翡翠AI修图：种水的还原与失真红线

种水：翡翠的价值一半写在透明度里

翡翠的种水指玉质颗粒粗细与通透程度，它直接决定价格档次，所以ai翡翠修图的第一原则是种水只能还原、不能升级：布光吃掉的通透可以修回来，料子本身没有的通透修出来就是造假。

行话讲"外行看色，内行看种"。色用眼睛看，种水却要靠光在里面走多深来体会。种到几分、水头几分，差一档，克价可能差出一个零。这决定了翡翠修图和别的品类不在一个世界。修人像，把皮肤修干净点叫敬业；修翡翠，把通透感修上去一档，行内叫"仙图"，行外叫"欺诈"。这条线从哪划？就划在"实物有没有"四个字上。拍摄会亏欠实物：直播间的高频灯又平又硬，三毫米的水头能被压成不透光的"砖头料"，这是布光的锅，修回来天经地义。但反过来，糯种修成冰种、豆种修出荧光，那是加戏。老实讲，我见过太多商家分不清这两件事的区别，不是坏，是没意识。没意识的翻车，比故意的更冤。

质感那条线——翠色的饱和分寸、抛光面的高光形状——我在翡翠的质感修法里写透了。本篇专注种水：它怎么量化、失真怎么判、直播截图怎么救。两篇不重叠。

直播截图：翡翠修图最真实的战场

翡翠直播截图的修复价值在于它是交易现场的证据：客户看直播截图下单，图与实物不符就等于商家当场违约，所以截图修复的每个动作都带着证据责任，修图前先固定原帧。

这两年翡翠主战场在直播间。主播打灯转一圈，客户举起手机截屏，发到微信问一句"这个种水到不到"，订单就成了。截图是什么画质？1080p的直播流，码率压过三轮，通透感基本被编码器吃干净。这种图不修根本没法看。但修它之前先做一件事：把直播回放的原始帧也截下来存档。为什么？因为修过的截图一旦被客户拿去跟收到的实物对比，你需要证明"图上呈现的种水，直播里就是这个样子"。今年上半年我帮三个直播间做截图修复，固定原帧的，出纠纷时一张原始帧自证清白；没固定原帧的，解释权归对方。同样的修图水平，两种结局。流程上还有个顺手的好处：直播节奏快，一条直播要剪出大量切片当短视频引流，图和声音一起上，直播场景的语音处理在直播配音AI里讲过，画面声音一条龙，效率翻倍。

具体修什么？压缩噪声、压暗炸掉的灯面高光、把被压扁的通透层次拉回来一点。具体不修什么？裂纹、棉、石纹、色根的走向。截图再糊，这些东西一根都不能动。

还原和增强：一条能落地的判断线

还原与增强的分界线是"自然光实拍"：修完的图与同一件货的自然光实拍并排对比，观感一致叫还原，图明显更透更艳叫增强，判断依据是并排对比这个动作本身，不是修图者的自我感觉。

道理好懂，落地难，因为"还原"听着像个态度问题。我把它拆成可执行的规矩：修图前先拿手机在窗边自然光下拍一张实物参照，修完并排对比。通透感以参照为准，翠色浓度以参照为准，允许最多百分之五的观感偏差——相机之间本来就有个体差异，留这个余量是讲理。超出余量就回炉。老实讲我入行头两年也没这个习惯，凭眼睛修，翻车之后才老实的。

这条线对工具的意义是：AI做什么都行，决策权不能交给AI。生成式模型修别的题材很香，修翡翠却有个先天毛病——它倾向于"补全"一块更好看的玉（生成式模型的原理决定了它会朝训练数据里更常见的漂亮样本靠，Generative artificial intelligence，维基百科条目）。料子上没有的荧光它给你补出来，棉它给你抹匀。所以我的工具选择偏保守：调色、曲线、局部选区、降噪、锐化这类操作，本质是对原片数据的重映射而非凭空生成，传统上属于非破坏性编辑的范畴（Non-destructive editing，维基百科条目），每一步可回退可复核，出争议时能把中间步骤一条条摆出来。

生成式的用法也有，但只放在低风险环节：把糊掉的截图放大清晰，不去动玉肉的纹理结构。放大是恢复信息，重画是编造信息，两码事。

量化红线：两个数字守住种水不失真

ai翡翠修图的两条量化红线是：种水通透的整图曝光补偿不超过+0.5EV、中间调不超过+15，翠色饱和度不超过自然饱和度+15，两数封顶，任何一条突破都意味着图上的种水优于实物，直接停手。

