这次我们不看本地部署也不聊显存占用直接讲一个绝大多数电商设计场景都能用的云端生图模型GPT-image-2。简单说它就是用来生成图片的 AI 模型你给它一段自然语言描述它给你返回图。和 Stable Diffusion 那种需要本地显卡、自己调参、自己写 ControlNet 的玩法不同GPT-image-2 走 API 调用普通办公电脑就能跑中文提示词也吃得比较稳。如果你正在做电商设计日常要处理商品主图、详情页配图、活动海报、社媒素材那这篇文章建议多看一会儿。我会把提示词结构拆开给你一套可以直接改字段的电商提示词模板再带上文生图、图生图、批量调用的 Python 示例最后给出质量优化和常见报错排查。整体目标只有一个让你拿到提示词就能出图而不是看完概念还是不知道怎么写。先说结论GPT-image-2 适合电商党但不是让你完全脱离 PS。它是把“出图”和“改图”这两步提速让你从一张白图开始反复试版式、试场景、试风格。真正要落地上架文字排版、细节修图、平台合规检查还是需要人工过一遍。接下来直接进入正题。1. GPT-image-2 核心能力速览能力项说明模型类型云端图像生成模型通过 API 调用接入方式官方 API / 兼容 OpenAI 接口的服务商硬件要求不需要本地 GPU普通办公电脑即可主要能力文生图、图生图、图片编辑、多图风格统一提示词风格自然语言对话式中文友好批量任务可通过 Python 脚本循环调用输出形式图片 URL 或 Base64 字符串按接口返回为准适合场景电商主图、详情页配图、海报、社媒素材、UI 预览图主要限制API 需要联网调用具体并发和频率限制以官方文档为准这里有个重点值得先说明这类图像模型属于“按量付费”的云服务没有本地显卡门槛但每次调用都会消耗 API 额度。所以它的使用逻辑和本地部署 SD 完全不一样——你不需要考虑显存和模型文件但需要考虑任务拆解和成本控制。后面讲批量任务时我还会再强调。2. 电商设计到底需要哪些生图能力做电商设计的人日常需求其实比较集中拆开看就是下面几类。第一类是商品主图。平台一般要求干净、主体突出最常见的就是白底图。AI 生成白底图最大的价值不是“画一个产品”而是当你只有产品概念图或效果图时可以快速生成一张接近棚拍效果的主图用来做前期提案和测款。第二类是场景化产品图。把水杯放到露营桌上把耳机放到夜景窗台这类“产品 场景”的图属于详情页顶部最常用的素材。以前要搭景、布光、请摄影师现在可以通过提示词在几分钟内看到氛围方向满意后再交给摄影师执行或直接精修使用。第三类是模特穿搭图。服装类目对模特图需求量很大但真人模特拍摄成本高、周期长。AI 生成模特图可以用来做款式图、颜色展示、风格搭配参考。这里必须强调生成模特图时不能仿冒真实素人或未经授权明星平台规则和肖像权问题要提前确认。第四类是促销海报。每逢大促节点电商运营都要做大量活动图。提示词可以直接生成“促销背景 产品 留白文字区”的底图再叠加排版文字。这是 AI 比较擅长的因为它不需要直接渲染文字规避了 AI 生成中文乱码的大坑。第五类是详情页配图。这类图通常不直接放长段文字而是以卖点视觉图为主。比如“产品细节特写 纯色背景”“使用场景 功能标注区域”。GPT-image-2 适合生成这种底部纯净的配图方便后期排版。第六类是社媒种草图和简单 UI 预览图。现在很多运营会自己做小红书图文、公众号头图甚至产品页面原型图。用 GPT-image-2 生成视觉参考速度远快于从 PSD 模板里找素材。这些能力并不是 GPT-image-2 独有但它和 Midjourney、Stable Diffusion 的区别在于MJ 重风格、重氛围但局部改图弱SD 重控制、自由度大但需要本地硬件和插件生态支持GPT-image-2 更接近“你说需求它出图你再提修改意见”的沟通方式适合反复改稿的电商场景。3. GPT-image-2 接入准备与基础调用GPT-image-2 属于云端 API 服务所以你需要准备的是 API Key 和调用环境而不是显卡。3.1 环境准备清单建议按下面的清单检查项目要求操作系统Windows / macOS / Linux 均可Python 版本建议 Python 3.9 以上Python 包requests 或 openai SDK网络环境能正常访问你所用 API 服务商的地址API Key在服务商平台创建并确认有图片生成权限磁盘空间不需要放模型但需要保存生成图片建议预留几个 GB这里有个容易忽略的点你拿到的 API Key 可能同时支持多种模型分别是文本、图片、视频等。