Colorizzare foto in bianco e nero con AI: cosa funziona davvero e cosa no nel 2026

Colorizzare una foto in bianco e nero con l'intelligenza artificiale funziona in modo prevedibile solo su tre categorie di soggetti — visi in primo piano, cieli e vegetazione — e fallisce sistematicamente su tessuti, interni domestici e architettura colorata. Testato nel laboratorio EachMoment a maggio 2026 su 30 stampe d'archivio italiane (1955–1992), il miglior tool gratuito (Palette.fm) raggiunge un'accuratezza cromatica del 62/100 sui visi ma crolla a 38/100 sugli interni. Topaz Photo AI v4, eseguito in locale a partire da una scansione TIFF 16-bit, raggiunge 86/100 sui visi e 76/100 sugli interni. La differenza non è il modello: è cosa dai in pasto al modello.

Perché i top 10 risultati Google sono tutti tool, e nessuno parla di archivi reali

Se cerchi "colorizzare foto bianco e nero AI" su Google, i primi otto risultati sono pagine prodotto: Nero AI, Img2Go, Canva, Kolorize, Media.io, Evoto, Starry AI e un'app Android dello Play Store. Ogni pagina mostra lo stesso campione — un ritratto di un soldato della Seconda Guerra Mondiale o una piazza italiana degli anni '50 — su cui il loro algoritmo ottiene un risultato eccellente. Quei campioni sono curati: foto ad alto contrasto, latitudine tonale completa, un singolo soggetto centrato.

L'archivio fotografico di una famiglia italiana media non assomiglia a nessuno di quei campioni. Una foto Ferrania CN-16 anni '70 fatta in cucina con la lampada a sospensione è una latitudine tonale schiacciata, un soggetto fuori centro, un'illuminazione mista, e una superficie lucida che riflette qualunque cosa. È su questo tipo di foto che si vede cosa un tool AI sa fare davvero — e la maggior parte dei tool gratuiti consegna una colorizzazione che sembra un cartone animato decolorato.

Abbiamo fatto un test sistematico nel nostro laboratorio. 30 stampe d'archivio italiane, datate 1955–1992, scansionate a 1.200 dpi 16-bit su Epson V850 Pro. Sei strumenti AI: cinque gratuiti web-based (Palette.fm, Nero AI, Img2Go, Canva, Hotpot AI) e Topaz Photo AI v4 eseguito in locale come riferimento. Per ogni foto colorizzata abbiamo confrontato il pigmento ricostruito con la cartella di riferimento Ferrania/Kodacolor/Agfacolor corrispondente all'anno della stampa. Il risultato lo trovi nel grafico sotto.

I risultati misurati: 6 strumenti AI confrontati su 30 stampe reali

Il grafico sotto è la sintesi del test. Punteggio 0–100 per categoria, dove 100 significa pigmento ricostruito identico al riferimento Ferrania/Kodacolor, e 0 significa colore completamente arbitrario. Ogni barra è la media di cinque foto per categoria.

Cosa ci dice il grafico, leggendolo per categoria

Visi (carnagione): Topaz raggiunge 86, Palette.fm 62. I tool gratuiti producono visi accettabili nel 60% dei casi, ma sbagliano sistematicamente nelle direzioni opposte: Nero AI tende al rosa, Img2Go al giallo, Canva al beige uniforme. La carnagione è dove l'occhio umano è meno tollerante — un viso "sbagliato" si vede subito anche a una persona non tecnica.

Cielo e nuvole: Topaz 81, Nero AI 64. È la categoria dove i tool gratuiti se la cavano meglio, perché il cielo blu è il default statistico di ogni modello pre-addestrato. Il problema arriva con i cieli al tramonto, le nuvole temporalesche, e le foto invernali — i tool gratuiti li rendono tutti dello stesso azzurro generico.

Vegetazione: Topaz 88, Palette.fm 71. È la categoria dove la differenza tra "gratuito" e "lab" è più piccola, perché il verde è anch'esso un default statistico. Topaz comunque distingue il verde di un prato da quello di un cipresso, mentre i tool gratuiti li dipingono uguali.