给一张我实测能用的参数表。注意红线列比参数列重要——参数是起点，红线是不能碰的地板。

说实话这张表是被退货逼出来的。自然饱和度那条红线，我亲眼看着同行拉到+20，货发出去三天，客户留言"像染色的"。真事。

失真的代价：修的不是图，是证据

翡翠修图失真的代价远超一张图本身：图片是交易的呈现依据，图上的种水优于实物构成误导，消费者可主张退货赔偿，商家赔的是钱，透支的是整个店乃至整个行业的信任。

这个行业的信任本来就在补课。据艾媒咨询（iiMedia Research）的行业报告口径，2025年中国珠宝玉石类商品的线上销售规模仍在持续攀升，直播电商渠道占比不断提高——线上成交越多，图片就越不只是"展示"，而是交易契约的一部分。契约写漂亮了，交货兑不了现，纠纷是必然的。消保规则也站在这个方向上，图片与实物严重不符，退一赔三是真实存在的判例。

话说回来，规矩全是商家的事也不公平。确实有客户拿着仙图时代的旧印象，把商家老老实实拍的实拍图当成"图不行"，逼着好人也开始卷修图。这是另一个话题了。我管不了市场，只能管住自己这条线：种水色三个维度，图永远不优于实物。这条自律听着土，实际上是最划算的经营策略——退货率下来，复购率上去，账最后是赚的。批量跑图的时候这条线更容易松，矩阵化内容生产的流程设计里怎么给审图留出卡点，矩阵AI配音那篇讲的量产质量控制思路可以直接平移过来用。

流程：从截图到交图的六步

翡翠直播截图修图的完整流程是六步：固定原帧、自然光实拍参照、白平衡校准、按红线调通透和翠色、降噪锐化收尾、并排对比审核，第六步不过关就整个回炉，没有例外。

六步里最容易被省掉的是第一步和第六步。都是懒省的。不夸张地说，我见过的翻车几乎全部省了第六步——修图的人自己看自己的图，永远觉得没问题，这是心理规律，对抗它的唯一办法是拉一个没参与修图的人来盲看。一套流程跑顺之后，效率其实不低。至于整套AI工具链怎么搭配——选区怎么抠、批量怎么跑、素材怎么管——选工具先看哪些硬指标，选配音软件的五个硬指标的判断框架是通用的，拿去筛修图工具一样成立，核心都是"可控性大于效果"。

常见问题

ai翡翠修图能提高种水吗？

不能，也不该。种水的上限由料子本身的颗粒结构和通透度决定，AI只能把布光吃掉的通透感还原一部分。糯种修成冰种不是技术问题，是诚信问题，收货即穿帮。

直播截图太糊了，AI修完会不会失真？

分两种操作。放大和降噪做的是恢复，玉肉纹理走样风险低，参数守红线就行。生成式重画做的是编造，糊掉的裂纹棉絮它顺手"补"没，这种图发出去就是给自己埋雷，别用。

翡翠修图的饱和度加多少算过头？

自然饱和度+15封顶，我的实操起点是+8，同时以窗边自然光实拍做参照。图比实物艳一丁点都是过的，因为客户收货的比较基准永远比图严苛。

怎么判断一张翡翠图是不是修过头了？

并排对比加盲看。修好的图和自然光实拍摆在一起，拉一个没参与修图的人来看，对方要是脱口而出"图好看多了"，重修；对方要是犹豫，说明修得到位。

客户拿截图来问价，这种图能修吗？

能修，但结论要保守。截图修出来只用于看种水大概的层次，报价之前一定让商家补自然光实拍或开灯视频。截图修得再准，也只反映直播灯光下的状态，跟自然光是两回事。

修得对，才修得久

翡翠修图的长期逻辑是还原实物换信任、增强图片换纠纷：种水如实呈现，短期少成交几单，长期换来复购与口碑，这笔账才是这个品类真正的账。

种水是翡翠的身家，图是种水的证词。证词说大了，法庭见；说准了，生意长久。就这么简单。觉得这篇有用的话，分享给身边做翡翠直播、开玉石网店的同行，说不定就帮谁的详情页躲过一次退一赔三。做内容矩阵、每天要发图发视频的朋友也可以转发给搭档，把流程和红线一并带走。守规矩的生意，才做得长。