调用图片生成接口时要在参数里写清楚模型名并确认这个 Key 对应账号已经开通图像生成权限否则会报“model not found”或 permission 错误。3.2 文生图基础调用先看一段最基础的文字生成图片示例。代码采用requests请求不依赖额外 SDK方便理解完整链路。import requests api_key sk-xxxx url https://api.example.com/v1/images/generations headers { Authorization: fBearer {api_key}, Content-Type: application/json } payload { model: gpt-image-2, prompt: 一张简洁的电商商品主图白色背景运动水杯自然光高清产品摄影, n: 1, size: 1024x1024, response_format: url } resp requests.post(url, jsonpayload, headersheaders, timeout120) if resp.status_code 200: data resp.json() print(data[data][0][url]) else: print(f请求失败: {resp.status_code}) print(resp.text)注意几个细节url是示例地址真实环境请替换成你的 API 服务商地址。不同服务商的路径可能不同以官方文档为准。model参数里写gpt-image-2如果你的账号后台显示的是其他模型标识改成实际值。size控制输出尺寸常见的是1024x1024有些服务支持1536x1024或1024x1536以文档为准。response_format如果改成b64_json返回的就是 Base64 字符串方便直接存图片文件不用再下载 URL。图片生成不是毫秒级操作建议把timeout设置在 120 秒以上否则容易误判超时。运行成功后你会在返回数据里拿到一张图片的 URL。下载保存图片的代码也很简单。import requests # 假设上面拿到了 image_url image_url data[data][0][url] img_resp requests.get(image_url, timeout60) with open(product_01.png, wb) as f: f.write(img_resp.content) print(图片已保存)到这里基础链路就跑通了。接下来重点不是调用而是怎么写提示词。4. 提示词基础结构与写作方法很多刚接触 GPT-image-2 的人会问一个问题提示词到底要写多长是像 SD 那样写一堆英文关键词还是像聊天一样描述场景从我接触到的信息看GPT-image-2 对自然语言的理解能力更强更适合“像给设计师下需求”一样写提示词。它不排斥英文 tag但中文长句效果通常也不差。比较稳妥的方式是给提示词做一个结构化拆解让模型知道“主体是什么、环境是什么、风格是什么、构图怎么排、有哪些限制”。4.1 六段式提示词结构你可以把提示词按这个顺序来写主体要生成什么东西颜色、材质、型号越具体越好。姿态或状态产品是正放、侧放、被拿在手里还是处于使用状态。场景白底棚拍、户外自然光、卧室窗台、咖啡馆桌面等。风格电商产品摄影、极简风、高级感、胶片感、3D 渲染等。构图与镜头居中构图、三分法构图特写、中景、俯拍、45 度角等。画质与限制高清、细节丰富不要阴影、不要文字、不要其他物体等。按这个顺序串起来即使只用三五句话模型也能抓到关键信息。4.2 从简单到完整的提示词示例先看一个偏简单的版本一个白色运动水杯纯白背景居中构图电商产品摄影高清画质这个提示词能用但输出会偏普通。想更贴近商业摄影效果可以扩展成下面这个版本一只哑光白色的运动水杯杯身有防滑硅胶圈杯盖带黑色提手放在纯白色拍摄台上背景是干净的白色顶部柔光箱灯光光线均匀杯身有轻微高光居中构图45度俯拍电商产品摄影风格细节清晰无文字无其他物体对比之下后者的画面信息更明确材质说了“哑光”配件说了“黑色提手”机位说了“45 度俯拍”光线说了“顶部柔光箱”。