如果你对十年前的互联网还有印象，那你一定听说过 VSCO 这个名字。

在那个智能手机大面积铺开，但手机自带的照片编辑功能还远不够强大的年代，照片美化的世界由两大阵营主导——

加特效的，是 B612 和激萌；玩滤镜的，VSCO 无疑是王者。

随着时代的脚步不断前迈，B612 和激萌早已淡出人们的视野，曾经的滤镜王者 VSCO 也逐渐被 Dazz 等主打胶片风格的新应用取而代之。

但在 2025 年，这个沉寂已久的 app 却突然带来一款续作，让我一下梦回十年前——VSCO Capture。

拍摄之前就套滤镜

打开 VSCO Capture，你可以一眼看到它与我们熟悉的 VSCO 截然不同——

与之前以图库为主不同，VSCO Capture 将取景框放在了体验的核心，围绕「拍摄」这一动作，打造出一整套简洁而专注的操作界面。

整个界面基本遵循了影像类 App 的基本设计思路：包括菜单布局、图像格式选项，以及自动/手动模式之间的自由切换。

值得一提的是，VSCO Capture 对 iPhone 格式的支持比想象中更为全面，从 HEIC 格式到 ProRAW，以及各档分辨率，都支持得不错。

除此之外，在这个并不算复杂的界面中，有两个细节打破了我们对传统操作的习惯：

VSCO Capture 的焦段设计并没有在取景器底部铺开，而是收纳在取景器右下角的二级菜单中，如果想要切换焦段，需要多一步操作；

而相册也被放到了右上角，而不是我们熟悉的左下角，取而代之的是 VSCO Capture 的核心卖点——滤镜。

点进左下角的滤镜菜单，我们可以直接浏览滤镜列表，VSCO Capture 内置了 58 款滤镜，从暖调到冷调、从彩色到黑白，可以说应有尽有，一应俱全。

这些滤镜沿袭了 VSCO 的传统展示风格，以不同的名称和色块做出编组，以便区分。

纸上得来终觉浅，深知此事要躬行，这数十个滤镜都是些什么风格、适合在什么时候用，哪些滤镜更万能，都需要亲手拍一拍。

在拍摄了数百张照片后，我为大家总结了以下这份滤镜的成像风格表，标注了各类滤镜的成像风格，并辅以样片进行讲解。

• A 系列：胶片感经典模拟，风格柔和，带有轻微的偏色风格与胶片影调
• B 系列：黑白风格，注重光影层次、对比控制和细节还原
• C 系列：现代色彩，整体画面色彩鲜艳、饱和度高，偏明快
• E 系列：情绪色彩，具有明显的色彩氛围倾向，带有一定的电影感
• F 系列：复古褪色，低对比度、低饱和度，模仿褪色风格
• G 系列：粗粝质感，对比度强，阴影重，为画面提供岁月流逝的感觉
• J 系列：模仿宝丽来与拍立得的色彩偏移，同时提升黑色部分，去除死黑
• K 系列：饱和度高，适合纯净的画面，否则颜色会变脏
• L 系列：更为日常的生活滤镜，请为提升饱和度，同时提供不同的冷暖倾向
• M 系列：低饱和奶油风，整体偏向灰色调
• S 系列：饱和度适中，偏明亮，比较适合拍摄人物
• SS 系列：影调偏暗，整体成像扎实，对比度强，适合色彩浓厚的环境
• U 系列：两个滤镜分别偏向冷暖调，饱和度也一高一低，均带有偏色
• V 系列：对比度正常，V3 带有一定的褪色效果，而 V8 则更偏暖色
  ……

在实际体验以后，我认为有几个滤镜比较适合日常使用，在美食、风景和人像上都能得到不错的表现：

• A6：为照片高光添加橙色，为暗部添加绿色，带来一定的复古胶片感，是比较万能的滤镜
• SS3：画面整体偏向暗调，饱和度较低，适合颜色和元素比较杂乱的环境
• G7：画面偏向中间调，饱和度低，平和清淡，适合颜色干净的环境

还是熟悉的味道，还是熟悉的配方——刚刚为大家介绍的这些滤镜，几乎是对 VSCO 的完整复刻。

更直接地说，VSCO Capture 的诞生，正是为了把原本的后期流程前置到拍摄环节中，无需拍完再打开 VSCO 调色，在按下快门的同时，就得到一张风格明确、可直接使用的直出大片。

当然，它也没有完全割裂与老版本 VSCO 的关系，拍摄完照片后，你依然可以一键跳转至 VSCO，为照片更换为其他滤镜，并进行更深度的二次调色，实现前后期的无缝衔接。

当然，想要享受完整的编辑功能，前提是你已经开通了 VSCO 的会员服务。

除了滤镜，VSCO Capture 还有一个隐藏的小功能也颇有趣——

当你在右下角切换到手动模式后，菜单栏的末尾会出现两个新增的影像效果：Bloom 和 Halation。

• Bloom：为画面的高光区域增添一层柔光，让照片整体更柔和，营造出一种温暖而梦幻的氛围感；
• Halation：则会在高光边缘生成一圈微微泛红的晕影，这是除碳电影卷的标志性效果。