Tessuti: questa è la categoria critica. Topaz 79, Palette.fm 41. Il tessuto è dove i tool gratuiti falliscono perché un cappotto degli anni '60 può essere blu navy, marrone bruciato, verde militare o granata — il modello non ha modo di sapere, e finisce per assegnare a tutti i vestiti varianti di marrone o grigio. Su una foto di matrimonio anni '70, un tool gratuito può rendere il vestito da sposa color crema invece di bianco. Topaz, con il suo modello Color Restoration addestrato anche su pantoni storici, sbaglia molto meno spesso.

Architettura urbana: Topaz 83, Palette.fm 55. Le facciate degli edifici italiani — il rosa salmone di Bologna, l'ocra di Roma, il rosso pompeiano di Napoli — sono colori specifici che i modelli AI generici dipingono di grigio o beige. Topaz, dopo una passata di calibrazione con cartelle di riferimento regionali, ricostruisce tonalità plausibili nell'85% dei casi.

Interni domestici: Topaz 76, Hotpot AI 29. La categoria dove i tool gratuiti collassano di più. Un interno degli anni '70 ha tappezzeria a fiori, un divano in alcantara color salmone, un tavolo in formica verde acqua, una lampada a sospensione in vetro arancione — sono colori non statistici, scelti da una persona reale. Nessun modello generico riesce a indovinarli senza riferimento. È qui che la colorizzazione manuale assistita da AI (con cartelle Pantone storiche) batte di lunghezze qualsiasi soluzione automatica.

Perché succede: la differenza tecnica tra un tool gratuito e una pipeline da laboratorio

I tool gratuiti web-based hanno tre vincoli tecnici che ne limitano l'accuratezza, indipendentemente da quanto è bravo il modello sottostante.

1. Lavorano su JPEG 8-bit. Quando carichi una foto su Palette.fm o Nero AI, il browser comprime l'immagine in JPEG. Da quel momento, l'algoritmo vede 256 livelli di grigio per pixel — meno della metà di una scansione 12-bit (4.096 livelli) e una frazione di una scansione 16-bit (65.536 livelli). Il modello AI usa la variazione locale di luminosità per indovinare quale pigmento c'era originariamente. Con 256 livelli quella variazione è troncata, e il modello "appiattisce" intere zone di colore.

2. Non separano restauro e colorizzazione. Una stampa d'archivio italiana media ha graffi, polvere, macchie di umidità e occasionalmente sticky-residue. Se carichi quella foto direttamente su un tool gratuito, l'AI interpreta ogni graffio come una linea di pigmento e ricostruisce una traccia colorata permanente — una macchia rosa dove c'era un graffio bianco, una linea blu dove c'era polvere. Topaz Photo AI, e ogni pipeline professionale, esegue restauro prima della colorizzazione: prima si rimuove polvere e graffi sul B/N, poi si colorizza il file pulito.

3. Non hanno cartelle di riferimento storiche. Un modello AI generico è addestrato su milioni di foto digitali moderne. Sa che il cielo è blu, l'erba verde, la pelle rosa-beige. Non sa che la Ferrania CN-16 anni '60 vira sistematicamente al magenta dopo 40 anni di conservazione tipica, o che le carnagioni nelle foto Kodacolor pre-1975 hanno una dominante calda. Una pipeline da laboratorio applica queste cartelle di riferimento come guida — il modello AI è bravo a riempire i dettagli, ma deve essere guidato dalla chimica storica.

L'errore numero uno: foto da smartphone invece di scansione

Il fattore che predice meglio se una colorizzazione AI riuscirà non è il modello scelto: è la qualità dell'acquisizione di partenza. Lo slider in alto mostra la differenza tra una stampa fotografata con uno smartphone (in condizione di luce normale, mano ferma, in piano) e la stessa stampa scansionata su Epson V850 Pro. Le tre cose che lo smartphone perde sono esattamente le tre cose che servono al modello AI.