模型拿到这些信息后出图的成功率会高不少。4.3 负面表达技巧有些提示词写法在 SD 里是“负面提示词”比如nsfw, bad hands。GPT-image-2 这类模型同样支持用自然语言表达限制而且效果通常不错。你直接在提示词末尾写“无文字、无阴影、无多余物体、不要模糊”模型也能理解。不过要注意控制否定词的数量不要连续堆十几个“无”。更有效的做法是给出替代方案比如“不要阴影”改成“轮廓清晰环境光均匀”模型会更明确。4.4 电商提示词的通用模板把上面的结构整理成一个可复用模板后面所有场景都可以往里面填字段。【主体描述】【材质/颜色/细节】【摆放/动作状态】【场景环境】【光线条件】【构图机位】【摄影风格】【画质要求】【负面限制】例如一款深灰色保温杯磨砂材质杯盖是深棕色放在原木桌面上背景是模糊的咖啡馆环境自然侧光杯子处于画面右侧三分之一位置中景美食与产品摄影风格高清细节丰富无文字无杂物这个模板对大多数商品都适用只需要替换主体、场景和风格。5. 电商场景提示词合集与案例下面按电商常用的几个场景整理提示词。每个小节给模板和案例你可以直接复制替换里面的商品名和场景描述。5.1 白底商品图提示词白底图是电商平台最刚需的素材适合做主图、属性页、搜索结果图。通用模板【商品名称】【颜色/材质】纯白色背景商品居中顶部柔光无阴影整体曝光均匀电商产品摄影高清细节无文字无其他物体案例一只深蓝色陶瓷马克杯杯身有哑光釉面纯白色背景商品居中顶部柔光无阴影整体曝光均匀电商产品摄影高清细节无文字无其他物体这里的效果判断标准是背景干净、商品边缘清楚、颜色没有严重偏色。如果背景发灰可以提示词里加“背景纯白 RGB 255,255,255”或者“背景亮度均匀”。如果商品反光太重加“减少镜面反射哑光质感”。5.2 场景化产品图提示词场景图适合详情页首屏、品牌海报、广告投放素材。重点是“产品融进场景但产品本身不能被弱化”。通用模板【商品名称】放置在【具体场景】中【场景细节与环境元素】【光线方向与色温】【构图机位】【摄影风格】产品保持清晰醒目高清无文字案例一个军绿色露营折叠椅放在傍晚的露营地旁边有一盏暖黄色露营灯远处是帐篷和松树天空是深蓝到橙色的黄昏渐变侧逆光产品处于画面左侧中景氛围感户外产品摄影产品细节清晰高清无文字这类图最容易出现的问题是产品被背景抢戏。解决办法是在提示词末尾加强“产品清晰锐利背景适度虚化”或者用图生图方式把已有产品图贴进场景里后面第 6 节会讲。5.3 模特穿搭图提示词模特图是服装类目的主力素材使用时要特别注意授权和平台规则不要仿冒真实人物也不要使用未经授权的 logo。通用模板【服装型号/颜色/版型】穿在【模特特征】身上【模特姿态】【拍摄场景】【镜头与光线】【街拍/棚拍风格】全身照人物表情自然高清无文字案例一件米白色宽松 Oversize 西装外套搭配深色牛仔裤穿在一位年轻女性模特身上模特站在浅灰色水泥墙前自然站姿右手插兜眼神看向镜头全身照平视视角自然柔光极简风街拍高清无文字如果生成的模特面部或手部有问题可以在提示词里加“面部表情自然手指自然放松无畸形”。如果是服装卖家建议保留服装细节描述降低模特对商品的干扰。5.4 促销海报底图提示词电商促销海报通常需要“背景 产品 文字区域”。如果让 AI 直接生成带有中文文字的图乱码风险比较高更稳妥的是生成一张纯视觉底图预留文字排版区域到 PS 里叠加文案。通用模板【促销主题背景】【主视觉商品】放在【某个位置】【背景颜色与装饰元素】【光线氛围】【预留空白区域用于排版】现代电商海报设计高清无文字案例618 大促氛围背景红色到深红色渐变带有光束和微光粒子画面中心是一副无线运动耳机底部是产品展示台顶部留出大面积空白区域用于排版现代电商海报设计有冲击力高清无文字这个案例的重点是“顶部留出空白区域”和“无文字”这两个条件。得到底图后你把“618”和促销信息用设计软件排进顶部空白就行精准且不会乱码。5.5 详情页卖点图与 UI 设计稿提示词详情页里很多配图不需要文字而是用画面表达卖点。另外有一些前端开发者会让 GPT-image-2 生成 UI 设计稿或前端设计概念图然后再进入切图流程。这里需要提醒AI 生成的是位图不能直接当切图源但可以作为视觉稿、风格参考、素材底图使用。