在手动模式下，你除了可以控制 Bloom 与 Halation 效果的开关外，还可以进一步控制效果的强弱和介入程度，以便适配不同的拍摄环境和画面。

VSCO Capture 目前提供的所有滤镜和 Bloom 与 Halation 两个新效果均可以免费使用，和 VSCO 随处不在的付费相比，显得诚意十足。

但很遗憾，我对它并不算满意，甚至可以说是差评。

左右互搏的交互灾难

VSCO Capture 最引以为傲的滤镜，在我看来，反而是最让人失望的地方。

首当其冲的是滤镜的命名和编组问题，不同风格和调性的滤镜被编入了一组字母中，很难让人明确分辨哪一组滤镜是什么风格；

同时编号式的滤镜体系总能让人一头雾水，哪怕在 VSCO 的巅峰时期，恐怕也只有极少数资深用户才能分清什么时候该用什么滤镜。

除了数量多种类杂，VSCO Capture 这些滤镜另一个大问题，是它的风格早已脱节于当代审美。

过去十年，移动影像的审美快速进化，用户不再满足于泛泛的文艺感，风格明确、辨识度高的影调开始获得大家的青睐：

要么是像富士 NC 这类模拟真实胶片质感的经典滤镜，要么是德味这样久经考验的风格影调。

总之，那套五花八门、以量取胜且「调调很重」的滤镜体系，虽然曾经很吃香，但时过境迁后，恐怕很难打动如今挑剔的用户了。

毕竟前朝的剑再好用，也斩不动本朝的官呐。

不信？看看手机自带的那些滤镜，你用过几次？

更别说，如今的影像生态，已经充分细分——

想在拍摄环节就营造氛围，有去掉锐化和算法，力求纯净的 app，也有 Dazz 这类不仅更贴合经典胶片质感，还无法预览效果的 app，主打「开盲盒」式的情绪刺激，让人上瘾；

想在后期编辑阶段深度处理，有 Lightroom 这样的专业工具，JPG、RAW 格式通吃，功能精准，也有美图秀秀、醒图这类面向大众的 app，一键修人像、套滤镜、批量出片，效率与效果并存。

在这样的细分趋势中，VSCO Capture 和 VSCO 两位搭档实在是差点儿意思。

这些表面的小问题，最终汇聚成了一个更大的麻烦：VSCO Capture 所选择的「后期前置」策略，实际执行效果并不理想。

它原本的设想其实非常合理，在拍摄当下就完成风格塑造，省去后期调色步骤，提升使用效率。

理想情况下，用户应当愿意将它作为首选拍照工具。

听起来很美好，但结合刚刚提到的缺陷，带来的交互体验几乎是灾难性的——

VSCO Capture 支持实时预览，带来的是可控的确定性，但有得必有失，它没办法提供 Dazz 那样的盲盒刺激感，反而削弱了用户的期待；

再加上滤镜风格偏旧、数量繁多、命名混乱，种类多却没有主心骨，用户想拍照的时候还要一个个尝试好不好看，在强调快速反馈的当代使用习惯中，实在称不上是好的交互体验。

回过头来看，VSCO Capture 从功能到体验，的确显得有些停滞，甚至这种停滞延伸到了 app 的图标设计上——

黑底、彩虹高光、摄像头模组的轮廓，怎么看都像是 iPhone X 的设计语言。

这样的一款 app，如果出现在 2017 年，也许刚刚好；

但出现在 2025 年，终究是晚了半拍。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

如果说有什么科技产品在被大量爆料后，依然能让人在凌晨蹲守直播，除了苹果 iPhone，就是 OpenAI 的 ChatGPT 了。

GPT-4 亮相后很长一段时间，都是 AI 友商的唯一对标。世界也开始逐渐接受一个事实：AI 正在越来越多的任务中展现出超越人类的能力。

今天，GPT-5 终于登场，把这条称作「及格线」的标准，再次抬高了一个维度。

第一时间体验 GPT-5！人人免费可用，马斯克表示不服

我们也第一时间上手 GPT-5，让它给自己的生日写首诗，满分十分，你觉得可以打几分？

还是经典的天气卡片环节，GPT-5 的 UI 审美质量相当能打。

我们在 Flowith 里也实测了 GPT-5 的编程能力。

详情可点击链接前往：第一时间体验 GPT-5！人人免费可用，马斯克表示不服

OpenAI CEO 山姆·奥特曼对 GPT-5 给出了极高评价，称其是此前所有模型的巨大飞跃，在他看来，拥有 GPT-5 这样的 AI 系统，在历史上任何时候都是难以想象的。

不过，发布会现场也上演了「翻车」环节，图表数据环节出现了明显「胡编乱造」的失误，连奥特曼也忍不住发文自嘲。

当然，马斯克也没有错过这个绝佳的「蹭热度」机会。

他表示 Grok 4 在 ARC-AGI 测试中击败了 GPT-5，还顺势拉踩一波，并剧透 Grok 5 将于今年年底前发布，预计表现将更加出色。

GPT-5 来了，编程、写作能力大提升，还要当你的 AI 医生

GPT-5 在编码、数学、写作、健康和视觉感知等多个领域都实现了显著提升，同时在减少幻觉、改进指令遵循和降低谄媚方面取得了重大进展。

GPT-5 采用了全新的统一系统设计，包含三个核心组件：一个高效的基础模型用于处理常规问题，一个具备深度推理能力的「GPT-5 thinking」模型专门应对复杂任务，以及一个实时路由器负责根据对话复杂度、工具需求等因素选择合适的模型。

