做电商的朋友应该都有同感现在提起“AI商品主图生成”第一反应早就不是“能不能自动抠图”而是“我到底该给它什么东西它才能给我一张能直接上架的主图”。我见过太多人把商品原图、竞品参考图、详情页文案一股脑全丢给AI然后期待它自己变魔法。结果出来一张“看起来很华丽但仔细一看商品变形、Logo糊掉、卖点全是乱码”的废图。问题不在AI而在我们把三份素材的角色搞混了。今天我想认真聊清楚这件事用AI生成商品主图时商品图、参考图、卖点资料这三样东西分别解决什么问题怎么排序、怎么给、怎么用提示词控制它们。这不是玄学而是一套可以复用的素材分工方法。1. 先想清楚AI主图生成是“三份素材协作”不是“一张图变魔法”1.1 为什么很多人生成的主图“一眼假”或“换了个背景而已”先复盘一下最常见的翻车场景。有人把自己的产品照片直接拖进AI工具配上“帮我生成一张高级感主图”出来的结果往往只有两种一种是AI把产品重新画了一遍质感是上去了可产品细节、Logo、颜色全部“艺术化”了买家根本认不出来另一种是产品还是那个产品但背景换得特别生硬影子方向不对、边缘有毛刺、透视关系也怪一眼看上去就是“P上去的”。为什么会这样因为AI并不知道你的“意图”。你以为“高级感”是一个明确指令但AI眼里“高级感”可以是一百种样子可以是暗黑奢华可以是清冷极简也可以是奶油风。没有更多约束时它只能随机猜一个方向。这里要提一个背景知识现在的AI出图工具底层大多是扩散模型或多模态生成模型。它们生成图像的逻辑是同时接收两类条件一类是视觉条件参考图、商品图、线稿、深度图另一类是文本条件提示词、卖点信息。视觉条件的强度通常高于文本条件但前提是你得明确告诉它“哪张图参考什么”。如果我们只丢一张商品图它确实能保住产品主体但场景、光影、构图、信息层级全都在“自由发挥”。这就是“一眼假”的根源——不是AI不行是你没有给它完整的约束条件。1.2 三份素材在生成链路里各占什么位置我做了一个很粗暴的类比帮助团队里每个人理解三份素材的分工商品图是“演员本人”——它决定“东西长什么样”所有生成结果都必须围绕这个主体来转不能把演员整容了。参考图是“造型师给的样片”——它决定“画面风格长什么样”构图、色调、光线、氛围都从这套样片里借鉴。参考图越多画面风格越有方向但也越容易“风格打架”。卖点资料是“导演的台词本”——它决定“买家看完之后记住什么”12小时保温、500ml大容量这些信息不能只是文字得转化成画面里的角标、图标、场景动作甚至是一句简短的画面文案。这三者合在一起才是完整的“主图生产需求文档”。商品图管“是什么”参考图管“什么样”卖点资料管“为什么买”。很多人翻车就是因为把这三样东西当成了“都可以互相替代的素材”没有分层使用。当然不同工具对这三者的处理方式不太一样有的支持参考图权重调节有的支持“锁定主体区域”重绘有的能识别多张图并分别指定用途。但无论如何你在整理素材时先想清楚三个问题这张图是让AI锚定商品造型的还是让它学构图的这个卖点是要写在图上的还是要画成视觉场景的如果我只能保留一张参考图我最想让它学什么想清楚这些后面生成的成功率会翻倍。2. 商品图给AI一个不会跑偏的“模特”2.1 商品图的质量底线清晰度、完整度、光线方向商品图是整张主图生成的底盘它的质量直接决定AI“自由发挥”的上限。先说清晰度朋友圈随手拍、电商平台上扒下来的小图比如300x300的缩略图直接喂给AI是大忌。