通用模板一张电商详情页卖点插图【核心卖点场景】无文字左侧展示产品细节右侧留出空白区域用于排版浅色背景统一简约风格高清案例一张电商详情页卖点插图展示保温杯的 24 小时保温效果左边是保温杯特写右边是一块留白区域背景是浅灰色到白色渐变画面简洁统一极简风格无文字高清如果你要做前端 UI 概念图可以换成一个移动端电商首页 UI 设计概念图顶部是搜索栏中间是轮播图区域下方是商品卡片网格整体配色以白色和橙色为主现代简洁风格画面干净无具体文字内容高清这里要注意生成出来的 UI 图是用来做概念稿、提案、风格参考的不是直接可交付的 HTML 页面。如果要做成可上线的页面还需要设计师在 Figma 或代码里重新还原。5.6 食品与美妆类目提示词食品类目核心是食欲感。提示词里建议明确“新鲜、多汁、热气、诱人”等词汇。美妆类目核心是质感和肤色自然。食品案例一份刚烤好的巧克力熔岩蛋糕放在白色陶瓷盘上蛋糕表面有轻微裂纹热巧克力微微流出旁边点缀新鲜草莓和薄荷叶背景是浅色木桌侧逆光特写镜头美食摄影色彩浓郁高清无文字美妆案例一支深红色哑光唇釉带微小水光质感放在浅米色大理石台面上背景是柔和奶油色旁边散落几片玫瑰花瓣柔光拍摄产品特写高级质感美妆产品摄影高清无文字这两类提示词通用的技巧是不要只写“好吃”“好看”这种抽象词要写具体的食物状态、光线方位、背景材质模型才有足够的细节生成画面。6. 图生图与商品图编辑GPT-image-2 不只支持文生图还支持图像编辑。这个能力对电商非常实用比如把一张刚拍好的产品图丢进去让它换成不同背景、改颜色、增加道具而产品主体不变。6.1 图生图适合做什么常见的电商图像编辑场景包括编辑需求说明背景替换白底图改成室内场景、户外场景、节日氛围背景产品换色同一款式生成多个配色用于选款增加道具在产品旁边加入植物、书本、咖啡杯等元素消除杂物把原图中的多余物品去掉让画面干净风格统一把多张商品图统一为同一套色调和风格这些操作如果用 PS 做需要大量时间和素材用图生图来做可以快速得到候选方案。不过要注意商品主体一致性是图生图的核心问题如果模型把产品形状改乱了建议把提示词里的“保持主体一致不要改变产品外形”写得明确一些。6.2 图生图接口调用示例不同服务商的图像编辑接口参数会有差异下面是一个通用模板核心结构是“上传原图 输入编辑指令 返回结果”。import requests url https://api.example.com/v1/images/edits headers { Authorization: Bearer sk-xxxx } files { image: open(product.jpg, rb) } data { model: gpt-image-2, prompt: 保留水杯的外形和颜色把背景换成夜晚窗台桌上放一本书暖黄色台灯灯光, size: 1024x1024 } resp requests.post(url, filesfiles, datadata, headersheaders, timeout120) if resp.status_code 200: result resp.json() print(result) else: print(f请求失败: {resp.status_code}) print(resp.text)运行后建议打开生成图与原图做逐项对比重点检查三件事产品外形是否保持原样。产品颜色是否出现错误变化。新背景的光线是否与产品原有的高光方向一致。如果前两点失败可以增加提示词描述比如“杯身是哑光白色杯口银色保持这些细节完全不变”。如果第三点失败说明原图的拍摄光线和新场景不匹配最有效的办法是前期就准备一张纯白底、光线均匀的产品图作为编辑原图。6.3 产品多配色提示词电商选品经常要展示同款多色。你不需要对每个颜色调用一次图生图可以在提示词里直接说明输出多个产品或者用批量任务对各颜色分别生成。同一款运动鞋分别用红色、白色、黑色三种配色展示三只鞋并排陈列白色背景统一拍摄角度电商产品摄影高清无文字这类多商品图适合做颜色对比但产品细节和角度控制难度更高。如果要做正式上架图建议先单只生成再后期拼接。7. 批量生成与接口任务设计电商一个常见的需求是一个商品要出多个场景图或者几十个商品要分别生成白底图。手动一张张调用太慢所以下面给出一个批量任务的思路。