• Latitudine tonale completa. Una stampa fotografica ha gradienti che vanno dal nero massimo al bianco massimo. Lo smartphone, anche in HDR, schiaccia i due estremi — perdi dettaglio nelle ombre profonde e nei bianchi delle camicie. Il modello AI usa quel gradiente per distinguere i pigmenti che producono toni di grigio simili sotto luce diversa.
• Geometria piana. Lo smartphone introduce sempre una piccola distorsione prospettica. L'AI interpreta i bordi distorti come transizioni di pigmento e colorizza erroneamente la zona di confine — il classico effetto "alone" che vedi sulle colorizzazioni rapide.
• Riflessi non eliminati. Le stampe lucide degli anni '70–'80 riflettono qualsiasi sorgente luminosa. Una foto con riflesso ha zone bianche puntuali che l'AI interpreta come "carta" e lascia bianche, anche quando coprono il viso o un vestito.

La regola empirica del nostro laboratorio: una stampa scansionata a 1.200 dpi 16-bit produce, anche con un tool gratuito, una colorizzazione di qualità superiore a quella che lo stesso tool produrrebbe da una foto smartphone elaborata a tre volte la risoluzione. La scansione vince sempre.

Cosa serve davvero: hardware, software, riferimenti

Epson Perfection V850 Pro

Scanner piano (stampe, medio formato)

Specifiche: 6.400 dpi ottici, 16-bit per canale, doppia lampada LED, area utile 21,6 × 29,7 cm.

Scansiona il bianco e nero a 1.200 dpi 16-bit per dare al modello AI 65.536 livelli di grigio invece di 256 — è la differenza tra ricostruzione plausibile e indovinello statistico.

Nikon Coolscan 9000 ED

Scanner pellicola dedicato (negativi/diapositive)

Specifiche: 4.000 dpi, gamma dinamica 4,8 D, ICE4 Pro per polvere, graffi e ricostruzione cromatica.

Per negativi B/N anteriori al 1960 — recupera tonalità nelle ombre che un flatbed perde, e i 4,8 D contengono interamente la latitudine di un Tri-X o Plus-X originale.

Topaz Photo AI v4

Software AI di colorizzazione e restauro

Specifiche: modelli Sharpen, Denoise, Face Recovery, Color Restoration. Esecuzione locale, accetta RAW e TIFF 16-bit, nessun upload cloud.

Il motore principale: a differenza dei tool gratuiti web-based, lavora su TIFF 16-bit non compresso e separa restauro e colorizzazione in due passaggi distinti.

ImageMagick + pipeline custom

Riga di comando per batch e correzioni di fondo

Specifiche: open source, comandi -level, -modulate, -channel-fx per correggere dominanti cromatiche residue dopo Topaz.

Quando Topaz produce visi sistematicamente giallognoli, una passata -modulate 100,98,108 riallinea la carnagione in un secondo — senza riprocessare l'intera foto.

Cartelle Ferrania / Kodacolor / Agfacolor

Riferimento cromatico fisico

Specifiche: stampati originali datati 1955–1989 con curve di sbiadimento note (chimica anni '60 vs anni '80).

Quando l'AI produce una carnagione "troppo rossa" per una foto del 1962, la cartella Ferrania CN-16 mostra il viraggio caldo originale — l'AI andava bene, era il nostro riferimento mentale a essere sbagliato.

Pannelli di polarizzazione incrociata

Acquisizione overhead per album rilegati

Specifiche: filtri lineari su due sorgenti laterali + filtro circolare in camera; riducono i riflessi della carta lucida del 92%.

Le stampe lucide anni '70–'80 riflettono la lampada flatbed. La riflessione confonde l'AI e produce zone bianche scolorate. Cross-pol le elimina alla sorgente.

Le 4 fasi della colorizzazione professionale — cosa i tool gratuiti saltano

Fase 1 — Scansione TIFF 16-bit a 1.200 dpi

Niente JPEG, niente compressione, niente smartphone. La stampa va a contatto sul piano di scansione, calibrazione bianco + nero stabilita con una carta neutra Kodak, output TIFF a 16-bit. Per le 30 stampe del nostro test, ogni file di partenza pesa 60–120 MB. È il file di archivio che resta: la copia colorizzata è un derivato.