生成模型在处理图像时会先把输入图压缩到潜空间里提取特征原图分辨率太低特征就只剩下“大概轮廓”这时候AI就会自创纹理、自创材质细节。比如木椅上的纹理可能被放大成裂纹布料上的颗粒可能变成噪点。我建议商品图最少也要正方形1024x1024像素并且产品主体占画面比例最好在三分之一到二分之一之间别太小否则AI容易把背景里的杂物也当成产品特征一起保留。清晰度还不够完整度同样重要。如果商品图缺了一个角、标签只露一半、按钮被手指挡住AI大概率会脑补一个“合理”的完整形态但这个脑补结果是随机的可能多出一条线可能给它加了个奇怪的部件。还有一个经常被忽略的点光线方向。如果你给的商品图是顶光直打而参考图是柔和的侧逆光AI在换背景时会出现“光还在但影子不对”的撕裂感。最省事的做法是商品图尽量用柔光、45度侧光或者干脆用标准白底图。白底图之所以好用是因为它不携带多余的光影信息给了AI最大的“重新打光”空间。如果只能用平拍图、室内环境图那就选光线干净、背景不抢眼的那一张。2.2 一张图还是多张图角度和数量怎么搭配不少刚入门的人以为“多给几张图AI就更懂我的产品”于是恨不得把三十张买家秀全部传上去。结果呢AI确实“懂了”很多但它不知道你主推哪个角度生成时会把不同角度的特征缝合在一起产品看起来像是“被扭曲过”。商品图的数量要克制1到4张足够了。具体怎么搭配我按品类给个参考平面类商品T恤图案、手机壳、包装盒正面1张正面图就够重点是图案和轮廓清晰不需要多角度。立体类商品保温杯、鞋、水壶、小家电建议2到3张正面一张定义主体45度一张定义体积感底部或关键细节一张定义细节特征。这会帮AI理解“这是一个立体物体”生成背景时会更有空间感。材质复杂类商品皮质包、针织衫、磨砂瓶在商品图之外可以额外补一张材质特写不要求AI把特写直接放进主图而是让它理解“这个包表面有荔枝纹”它在重绘时可别把皮料变成帆布。多角度不等于越多越好再多模型会失去优先级。如果工具支持“多视图参考”模式它可能设计成“可以从多张图里自由选择需要参考的角度”结果就是你不可控。我的习惯是先选一张最能代表产品卖相的主图其他图的角度优先级往后排并明确在提示词里写“保持主图视角仅参考附属图的材质细节”。2.3 白底图、抠图瑕疵和倒影问题怎么预处理商品图的预处理是整个流程里最不性感但最重要的一步。很多人直接拿透明PNG扔进去觉得“我都抠好了AI随便造背景就行”。但你要知道AI模型训练时见过大量“背景复杂的商品图”你给它一张带杂物的白底图它会误以为杂物也是商品的一部分。所以老规矩背景越干净越好杂物、价格贴纸、水印统统去掉最好统一成纯白或纯灰背景。抠图瑕疵是另一个重灾区。尤其是瓶装商品、玻璃制品和透明塑料包装自动抠图往往在边缘留下一圈白边或者在透明度区域产生色斑。AI在生成时会把这些瑕疵放大成混沌的光斑、满屏噪点最后画面脏得没法看。解决办法也很简单透明材质别贪图省事用专业抠图工具处理或者干脆保留商品实拍图里“带背景的光影”作为素材让AI在背景生成时延续原有光环境。还有一个我踩过很多次的坑倒影。桌拍商品图常常自带倒影这个倒影在商品图上可能是“增加质感”但AI做背景替换时它会尝试把“倒影区域”也保留下来生成结果就成了商品脚下一块模糊的阴影或扭曲的反射。我的建议是遇到带明显倒影的商品图预处理阶段先用编辑工具把倒影裁掉或擦掉干干净净的“悬浮感”主题反而更利于AI做后续场景融合。3. 参考图给AI一个看得懂的“审美样板间”3.1 参考图到底参考什么构图、色调、材质、氛围参考图是很多人用不好的一个环节。