7.1 准备任务配置批量任务建议先写一个 JSON 配置文件把每个任务的提示词、尺寸、输出文件名都列好。这样方便复查也方便和运营同学对接。{ output_dir: ./output, max_retries: 3, tasks: [ { name: cup_white_bg, prompt: 一只深蓝色陶瓷马克杯纯白色背景商品居中顶部柔光电商产品摄影高清无文字, size: 1024x1024 }, { name: cup_cafe_scene, prompt: 一只深蓝色陶瓷马克杯放在咖啡馆木桌上旁边有一本书和绿植自然侧光中景氛围感产品摄影高清无文字, size: 1024x1024 }, { name: cup_promotion_bg, prompt: 深蓝色陶瓷马克杯作为主视觉暖橙色渐变背景顶部留出空白文字区电商促销海报底图风格无文字高清, size: 1024x1024 } ] }7.2 Python 批量调用脚本下面脚本会读取配置循环调用生成接口并把返回的图片 URL 保存到本地。每次请求失败会重试最多重试 3 次。import json import os import time import requests # 读取配置 with open(batch_config.json, r, encodingutf-8) as f: config json.load(f) api_key sk-xxxx url https://api.example.com/v1/images/generations headers { Authorization: fBearer {api_key}, Content-Type: application/json } os.makedirs(config[output_dir], exist_okTrue) for task in config[tasks]: payload { model: gpt-image-2, prompt: task[prompt], n: 1, size: task[size], response_format: url } success False for attempt in range(1, config[max_retries] 1): try: resp requests.post(url, jsonpayload, headersheaders, timeout180) if resp.status_code 200: data resp.json() image_url data[data][0][url] img_resp requests.get(image_url, timeout60) save_path os.path.join(config[output_dir], f{task[name]}.png) with open(save_path, wb) as f: f.write(img_resp.content) print(f[OK] {task[name]} - {save_path}) success True break else: print(f[FAIL] {task[name]} 请求失败: {resp.status_code} {resp.text}) except Exception as e: print(f[ERROR] {task[name]} 第 {attempt} 次异常: {e}) time.sleep(5) if not success: print(f[SKIP] {task[name]} 重试后仍失败跳过)运行脚本后输出目录下会生成对应的 PNG 文件。建议把运行日志打印到控制台的同时也写一份到日志文件方便排查批量任务里哪一张失败。7.3 批量任务设计原则批量调用不是把几个请求放在一起就完事有几个实践建议值得记住先小批量验证。正式批量前先用 2 到 3 条任务跑通流程确认提示词效果和接口参数都没问题再放量。控制并发数。如果你用的是按量付费 API并发过高会触发 429 限流。稳妥方案是逐条请求最多加一点延迟不要并发打满。文件名要有业务语义。比如product_01_white_bg.png比image_001.png好找得多。