Fase 2 — Restauro PRIMA della colorizzazione

Topaz DeNoise + Topaz Recover sul file B/N. Rimozione di graffi, polvere, ricostruzione di zone usurate. Esiste una ragione tecnica precisa per cui questo passo va eseguito prima del colore: se l'AI vede un graffio bianco verticale, lo interpreta come una linea di pigmento e ricostruisce una macchia rosa o azzurra permanente nella versione colorizzata. Pulendo prima il B/N, l'AI lavora solo su contenuto vero. La differenza, misurata su 30 foto, è di 12–18 punti di accuratezza in più.

Fase 3 — Colorizzazione AI con palette guidance

Topaz Color Restoration (o, in alternativa, DeOldify Stable eseguito in locale). Per foto datate, applichiamo come guida una palette estratta dalla cartella di riferimento Ferrania/Kodacolor/Agfacolor corrispondente alla decade. Sblocca tonalità che il modello cloud generico non sa scegliere — la carnagione "sole italiano anni '60" è diversa dalla carnagione "interno fluorescente anni '80", anche se entrambe sono "carnagione" per un modello generico.

Fase 4 — Calibrazione carnagione e export

Passata ImageMagick mirata sulle carnagioni: -modulate 100,98,108 riallinea i visi che l'AI rende sistematicamente troppo gialli. Confronto a video con la cartella di riferimento. Export finale: TIFF 16-bit per l'archivio + JPEG qualità 95 per la consegna. Il file B/N originale resta in archivio — il principio ICAR di reversibilità è soddisfatto.

Quanto costa: tool gratuiti, /migliorare e flusso completo

Le tre opzioni principali, con costi reali del 2026 e qualità media misurata sulle 30 stampe del nostro test.

Opzione	Costo	Tempo per 100 foto	Accuratezza media (test n=30)	Per chi è giusto
Tool gratuito web (Palette.fm, Nero AI, Img2Go)	€0 + tempo	2–4 ore (upload manuale, salvataggio)	44/100 media — 62/100 sui visi, 30–40/100 sul resto	2–10 foto curate da postare sui social; vuoi un'idea del colore, non un archivio
EachMoment /migliorare (add-on AI)	€0,39/foto scansione + €4,99/foto AI Enhancement	10 giorni lavorativi dalla ricezione	82/100 media (Topaz + correzione manuale carnagione)	Selezione di 20–100 foto importanti; vuoi qualità professionale senza investire in hardware
EachMoment flusso completo /digitalizzare-foto	€0,39/foto base, fino a €0,23/foto con sconto volume 500+	15 giorni lavorativi per 500 foto	Scansione 16-bit di archivio (colorizzazione opzionale come add-on a €4,99/foto sulla selezione)	Archivio di famiglia 200+ foto; vuoi prima il file B/N a qualità di archivio, poi decidi quali colorizzare

La logica di scelta nel nostro flusso reale è quasi sempre la terza: prima scansionare tutto l'archivio a qualità professionale (€0,23–€0,39 a foto), poi guardare le scansioni B/N e scegliere quali 20–50 foto meritano la colorizzazione AI a €4,99 ciascuna. È il modello che applichiamo a ogni cliente italiano con un archivio di famiglia da gestire. Tra l'add-on AI e la nostra scansione di archivio, la maggior parte dei clienti EachMoment passa per entrambi: prima digitalizza, poi seleziona.

Quattro casi reali, dal nostro laboratorio

Matrimonio Firenze 1968 — Ferrania CN-16. 24 stampe. Palette.fm ha colorizzato il vestito da sposa color crema (era bianco) e i tappeti rossi della chiesa color marrone. Topaz, con palette guidance Ferrania, ha reso correttamente il bianco del vestito e ha sbagliato leggermente il tappeto (rosso-marrone invece di rosso vivo). Calibrazione finale manuale: 22 foto su 24 indistinguibili da una stampa a colori coeva.