这套「路由系统」会持续学习用户的切换行为、反馈偏好和答案准确性，不断优化分配策略。当用户达到使用限制时，系统会自动切换到各模型的精简版本继续服务。

据介绍，GPT‑5 是 OpenAI 迄今为止最强大的编码模型，能够处理复杂的前端开发和大型代码库调试工作。奥特曼表示：「根据需求即时生成的软件的理念将成为 GPT-5 时代的一个重要特征。」

比如它能通过一个提示就创建出功能完整、设计精美的网站、应用和游戏。根据以下提示词， GPT‑5 成功创建了一个名为「跳跃球跑者」的游戏，包含速度递增、计分系统、音效和视差滚动背景等所有要求功能。

「提示： 创建一个单页应用，要求如下，且全部写在一个 HTML 文件中：
– 名称：跳跃球跑者
– 目标：跳过障碍，尽可能长时间生存。
– 特点：速度逐渐加快，高分记录，重试按钮，以及动作和事件的有趣音效。
– 界面应色彩丰富，带有视差滚动背景。
– 角色应该看起来卡通化，观赏起来有趣。
– 游戏应该让每个人都感到愉快。」

写作方面，GPT-5 能够将粗糙想法转化为具有文学深度和节奏感的文本。

它在处理结构复杂的写作形式时更加可靠，比如能够保持格律，同时兼顾形式规范与表达清晰。这些改进让 ChatGPT 在日常文档处理、邮件撰写等任务中更加实用。

此外，GPT-5 还是 OpenAI 在健康相关问题上表现最佳的模型。

在基于真实场景和医生标准制定的 HealthBench 评估中，GPT-5 的得分远超以往所有模型。新模型能够主动发现潜在问题，提出针对性问题，并根据用户背景、知识水平和地理位置提供个性化建议。

奥特曼负责介绍 GPT-5 健康的这部分，在发布会现场，他邀请了 Carolina 和 Filipe 夫妇分享他们的亲身经历。

Carolina 曾在一周内被诊断出三种不同的癌症，在她把这些充满医学术语的报告丢给 ChatGPT 后，ChatGPT 在几秒钟内将复杂的内容，翻译成了她能理解的直白语言，帮助她更好地和医生沟通。

而在面对是否接受放射治疗，这一个连医生们的意见都没有办法统一的问题上，ChatGPT 为她详细分析了案例的细微差别、风险与收益等等，她说这比和医生聊三十分钟的收获都要更多。

当然，ChatGPT 并不能替代医疗专业人员，建议谨慎使用。

基准测试结果显示，GPT-5 在多项基准测试中刷新纪录：

• 数学能力：AIME 2025 （no tools）测试得分 94.6%
• 编程能力：SWE-bench Verified（With thinking）得分 74.9%，Aider Polyglot（With thinking）得分 88%
• 多模态理解：MMMU 得分 84.2%
• 健康领域：HealthBench Hard 得分 46.2%

GPT-5 在指令执行和自主调用工具的能力也有所提升，能够更加稳定地完成多步骤请求，灵活协调多个工具，并根据上下文智能调整行为策略，展现出更强的任务适应能力。

同时，GPT-5 在多项多模态基准测试中同样表现亮眼，覆盖视觉识别、视频理解、空间判断及科学推理等多个维度。得益于其更强的感知与推理能力，ChatGPT 现在能更准确地处理图像及其他非文本输入内容。

在 OpenAI 的内部基准测试中，GPT-5 在约 50% 的复杂知识工作任务中达到或超越专家水平，涵盖法律、物流、销售、工程等 40 多个职业领域，表现优于 o3 和 ChatGPT Agent。

OpenAI 特别强调，GPT-5 是在微软 Azure AI 超级计算机上训练的。

此外，GPT-5 在推理效率上也有突破。在视觉推理、编码和研究生级科学问题解决等任务中，GPT- 5的表现优于 OpenAI o3，但输出 token 数量减少了 50-80%。

幻觉问题一直是 AI 的老大难，而与 OpenAI 之前的模型相比，GPT-5 出现幻觉的可能性有了显著降低，模型在处理复杂、开放性问题时更加得心应手。

在代表 ChatGPT 生产环境流量的匿名测试中，GPT-5 的事实错误率比 GPT-4o 降低约 45%；启用推理功能时，错误率比 OpenAI o3 降低约 80%。

在开放性事实准确性基准 LongFact 和 FActScore 测试中，「GPT-5 thinking」的幻觉率比 o3 减少约六倍，标志着长篇内容生成准确性的显著提升。

除了事实准确性的提升，GPT-5（具备思考能力）还能更诚实地向用户传达其行为和能力。据模型安全研究负责人 Alex Beutel 称，OpenAI 对 GPT-5 进行了「超过五千小时」的测试，以了解其安全风险。

