颜色，有时候出来的效果过于现代（比如给一张 80 年代的小孩穿上鲜艳的牛仔背带裤），这时候你完全可以用参考图+文字提示词的方式去调整某件衣服的颜色，让整体的年代感更协调。
莫潇羽@无忆研习社 补一句经验：上色之后不用追求每一个颜色都完美准确，毕竟对于几十年前的照片，当事人自己也不一定记得当时穿的是什么颜色。只要整体的色调看起来温暖、有年代质感，就已经很能打动人了。
五、让照片动起来：动态提示词怎么写才有感染力
这是整个工作流里技术含量最高、也最能拉开差距的一个环节。同样是一张站在院子里的老人照片，有人做出来就是简单的人物走路，有人做出来是老人转头微笑、阳光从树叶缝隙里透下来、衣摆随风轻轻摆动——后者的感染力完全不在一个量级。
区别在哪里？动态提示词的细腻程度。
5.1 从照片姿态出发，而不是凭空想象
写动态提示