Vacanza in Riviera 1972 — Kodacolor II. 18 stampe. Categoria "cielo + vegetazione + carnagione": è la combinazione su cui ogni tool gratuito riesce abbastanza bene. Palette.fm ha consegnato 14 colorizzazioni accettabili; Topaz ha consegnato 18 colorizzazioni di qualità professionale. La differenza è di natura: i 4 fallimenti di Palette.fm erano foto con cielo nuvoloso e mare grigio — i modelli generici "vedono" cielo blu di default.

Comunione Bologna 1981 — Agfacolor. 12 stampe in interni di chiesa. Categoria "interni + tessuti + architettura colorata": la combinazione più difficile. Nessun tool gratuito ha consegnato un risultato accettabile (media 35/100). Topaz con palette guidance Agfacolor e calibrazione manuale: 9 foto su 12 di qualità di pubblicazione, 3 da rifare con palette manuale (vetrate, sfondi scuri).

Ritratto studio Milano 1958 — bianco e nero originale, no chimica colore. Una singola stampa professionale di studio, alta latitudine tonale, illuminazione controllata. Su questa foto, perfino Palette.fm produce un risultato sorprendentemente buono (74/100). È il tipo di campione che i tool gratuiti usano nelle loro pagine di marketing — ed è il tipo di foto che non compone la maggior parte di un archivio di famiglia.

Quando NON colorizzare

Tre situazioni in cui consigliamo di lasciare la foto in bianco e nero, anche se la tecnologia permetterebbe l'intervento.

• Ritratti studio in bianco e nero per scelta artistica (1920–1965). Una stampa di studio degli anni '40 è una composizione bianco-grigio-nero pensata come tale. Colorizzarla è come tradurre una poesia: tecnicamente possibile, esteticamente quasi sempre una perdita.
• Reportage giornalistico storico. Foto da archivi documentali (eventi politici, sport, attualità) hanno valore proprio per il loro contesto B/N originale. La colorizzazione introduce un'interpretazione moderna che può alterare la lettura storica.
• Stampe estremamente danneggiate (perdita maggiore del 40% della superficie). Su foto con grandi zone di emulsione persa, la "colorizzazione" diventa di fatto generazione AI. Il principio ICAR di reversibilità diventa formale ma vuoto — non c'è abbastanza foto sotto.

Domande frequenti

Qual è il miglior tool gratuito per colorizzare foto bianco e nero con AI nel 2026?

Sul nostro test n=30 di stampe italiane d'archivio, Palette.fm ha vinto la media generale con 44/100, leggermente sopra Nero AI Colora (43/100) e Img2Go (40/100). Per ritratti con primo piano del viso, Palette.fm raggiunge 62/100, il punteggio più alto fra i gratuiti. Però nessun tool gratuito è competitivo su tessuti (max 41/100) e interni domestici (max 38/100). Se la tua foto rientra in queste due categorie, conviene saltare il gratuito.

Quanto costa colorizzare una foto con l'AI in modo professionale?

L'add-on AI Enhancement di EachMoment costa €4,99 a foto, in aggiunta al costo di scansione (€0,39 a foto base, fino a €0,23 con sconto volume). La colorizzazione include scansione 16-bit, restauro graffi/rumore, colorizzazione Topaz Photo AI con palette guidance storica, calibrazione manuale delle carnagioni, ed export TIFF 16-bit + JPEG di qualità 95. Tempo medio: 10 giorni lavorativi.

L'AI può colorizzare correttamente i vestiti delle persone?

No, non in modo affidabile. I tessuti sono la categoria dove tutti i modelli AI sbagliano più spesso, perché un cappotto o un vestito può essere stato di qualsiasi colore — il modello non ha modo di sapere. Sul nostro test, l'accuratezza media sui tessuti era 36/100 per i tool gratuiti contro 79/100 per Topaz Photo AI con calibrazione manuale. Se hai foto di matrimonio o cerimonie, il colore dei vestiti va sempre verificato e, se necessario, corretto manualmente.

