GPT Image 2 出图色彩断层（banding）怎么修：先分清是模型生成的还是导出引入的

这份问答来自一个日常做产品图的小工作室：AI 出基底、Photoshop 收尾。色彩断层（color banding）是这条流水线上最常被问的一类翻车——渐变区裂成一道道台阶，改 prompt 重生成十次也不见得能好。

先把证据口径说清楚：下面 9 个问题里不会出现返工率、失败率之类的内部数字，那是你没法验证的业务数据。每一条判断要么来自公开标准（JPEG 的编码方式、8 位色深的算术），要么给出你自己就能跑一遍的对照实验。你不用信我，可以自己验。

Q：GPT Image 2 出的图渐变区出现阶梯状色带，是模型的问题吗？

不一定，而且很可能不是。色带有两个来源，长得一模一样，病因却可能完全无关：一是模型生成阶段的色阶不足——渐变落到 8 位整数像素上时，相邻像素的真实差值不足一个色阶，一整片被舍入到同一个值，跟着突然跳一阶；二是导出与压缩环节引入的——8 位位深、有损压缩、色彩空间往返，每一道都可能把平滑过渡再切一刀。第二类根本不是模型的锅，而很多人一直在朝模型那个方向修。先分清来源再动手，比多花几张积分值钱。

模型这一侧的机制，坦白说猜的成分居多——GPT Image 2 内部怎么解码、在哪一步落到 8 位，官方没有公开。一个可能的解释是：连续色彩被量化成 8 位整数时，色彩变化极慢的区域（天空、柔光背景、金属高光、屏幕黑场）相邻像素的真实差值本来就不到一个色阶，量化之后一大片被压到同一个值。这个解释和现象对得上，但你没法验证它，我也没法，所以它只当参考，不当判据。

图注：断层只在平滑渐变上显形。

导出这一侧完全不同：公开、可证、你自己能复现。它该是排查的第一站——不是因为更常见（这个我没有数据），而是因为它是唯一一个你几分钟内就能确证或排除的。

色带在 高清档 5 类常见翻车 里只占一小段，值得单独拆开讲：它几乎是唯一一类”病症一模一样、病因可能完全无关”的翻车。

Q：怎么判断色带是模型生成的，还是导出压缩时才出现的？

做一次无损对照。把同一张图另存成无损 PNG，跟你手上那份有色带的导出件放到 100% 看同一块区域：色带在无损 PNG 上仍然在，是模型侧；只在导出件上有、PNG 上干干净净，是导出侧。这个对照不用专业设备，也不用相信任何人的经验，你自己几分钟就能定案。做之前先排除显示端——换一块屏幕或换个看图软件再看一眼，6 位面板的显示器本身就会在浅灰渐变上起条纹，那不是图的问题。

图注：这个对照你自己就能跑。

顺序不能乱：先排除显示端，再做无损对照，怀疑模型是最末一步。多数人是倒着来的，一上来就改 prompt。还有个坑：很多人拿来当”原图”的那份其实已经是一张 JPG 了。要比的是链条的头和尾，不是中间随便捡一份。

格式转换用 图片格式转换与压缩工具 就够：同一张源图，转成不同格式、不同质量档，放到 100% 比同一块渐变区。它跑在你自己浏览器里，图片不上传服务器，注册后免费、不限次数。

Q：JPEG 压缩为什么会凭空长出色带？看边界形状能不能判断？

JPEG 把图像切成 8×8 的像素块做离散余弦变换（DCT），再按量化表丢弃高频系数——这是 JPEG 标准（ITU-T T.81）里写死的，不是玄学。平坦渐变区几乎没有高频信息，量化之后整块塌到接近同一个值，块与块之间就出现硬边，所以有损压缩的伪影经常带块状结构。但边界一定方正、间距一定是 8 的整数倍这种说法过绝对：实际形状还受量化表、色度抽样、图像内容、是否多次重编码共同影响，再叠一次缩放，8 像素的网格就对不齐了。边界形状只能当线索，判据是上一问的无损对照。