GPT-5 还引入了「安全完成（Safe Completion）」这一全新安全训练方式，让模型在保持安全边界的同时尽可能提供有用答案。当需要拒绝请求时，GPT-5 会透明地说明拒绝原因并提供安全替代方案。

在用户体验方面，GPT-5 减少了过度附和行为，在专门设计的谄媚测试中，谄媚回复率从 14.5% 降至不足 6%。新模型使用更少不必要的表情符号，回应更加细腻和深思熟虑。

此外，OpenAI 还为所有用户推出了四种预设个性：愤世嫉俗者、机器人、倾听者和书呆子，这些个性最初适用于文本聊天，晚些时候将上线语音。用户可根据个人喜好调整 ChatGPT 的交互风格。

在现场的演示中，语音交互变得非常自然且可控。

OpenAI 的研究员要求 GPT-5 从现在开始只用一个词回答问题，当被要求分享一句智慧之言时，GPT-5 回答：「Patience」（耐心）。发布会现场大家都笑了，主持人说这也许是模型在感谢大家耐心等待 GPT-5 的发布。

免费用户也能用，还有一款真香模型

取代 OpenAI o3-pro，OpenAI 还发布了 GPT-5 pro，这是 GPT-5 的一个变体，能够进行更长时间的思考，采用规模化但高效的并行测试时计算，能够提供最高质量和最全面的答案。

在 1000 多个具有经济价值的真实世界推理提示评估中，外部专家在 67.8 %的情况下更倾向选择 GPT-5 Pro，其重大错误率较 GPT-5 减少 22%，并且在健康、科学、数学和编码方面表现出色，获得专家们的一致好评。

GPT-5 今天开始成为 ChatGPT 的新默认模型，向所有 Plus、Pro、Team 和免费用户推出，Enterprise 和 Edu 用户将在一周后获得访问权限。

免费版用户每 5 小时可发送 10 条消息，Plus 用户每 3 小时可发送 80 条消息。

Pro 用户可无限制访问 GPT-5 及 GPT-5 Pro，免费用户达到使用限制后将自动切换到 GPT-5 mini。Pro、Plus 和 Team 用户还可以通过 ChatGPT 登录 Codex CLI，在开发环境中调用 GPT-5 来完成代码编写、调试等任务。

虽然 GPT-5 已对所有用户开放，但 ChatGPT 免费用户并不会立即获得完整的 GPT-5 使用体验。。一旦免费用户达到 GPT-5 的使用限制，他们将切换到更小、更快的精简版模型 GPT-5 mini。

面向开发者，OpenAI 还为 API 平台推出三个不同规格的版本：gpt-5、gpt-5-mini 和 gpt-5-nano，开发者可根据项目对性能、成本和响应速度的不同要求灵活选择。

GPT-5 支持回复 API、聊天完成 API 等主流接口，同时成为 Codex CLI 的默认模型。所有版本都具备reasoning_effort 和 verbosity 参数控制能力，以及自定义工具功能。

除基础对话能力外，GPT-5 还集成了并行工具调用、内置工具（网络搜索、文件处理、图像生成）、流式处理、结构化输出等核心功能，以及提示缓存和批量 API 等成本优化特性。

GPT-5 API 还推出四项核心新功能，大幅提升开发者的使用体验。

首先，通过 reasoning_effort 参数，开发者能根据不同任务场景，在最小、低、中、高四个档位间灵活切换。简单任务用最小档快速响应，复杂问题用高档深度思考，让开发者在回答质量和响应速度间找到最佳平衡点。

在回答详细程度上，verbosity 参数支持低、中、高三档设置，帮助控制回答的详细程度。比如在「天空为什么是蓝色」这一问题上，低档回答简洁明了，高档回答则包含详细的科学解释。

在工具调用方式上，新增的自定义工具功能支持纯文本格式，彻底告别 JSON 转义字符的困扰。处理大量代码或长文档时，开发者无需再为格式错误而烦恼。

值得注意的是，整个执行过程是可追踪，GPT-5会在执行工具调用时主动输出进度更新，让开发者了解 AI 的执行计划和当前状态。

另外，区别于 ChatGPT 中的 GPT-5 系统，API 版本专门针对开发者需求优化，更适合编程和 Agent 任务场景。

包括 Windsurf、Vercel、JetBrains 等知名开发工具和平台都对 GPT- 5给出积极评价。Windsurf 指出，GPT-5 在评估中达到最先进水平，「与其他前沿模型相比，工具调用错误率仅为其一半」。

GPT-5 的发布，对 Claude 而言可能是一记直击命门的重拳。

据外媒 The Information 报道，Anthropic 当前 50 亿美元的年化收入中，有超过六成来自 API，其中仅 Cursor 和 GitHub Copilot 这两家编程客户就贡献了 14 亿美元。这种把鸡蛋放在同一个篮子里的收入结构，恰恰暴露了 Anthropic 脆弱的软肋。

编程工具市场的残酷之处在于性能即一切，哪怕是 5% 的准确率提升，对开发者而言都意味着每天节省数小时的调试时间，过去 Claude 能在编程领域迅速崛起，很大程度上是因为 ChatGPT 在代码能力上的相对滞后。