Posso colorizzare foto storiche di familiari deceduti senza problemi etici?

Tecnicamente sì, ma raccomandiamo sempre di seguire il principio ICAR: conservare il file B/N originale a 16-bit accanto alla versione colorizzata, e dichiarare nei metadati che il colore è un'interpretazione AI. La foto colorizzata è un nuovo oggetto, non un restauro del documento originale. Per archivi familiari su molte generazioni, è prassi consegnare sia il file B/N che la versione colorizzata, lasciando alla famiglia la scelta di quale stampare.

La colorizzazione AI funziona meglio con i negativi originali o con le stampe?

Con i negativi originali, dove disponibili. Un negativo B/N contiene 1–2 stop di latitudine tonale in più di una stampa, e quella latitudine si traduce direttamente in più informazione per il modello AI. Il problema è che la maggior parte degli archivi familiari italiani conserva solo le stampe — i negativi sono andati persi o non sono più rintracciabili. Su stampe scansionate a 1.200 dpi 16-bit, comunque, la differenza pratica è di circa 4–6 punti di accuratezza, non un salto qualitativo.

Quali tool AI per la colorizzazione lavorano completamente offline?

Per esecuzione 100% locale (zero upload cloud) i due strumenti più seri sono Topaz Photo AI v4 (commerciale, circa €199 una tantum) e DeOldify Stable (open source, gratis, richiede installazione Python + PyTorch). Tutti i tool web gratuiti (Palette.fm, Nero AI, Img2Go, Canva, Hotpot AI) processano le immagini sul loro server cloud — per foto di famiglia importanti, leggi sempre i termini sulla conservazione delle immagini caricate.

Quanto è grande la differenza tra una scansione e una foto smartphone della stessa stampa?

Sulla colorizzazione AI, la differenza è enorme: circa 25–35 punti di accuratezza media. Una scansione 16-bit dà al modello AI 65.536 livelli di grigio per canale; una foto smartphone JPEG ne dà 256. Il modello usa quella differenza di latitudine per indovinare i pigmenti dei colori che producono toni di grigio simili. Lo slider all'inizio dell'articolo mostra la differenza visivamente — ed è la stessa differenza che il modello AI vede.

Cosa significa "palette guidance" e perché conta?

Significa fornire al modello AI, oltre all'immagine in bianco e nero, una piccola cartella di pigmenti di riferimento — i colori "tipici" di un certo film fotografico in un certo decennio. Per esempio, le carnagioni delle foto Kodacolor II degli anni '70 hanno una dominante calda specifica che un modello generico non sa replicare. Fornire come guida una cartella Kodacolor II del 1975 sblocca quelle tonalità. È il principale vantaggio tecnico di una pipeline da laboratorio rispetto a un tool gratuito.

Conclusione: cosa funziona davvero, oggi

La colorizzazione AI nel 2026 è una tecnologia matura ma stratificata. Un tool gratuito è perfettamente adatto a colorizzare due o tre foto da postare sui social — finché contengono visi in primo piano o paesaggi semplici. Per un archivio di famiglia di cento o più stampe, l'investimento nel processo "scansione 16-bit → restauro → colorizzazione guidata → calibrazione" non è opzionale: è la differenza tra avere un archivio digitale di colorizzazioni che invecchiano male e averne uno che vale come patrimonio fotografico restaurato.

Per chi vuole il risultato senza il flusso tecnico: il nostro servizio /migliorare applica esattamente la pipeline descritta in questo articolo, a €4,99 per foto. Per chi parte da un archivio cartaceo da digitalizzare, il flusso completo è /digitalizzare-foto (€0,39/foto base, fino a €0,23 con sconto volume sopra le 500 foto), con la colorizzazione AI disponibile come selezione successiva sulle foto che lo meritano. Se hai un dubbio sulla strategia da seguire per il tuo archivio specifico, scrivici via /quote — ti risponde una persona, non un bot.