色度抽样最容易被漏掉：4:2:0 下色度采样率只有亮度的一半，所以亮度几乎不变、只有色相在缓慢过渡的渐变（很多品牌背景就这样）会格外容易断，这跟模型一点关系都没有。

Q：为什么有的渐变特别容易断？

跟颜色是浅是深没关系，跟这段渐变能用到几级色阶有关系。8 位每通道只有 256 级：一段从 #F0F0F0 到 #FFFFFF 的渐变，两端之间只剩 16 级可用；一段从 #303030 到 #F0F0F0 的渐变，可用色阶有 192 级。同样铺在一块 2400 像素宽的背景上，前者平均每一级要撑 150 像素，后者只要 12.5 像素——一级色阶跨越的物理距离越大，人眼越容易把它看成一条边。所以真正的三个变量是：色值跨度有多窄、这段渐变在画面上铺多长、过渡区有没有纹理打掩护。浅色只是窄跨度里最常见的一种情况，不是原因本身。

这条算术推出来一个扎心的结论：画面越”高级”越容易断——大面积留白、克制的浅灰过渡，审美上越干净，可用色阶越少，白机身配浅灰背景恰好落在最容易断的那一格里。

至于画幅到多少一定会断，没有这样的阈值。2400 像素只是拿来做算术的一个数，换成你自己的画幅重算就行；把图铺到 100% 看一眼，比背任何阈值都准。

Q：导出这一侧具体怎么修？

回到无损源文件重做一遍导出，接着盯三处：质量档位、二次压缩、平台再压一次。这里不给硬阈值——质量 80 以下必现色带这种话不成立，不同编码器、不同量化表、不同图像内容的临界点都不一样。可靠的做法是拿你自己那张图跑一次 A/B：同一张无损源图，导出成几个不同质量档、不同格式，放到 100% 比同一块渐变区，你这张图的档位几分钟就定得出来。再给平台的二次压缩留点余量，客户那边的 CMS 很可能还会压一道。

三处里最坑的是二次压缩，因为它不可逆。先导一张 JPG、改个尺寸、再导一张 JPG，第二次量化叠在第一次的伪影上，色带就被永久锁进文件里，之后怎么修都是在修一张坏掉的图。规矩很简单：中间环节一律用无损格式存，只在交付的那一道导有损。这条比调质量档位值钱。WebP、AVIF 在同等体积下通常能给平坦区留更多余量，值得先试，但别当银弹——它们同样是有损编码。

Q：重生成能修好 banding 吗？prompt 该怎么改？

只对模型侧那一类有效，而且它是所有办法里最不可控的一条。在 prompt 里写一句背景平滑无色带基本没用——你是在跟一个不按你说的位深做事的系统讲话。真正有效的方向只有一条逻辑：别让画面里出现大面积、无内容、慢速的渐变。三个改法都是从这条推出来的——给渐变区找点活干，缩短渐变的行程，改构图把大平面赶出画面。它们改的都是画面结构，不是在求模型高抬贵手。

• 给渐变区找点活干。 让金属外壳带一点拉丝纹理，让背景带一点极轻的织物质感或环境反射，让屏幕黑场带一点关屏灰而不是纯黑——有真实微结构的地方，像素值天然在跳动，台阶被自己盖住了。这一招对硬件产品图几乎是白送的：真实的产品本来就有这些微结构，写进 prompt 只是把它要回来。
• 缩短渐变的行程。 把”整幅从白渐到深灰”改成”局部小范围渐变 + 大面积平色”。色阶预算是固定的，让它撑的距离越短越安全——上一问的算术讲的就是这件事。
• 改构图，把大平面赶出画面。 机位压低、加一件道具挡掉一部分背景、让产品占得更满。大面积柔光背景是色带的温床，别给它那么大地盘。