但窗口期终有关闭的一天，伴随着 GPT-5 在代码编程任务和 Agent 能力的提升，结合 OpenAI 更强的生态绑定和产品分发渠道，一旦 Cursor 和 Copilot 回流 OpenAI，将极大撼动 Anthropic 的收入。

也许很快，我们就能看到 Claude 5 的到来。

作者：李超凡、莫崇宇、张子豪

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

照片后期，向来是横亘在普通人与「大片」之间的一道坎。

专业人士为此耗费心力，将拍摄后的数小时投入到电脑屏幕前，与各种曲线和图层搏斗；普通爱好者更是 常常因为摸不透 Photoshop 和 Lightroom 里那些天书般的工具而望而却步。

我们似乎都默认，一张出彩的照片，必然需要高超的后期技术。

不过，前两天登上热搜的「豆包修图」让我眼前一亮。

在 AI 大行其道的当下，修图这件事或许真的可以变得无比轻松：你只需要用一句话交代你的想法，AI 就能帮你 P 出一张心仪的大片。

对 AI 来说，题材不再是难事儿

摄影作为一门古老的艺术，早已分化出人像、风光、美食等诸多门派。

过去，每个门派都有自己秘不外传的后期心法，而现在，AI 就像一位打通了所有门派经脉的武林高手，用一套大力出奇迹的算法，通吃各种题材。

风光摄影师常常为了等待一个完美的天气和光线而起早贪黑。

可如果运气不好，拍到一张天空惨白的照片，后期处理起来就相当麻烦——需要创建复杂的蒙版，把天空和地面分开，单独进行调整。

但有了AI，这一切变得像点外卖一样简单。

我将一张照片分别用 Photoshop 和豆包进行处理，照片拍摄于入夜前，但厚重的云层挡住了壮观的落日，同时也大幅度压低了画面的亮度，观感暗沉。

修图的目的是替换掉原本不够漂亮的天空，你能一眼分辨出哪张是 AI 修的，哪张是我手动修的吗？

揭晓答案——左边是我在不到五分钟内用 Photoshop 手动处理的结果，右边则是豆包在几十秒内生成的版本。

乍一看两者效果相近，但作为亲手操作过两个版本的我来说，这其中的差别一目了然。

按照传统的修图流程，我需要手动精细抠出天空，保留地面树枝的细节；接着再寻找合适的晚霞素材替换原本厚重的云层，并统一天空与地面的色调与亮度，以保证整张图的色彩和谐。

而在豆包中，我只需要一句话提示，就能直接生成这样一张几乎完成度极高的图片。

放大查看细节后，尽管在极限放大下，AI 图像的画质略逊于手动处理版本，但豆包依然保留了树林与天空交界处的细节，地面亮度与色温也同步优化，整体画面协调自然，展现出相当成熟的修图逻辑。

日常风景照片的另一个难题，则是茫茫多的路人。

按照传统方法，你需要先将照片导入 Photoshop，用污点修复画笔或仿制图章工具，放大到 300% 进行精细处理。

在涂抹路人的同时，还得纠结到底是用内容识别还是近视匹配，若是遇到复杂纹理，还得手动创造纹理，繁琐至极。

但对于 AI 来说，这也不过是分分钟的事——

在不到一分钟的等待后，我收到了处理完成的照片：不仅保留了原图的色调与画质，还精准去除了所有路人。

尤其令人称赞的是，AI 在清除人物的同时，还细致地保留了右侧江岸岩石的阴影细节，没有出现常见的粗糙涂抹痕迹，整体效果令人非常满意。

光影重塑是风光摄影进阶的修图技巧，指的是摄影师在后期处理中，根据照片的不同表现，运用蒙版、画笔等工具，精细调整局部画面。通过顺应直觉和逻辑的方式，重构整体光线效果，营造明暗对比，从而突出主体，渲染氛围，提升照片的视觉冲击力。