失败任务要能单独重跑。不要让整个脚本因为一张图失败而中断建议把失败任务记录到失败列表单独重试。预估费用。批量越多消耗越多跑之前先确认单价。8. 效果判断与质量优化不同平台、不同类目的图片要求不一样但 AI 生图的质量判断有一套通用标准。先列出电商场景下最容易翻车的几个问题以及优化方向。问题现象可能原因优化方式商品形状变形提示词缺少产品结构细节补充材质、部件、比例说明改用图生图背景过脏、杂物多场景描述太笼统减少场景元素增加“画面干净、无杂物”风格不一致风格词不统一或太抽象固定风格词比如“电商产品摄影”“极简风”光线突兀没有写明光线方向增加“左侧自然光”“顶部柔光”“暖光”中文文字乱码模型对长文本渲染不稳定少让 AI 直接生成文字用后期排版代替多商品图部分模糊商品数量和位置没写清改用单商品生成再后期合成关于画面判断建议每次都从“主体、背景、光线、风格、细节”五个维度打分。比如一张白底杯子的图主体是否清晰、背景是否干净、光线是否均匀、风格是否符合品牌调性、杯口细节是否完整。只要一张图能过这五关基本就合格了。8.1 提示词优化前后对比很多时候结果不满意不是模型不行而是提示词给的信息不够。看一个例子。初始提示词一只保温杯白色背景好看一点这个提示词的问题在于“好看一点”太模糊模型不知道你要什么光线、什么构图、什么质感。换成下面这种写法出图稳定性会明显提升。优化后提示词一只白色哑光保温杯杯身有细腻磨砂纹理杯盖是不锈钢原色放在纯白背景台面上顶部柔光光线均匀杯身有轻微高光居中构图45 度俯拍电商产品摄影高清细节无文字无杂物比较一下可以发现优化后的提示词把“材质”“配件”“布光”“机位”“风格”“负面限制”全部补齐了。这就是前面说的“六段式提示词结构”在起作用。8.2 多方案对比如果你不确定某个场景怎么写可以用同一套提示词生成多张然后横向对比。因为图像生成带有随机性即使提示词完全一样得到的结果也会有差异。建议每次批量生成时都保留原提示词和生成参数方便后面复盘。9. 常见问题与排查方法API 模型在使用过程中会遇到各种问题下面整理了一个排查表格按“问题现象、可能原因、排查方式、解决方案”来梳理。问题现象可能原因排查方式解决方案请求返回 401API Key 错误或已失效检查请求头和 Key 是否复制完整重新生成 Key 并更新代码请求返回 404接口路径写错对照服务商文档核对 URL修正接口路径请求返回 429请求频率过高或额度不足查看服务商费率限制和余额降低并发加重试等待配额恢复模型名报错账号未开通对应模型权限检查后台模型列表切换到账号可用的模型标识生成超时图片生成耗时长查看请求耗时情况和服务商状态调大 timeout增加重试图片文字乱码模型对长文本渲染不稳检查成品图文字区域减少文字量改为后期排版商品主体被改乱提示词未声明主体保持对比原图和生成图改用图生图加“保持外形细节不变”风格不稳定提示词风格词模糊检查风格词是否统一固定风格描述复用同一套词汇批量任务部分失败单次请求超时或限流查看日志定位失败任务单独重跑失败任务降低并发生成图不符合平台规范提示词涉及违规内容检查内容审核反馈改为合规描述避免敏感素材排查问题时有一个原则先看返回码再看日志最后改提示词。很多新手一遇到问题就直接猜“提示词不行”其实要先确认接口是否正常返回、参数是否正确、费用是否足够。10. 总结与建议GPT-image-2 对电商设计最直接的价值是让“出参考图”这件事从小时级缩短到分钟级。它适合商品主图方向确认、场景图创意发散、活动海报底图生成、多商品批量出图等场景尤其是前期提案阶段能帮运营和设计快速对齐视觉方向。最先建议验证的功能还是“白底商品图”和“图生图背景替换”这两个。前者验证模型对产品的还原能力后者验证编辑能力两者都跑通了再往详情页、海报、批量任务方向扩展。最容易踩的坑有两个。一是让 AI 直接生成含大段中文文字的图片这类图大概率会出现文字乱码最好生成底图后自己加字二是批量任务不控制频率和失败重试一张失败就断掉整条流程白白消耗时间。先把小批量跑通再放量能省下很多麻烦。最后补充一点合规提醒生成商品图、模特图、品牌素材时请确认你拥有商品素材的使用权、肖像授权或商标授权并遵守平台的内容审核规则。AI 生图是提效工具不是回避授权和合规流程的通道。把提示词模板存好下次做电商图的时候直接替换商品名、场景和风格词就能起步。