还有一条：重生成两次色带仍落在同一个位置，说明它由构图和光照决定，继续重生成是在赌一个不会变的变量。

Q：加噪抖动（dithering）到底怎么加？8 位下能不能加？

能加，抖动这项技术本来就是为量化输出服务的。它的原理是在量化前后打散像素取值，让相邻两级色阶交错混合，人眼在正常视距上把它们平均成中间值，硬台阶就被拆成了细噪点。PNG-8 导出面板里的仿色扩散、Photoshop 渐变工具里的仿色勾选框，做的就是这件事，而它们全都工作在 8 位输出上。所以“8 位不能抖动，因为抖动也会被量化”这个说法是错的：抖动的存在意义正是在有限位深下打散色带，它不是要绕开量化，它就是为量化准备的。

那为什么还要转 16 位？这是两件事，很多人搅在了一起。转 16 位防的是调色时的累积舍入：8 位下每拉一次曲线，结果都要重新落回 256 级，误差一轮一轮叠加，梳齿越拉越大。在 16 位里把调色做完，末了一次性转回 8 位（转换时让软件顺手抖一次），全程只量化一次。

实操上有两点。一是范围：只在断层出现的区域加，选区羽化开，别全图撒——全图加噪的后果是主体质感被磨平，客户看不出你修好了背景，只看得出产品变糙了。二是量：没有通用安全值，多少算脏取决于画幅、观看距离和输出介质（进印刷的稿子更保守，油墨会把噪点再放大一档）。在 100% 视图下自己比，从很小的量往上加，加到台阶刚好看不见就停手。

图注：只圈断层区，别全图撒。

Q：既然是 8 位的锅，能不能让模型输出 16 位？

不能，这条边界要讲准。截至 2026 年 7 月，在图叮上跑 GPT Image 2 拿到的成品是 8 位每通道的常规位图（PNG / JPEG / WebP），没有 16 位这一档，具体以官方最新文档为准。量化在文件交到你手上之前就已经发生完了——你把这张 8 位图转成 16 位，不会凭空长出色阶来，丢掉的那些级是永久丢了。转 16 位只防一件事：你后续修图往返时的二次撕裂。它救的是你的操作，救不了模型的输出。

网上流传的”用 16 位就没有 banding 了”，这话在相机拍的 RAW 上成立——RAW 本来就带着 12 到 14 位的原始色阶，转 16 位是如实带进来。在 AI 出图上不成立，源头位深已经定死在 8 位。所以姿势是：拿到 8 位图先转 16 位，调色做完再转回 8 位导出。断掉的过渡想补回来，只有重绘，没有捷径。

Q：什么时候该停手，直接进 PS 手工修？

三个信号。一，色带骑在主体上：金属高光的过渡、屏幕的背光辉光、灯带的光晕——这些地方一撒噪点产品质感就脏了，加噪这条路直接堵死。二，同一个 prompt 重生成两次仍断在同一个位置：那由构图和光照决定，继续赌一个不会变的变量没有意义。三，交付时间已经不够再跑一轮。这三条本质上是成本判断，不是技术判断——手工修一处渐变要花的时间可预期，重生成不可预期。

手工修的做法：用色彩范围选出断层区，羽化，新建一层用渐变工具（把仿色勾上）画一条干净的渐变盖上去，混合模式改成”颜色”，或者加蒙版擦出来。慢，但结果可控——可控的慢好过不可控的快，这正是它在时间紧时反而更优的原因。

修完通常还要接一轮整体精修，把光影、边缘和质感统一回来，这套接力工序在 AI 出基底、PS 接管精修的接力流程 里写得比较细。想在 Photoshop 里直接调 AI 能力（局部重绘、扩图、质感重建），可以走 图叮的 PS 插件，省掉图片来回导出的那几步；这类 AI 功能归会员套餐管，注册送 50 张试用，订阅之后无限生成。

色带是那种”看着是一个问题、其实是两个问题”的毛病。分清来源之后，修起来往往比想象中便宜——很多时候不是多花积分，而是少压一次 JPG。

如果你按上面的无损对照做完仍然分不清，把 100% 的截图发到图叮官网右下角的客服会话里。碰到这里没覆盖的病因也欢迎丢过来，我们会补进这份问答。