停！

我知道，这么一大串讲完，你已经迷糊了，简而言之，光影重塑就是根据个人审美与技术，调整出更具冲击力和逻辑感的照片。

过去，要做到这一点，不仅需要熟练掌握 Photoshop 的各种工具，还需要对光线有一定的理解和控制能力，以及出色的审美，才能做出既不夸张又恰到好处的光影效果。

而现在，交给 AI 也就是一句话的事儿——

在简单交流后，AI 为这张照片按照风光摄影的修图思路进行处理，给画面添加了遮盖无用细节的平流雾，让其覆盖较低的楼房，营造出朦胧氛围；

同时进行光影重塑，从画面原本的光影逻辑出发，加强了阳光在建筑面上的反射效果，使画面光影合理、有层次感，突出了东方明珠的主体性。

同样的方法，我们也可以挪用到相册中另一个不能忽视的大种类上——宠物和人像。

这里指的不是磨皮、面部重塑等因人而异的主观调整，而是 AI 可以按照一定的逻辑帮你润色画面的光影，营造特别的氛围，以达到手机无法直出的质感。

除了光线调整，在这类照片中，用 AI 添加道具，营造特殊的氛围，也是另一种玩法。

就像前面的一句换天一样，你可以用一句指令让 AI 为画面中添加一些符合环境的元素，比如漫天飘散而下的黄叶，或是从窗台倾泻而入的阳光。

再将脑洞打开一些，如果遇上不满意的天气，你可以让 AI 换一下天空，顺带注意处理好人物的光线，得到一张毫不违和的照片。

风景和人物宠物解决了，还有一个重要的题材不能忘记——美食。

如果按照传统方法，摄影师需要精确校准白平衡，防止任何偏色都会让食物看起来不新鲜。

进入后期，还要小心地提高清晰度，但又不能过头，否则食物会显得干瘪，毫无食欲；接着还要利用色调曲线和 HSL（色相、饱和度、明度）滑块，精确地调整每一种颜色的表现，让色泽更诱人。

在这方面，AI 也可以帮上大忙。

润色后的照片层次更为分明——冷吃兔与鸡肉裹满红亮油润的酱汁，表面铺满鲜红辣椒段，点缀其间的金黄花生米酥脆诱人，视觉与味觉的冲击感扑面而来，瞬间唤起食欲。

可以说，在 AI 的帮助下，你已经跨过了曾经逾越在普通人与大片之间的那道高墙，拥有了「言出法随」般的修图能力。

但魔法并非总能随心所欲，想要精准地实现心中所想，「咒语」是关键。

对 AI 讲话，有些诀窍要注意

用 AI 修图看起来很新鲜，但背后其实就是我们熟悉的文生图的进阶应用。

顾名思义，AI 从我们这里获取一段描述，并从中理解我们的意图，最后生成出符合它理解的图片。

这里的难点在于，什么样的话是 AI 容易理解的呢？

我准备了一张想要处理的照片，以豆包为例，尝试不同提示词的效果。

第一次，如果我简单描述：

将这张照片 P 好看。

此时，AI 对照片进行了一定的基础处理，我们可以明显看到画面对比变得更强了，颜色也更加浓郁，但我对这样的处理并不算满意——

这张照片拍摄于傍晚，最大的问题在于画面不够通透，层次也不够丰富，相比提升对比度和饱和度，我其实更希望从整体风格上进行调整。

回头看我的提示词，只有一句模糊的「好看」，但「好看」本是一个极其主观的感受，AI 无法隔着屏幕感知使用者的审美偏好，只能依靠预设的主流美学风格帮忙处理图片，最后就得到了一张「饱和度战士」。

但如果将描述改为：

将这张照片的拍摄时间改为蓝调。

有了更明确、客观的描述，AI 生成的图像也明显更符合需求，在观感自然的基础上，蓝调更突出了，画面的冷暖对比也更为强烈，但这样还不够——

单一维度描述的咒语还不够精准，AI 可能会出错，同时由于日落与城市开灯之间有时差，所以拍摄时城市还没有亮起灯光，照片本身并没有体现出城市的繁华，这比较遗憾。

想要这张照片更好看，我们可以为 AI 准备一个更全面的建议。

所以，我们进一步将描述扩充为：

将这张照片的拍摄时间改为蓝调，为画面中的建筑物添加一些符合逻辑的灯光，远处高大的建筑可以添加示廓灯，为画面打造内透效果，注意灯光的合理性。

从更多角度描述我们意图的提示词，得到了非常不错的效果，AI 在凸显蓝调的同时，顺利为图片中的建筑物添加符合逻辑的灯光，打造出一张富有层次感的城市夜景照片。

到了这里，我们可以总结出一套方法论，来为 AI 提供精准的描述，以尽量准确的方式传达我们的意图——

「主体 + 时间/环境 + 光线/色调 + 风格/情绪 + 特殊效果 + 细节约束」

公式由六个部分组成，六个部分分别代表了一张照片的各个维度：

1. 主体：你希望 AI 处理的核心对象，如：这张人像照片、这张城市夜景
2. 时间/环境：希望照片呈现的时间或自然条件，如：傍晚、蓝调、清晨、下雪天
3. 光线/色调：想要强化或改变的视觉氛围，如：暖色调、冷光、日落光影、通透感
4. 风格/情绪：照片整体想传达的感觉或调性，如：繁华都市、静谧夜景
5. 特殊效果：希望额外添加或修饰的视觉元素，如：添加建筑灯光、水面倒影、天空星星
6. 细节约束：对 AI 输出的合理性、真实性的补充要求，如：灯光符合建筑逻辑、注意真实透视、避免过度磨皮

按照这个公式，我们可以最大程度地掌控照片中的各个元素，越全面，AI 能理解就越精准。

依旧是这张照片，我们用这条公式的方法来撰写提示词，试试 AI 能不能给我们提供另一种风格的照片：

这张照片（主体）改为雨天拍摄，此时正值入夜前的傍晚（时间），为画面添加一定的雾气，雨水与雾气被建筑灯光打亮，在空中连成丝线，雾气可以盖住部份建筑（特殊效果），同时按照逻辑重塑光影（光线），注意不要改动删减照片中已有的建筑和元素（细节约束）。

雾气自然、影调和谐，积雨的屋顶还有符合逻辑的光线反射，这张照片的确出乎意料——

以往需要繁杂后期才能实现的效果，现在不到 30 秒就能轻松获得。

需要一提的是，在我试过的几十张照片中，修图效果最强的是豆包，其次是 ChatGPT，文中总结出的提示词公式，在这两个 AI 上都能取得相当不错的效果；

而 Gemini、Qwen 等 AI 工具则更倾向于重绘，照片改动痕迹较重，相较之下更推荐前两者进行精修润色。

玩到这里，我一边感叹 AI 的确强大——不需要任何修图基础，只需要提供完整的想法，就可以得到一张处理得八九不离十的照片；

但另一方面，一个有些老生常谈，但的确没办法忽视的矛盾，开始拷打我的内心。

照片的「真实」，到底在哪里？

在 AI 技术的加持下，我们的创作和表达变得前所未有的自由和丰富。

修图不再是专业人士的专利，普通人也可以轻松地通过 AI 实现照片的修饰与再创作。

不过，当我们沉浸在用 AI 把自家猫咪 P 成宇航员的乐趣中时，一个纠葛已久的矛盾，也随着而来：

在一些人眼里，AI 修图让照片背离了现实，变得虚假；而另一部分人认为，这只是自娱自乐，何必用如此严格的要求去度量一张照片。

在技术交替的时期，类似这样的理念之争并不稀奇，甚至已经有了愈演愈烈之势。

德国摄影师 Boris Eldagsen 在用一张 AI 生成的图片赢得索尼世界摄影奖后，主动拒绝领奖，并公开了图片的 AI 身份。

在世界级的专业摄影比赛上整这种活儿，并不是一个玩笑——他想以此引发人们的讨论，并强调我们必须区分用光写作（摄影）和用提示词写作（AI 生成），以保护照片的公信力。

不过，这场关于真实的辩论，或许从一开始就混淆了两个不同层面的问题，我们必须区分两种不同的语境：一种是「公共领域的真实」，另一种是「个人表达的真实」。

对于法庭上的证据，或是《纽约时报》的头版照片，客观、可验证的真实性是其生命线，一张照片的来源——由谁、在何时、何地、为何拍摄——是判断其价值的根本标准。

在这种语境下，任何未经声明的修改都可能构成欺骗。

但对于你的朋友圈来说，真实的含义则完全不同。

在数字世界的私人领地里，我们追求的往往是一种情绪的真实、一个笑话的真实或一种审美的真实。

是的，当看到一张猫猫正在帮忙做饭的图片时，我们不会感觉自己被欺骗了，只会被逗乐。

这里的真实无关乎事实，而关乎表达。

这或许才是普通人拥抱 AI 修图的真正原因——在个人表达的领域里，意图是事实更重要的准绳。

一位新闻记者的意图是见证，他有责任尽可能忠实地记录事件；而一个普通人的意图是表达，他有权利通过各种方式来传达自己的情感和创意。

所以回到最初的问题，去吧，大胆地让赤道下雪，让猫咪登月。

在这个 AI 的时代，在你的私人世界里，想象力是唯一的边界。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

一段看起来像是夜视监控拍到的「兔子蹦床」视频，在 TikTok 上爆火，全网收获了有 5 亿次播放。

视频看上去像是某户人家的安防摄像头拍到的，灯光昏黄、画面模糊，但恰到好处地捕捉到几只兔子轮番起跳，活像在开夜间演出。

视频的标题写着：「刚查看了家庭监控，我想我们家后院来了几位特邀嘉宾！@Ring」 。

监控的模糊画质、几只看似在狂欢的兔子，这可爱又略带一丝真实感的画面迅速吸引了人们的眼球 。

在社交媒体平台 X 上坐拥百万粉丝的名人 @Greg 也评论说，「我从没意识到自己需要一群蹦床兔子，直到今天」。

然而，这份可爱是虚假的。视频中的兔子并非真实存在，有人发现，它是AI生成的。

第 5 到第 6 秒之间，左上角的兔子忽然「消失」。回头再看，细节确实有点怪。

但和大多数「AI 穿帮」视频不同，这次几乎没人第一时间认出来。哪怕是刷视频经验老到的年轻人，也直呼「完了，我居然被骗了」。

但这不是一场骗局，更像是一种小型社交媒体的灾难：不是「我们被骗了」，而是「我们居然愿意被骗」。

看似糊得刚刚好，其实「骗」得刚刚好

这段 AI 视频之所以能成功「欺骗」大众，很大程度上并非因为 AI 视频生成技术已经完美，而在于它「骗得刚刚好」。

它精准地利用了我们对监控视频的固有印象，也踩中了最能让我们放下戒备的那些流量密码。

模糊的夜视画质和静态背景，刚好遮住 AI 的弱点

我们习惯于认为夜晚监控录像就是模糊、黑暗且充满噪点的。这种先入为主的印象，完美掩护了 AI 视频的技术硬伤，例如在动作连贯性、阴影细节和背景动态上容易穿帮等问题。

所以当它以「夜晚监控录像」的方式出现时，画质本身的低清模糊反倒成了障眼法，帮它遮住了真实感缺口。

此外，尽管一些 AI 视频生成模型在处理前景主体方面已经相当出色，但背景的渲染往往会显得非常超现实。

而这段视频的背景是静止的，这又为 AI 规避了一个技术难题。

带「@Ring」的文案增强了来源可信度

视频发布者在标题中聪明地标记了家庭安防摄像头品牌「Ring」，一下子就让这视频的来源显得有理有据，让人感觉更真了。

这个小细节营造出「这视频是别人家门铃拍到的」错觉，让人自动归类为「生活记录」而非「创作内容」。

「动物夜间搞事情」是互联网用户默认接受的 meme

无数次病毒式传播的视频，已经训练我们相信这个场景是真实的。猫晚上偷吃泡面、浣熊夜闯泳池、郊狼在蹦床玩耍，动物们总爱在人类不在时「犯规」一下。兔子蹦床这种事，怎么看都合理。

最重要的：它太可爱了！谁会去质疑这么温柔的一幕呢？当一段内容足够甜、足够轻，它就很容易让我们「选择相信」。

尽管视频中间，左上角的兔子突然消失，暴露了 AI 生成的本质。但对于绝大多数刷短视频，快速滑动的观众来说，这一瞬间的破绽极易被忽略。

就在兔子视频引发热议的同时，马斯克也分享了 AI 视频技术的惊人进展。

10 天前，一段 6 秒的视频渲染需要 60 秒，之后降至 45 秒，再到 30 秒，现在已缩短至 15 秒。

本周我们或许能将时间控制在 12 秒以内。

他同时表示，实时视频渲染技术有望在 3 到 6 个月内实现。

这意味着，今天我们还能看到的「兔子消失」这类穿帮镜头，在几个月后可能就几乎很难发现里面的 bug。

当 AI 视频在技术上无懈可击时，再去讨论「如何分辨真假」就失去了意义。

这也让我们不得不把目光从技术本身，转移到更核心的问题上。

让我们被骗和狂欢的，其实不是 AI

视频的真相揭晓后，许多用户表达了一种「信仰崩塌」的感觉。

一位 TikTok 用户说，「这是第一个我相信是真的 AI 视频，等我老了肯定完蛋了」。另一位用户则表示，「现在我觉得我以后就会是那种被骗的老年人」。

这种从自信到恐慌的情绪转变，成了一个新的网络热点。

然而，将问题仅仅归咎于「AI 发展得太快」或「我们太容易被骗」，可能忽略了更深层次的原因。这一事件的核心，或许不在于 AI 技术本身，其实在于社交媒体平台本身的那一套玩法。

通过翻看视频的评论记录，我们发现人们在评论区的反应，呈现出来的几乎是同样的一个心理剧本。

首先是「天啊，这也太可爱了」；

然后，「等等，好像不太对劲？」；

第三步，「我被骗了？完了，我要变成会被骗的老年人了吗」；

最后还是回到了，「但……我不怪它」

我们正在和 AI 视频建立一种全新的「互动逻辑」。

我们不是完全相信它，而是默认它可能是假的，但我们依然愿意停下来看看、点个赞、转发给朋友猜一猜，就像一个游戏。

而平台的算法，也深知这种心理结构。

在这个过程中，「AI 视频是真是假」不再是重点，它更像一种参与门槛：你看懂了没？你能分辨出来吗？你被骗了吗？

AI 爆发的这两年，我们总是感叹 AI 视频图片已经能以假乱真，因此感到恐慌，担心自己未来会更容易被虚假信息蒙蔽。

然而，这个视频的病毒式传播，并非完全源于 AI 技术的「欺骗性」，而是源于人类观众内心深处对「被欺骗」的需求。

这些网友不都是被动地被骗，而有不少是主动地、心照不宣地参与了一场名为「假装相信」的集体游戏。

这场狂欢的主角不是 AI，而是我们自己。

正是视频中那「一闪而过」的兔子消失 bug，才让整个事件升级为一场全网参与的「找茬游戏」。如果视频完美的天衣无缝，它可能只会然后迅速被下一个视频淹没。

这就像观众明知道魔术师在「欺骗」他们，但他们享受的恰恰是那种「明明知道是假的，却看不出破绽」的认知挑战。

AI 兔子的「穿帮」，就是这个魔术被揭穿的时刻，它让所有人加入讨论，从而引爆了传播。

缺陷创造了争议，争议驱动了参与。视频的真假不再重要，它所引发的混乱和讨论本身，就是流量的保证。

这种「我竟然也被骗了」的自嘲，迅速拉近了陌生网友间的心理距离，形成了一种「我们都是容易被骗的笨蛋」的社群认同感。由「共同被骗」而产生的连接，其社交价值远大于视频内容本身的真实性。

理想的情况是，我们学会有意识地享受这种「虚假内容」带来的乐趣，同时保持一份清醒的认知，但这可能对大多数人来说并不容易。

潜在的危险不只在于 AI 的逼真程度，而在于当这种「集体欺骗」被用于恶意时，比如制造谣言或骗局。我们需要建立的，是对信息「意图」的识别，而非仅仅对「真伪」的判断。

我们可以多问问自己：这个内容想让我产生什么感觉？它最终想让我做什么？

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博