好一点的AI工具支持上传参考图并调节权重但大多数默认会“整体参考”。问题来了你想要的可能是“这张图的暖黄色调”但AI连画面里的模特、椅子、英文标语一起学了。所以在上传参考图之前先自己拆解一下这张参考图到底好在哪里把可借鉴的元素拆出来再用提示词告诉AI“你只许参考这个维度”。以一张“户外露营风保温杯主图”为例参考图可能包含以下可借鉴点构图主体偏右左边留白给文字三分线构图。色调暖黄色加暗绿带一点清晨阳光的逆光感。材质表现木质折叠桌、帆布椅、粗糙岩石背景突出户外粗粝感。氛围有一只手正在拿杯子暗示使用场景。如果AI默认全抄它可能把别人家的保温杯Logo也画进去。正确做法是在提示词里明确写出“参考图用于光影和色调不要改变主体”同时负面提示词里加“no other product, no extra logo”。让参考图只当“审美样板间”而不是“图源素材”。3.2 参考图数量多少合适风格冲突时听谁的我的经验是参考图最多给3张每张只干一件事。一张负责构图一张负责整体色调一张负责材质或道具风格。再多就不是“参考”了而是让AI做“风格融合实验”。不同生成工具对“多图融合”的逻辑不太一样但共同特点是输入多张参考图时AI会在特征空间里做加权平均。如果你同时给一张“清冷白墙极简图”和一张“暖黄灯光复古图”AI不会聪明地按你的描述“左手风格、右手氛围”它只会平均成一种灰蒙蒙的“中性风”或者来回震荡出一种诡异的质感。这时候就涉及权重设置。普遍习惯是构图权重给最高0.6到0.8色调权重中等0.5左右材质或道具权重低一点0.3到0.4。注意这些数值不是绝对的不同的工具有各自的标定但思路是“主参考图决定骨架辅助参考图决定皮肤”。如果工具没有数值权重那就只能通过“数量”来控制给景别大的参考图1张当主风格其余转成提示词文本描述不给图。3.3 用参考图做“同款卖法”的常见套路拆解很多电商人用参考图其实是冲着“竞品那张图卖得好我也要那种感觉”去的。这事完全可以做但要有套路。竞品图当参考图时先裁掉竞品的Logo、文案、外包装只保留干净的画面。接着在提示词里写“复制该图的机位和光线但主体是我的产品”再配合负面词“no text, no watermark, no other brand”。否则AI会认为画面里的“全部视觉元素”都值得保留尤其文字类元素它经常会当成装饰画一遍让主图显得乱七八糟。还有一招我经常用拿自己店铺销量最好的老主图当参考图。很多爆款老主图其实构图并不完美但审美是“经过市场验证的”。让AI以它为模板重新生成同一系列的新品主图可以保持店铺视觉风格统一。买家在刷到同系列商品时一眼就能认出你的品牌调性。这种方法在鞋服类目尤其好用。4. 卖点资料给AI一篇能转化成视觉语言的“文案”4.1 卖点资料不是复制粘贴详情页而是提炼关键词这是我见过最多人偷懒的地方。详情页里洋洋洒洒几百字什么“采用行业领先的XX技术”“历经千次测试”全塞给AI然后期待AI自动换成“视觉语言”。可惜AI抓不住重点它只能从文本里挑高频词结果把无关痛痒的概念都渲染进画面。正确做法是先把卖点压成3到5个关键词并且按优先级排列。拿保温杯举例我会整理成一个卖点卡片核心卖点12小时保温画面主视觉是冰块温度计次级卖点一键弹盖小角标加手部按压示意图支撑卖点316不锈钢、500ml容量左下角小字角标为什么只能有3到5个因为主图不是详情页。在500x500像素的缩略图里买家能读到的信息量非常有限。一个主视觉加大字配两个小标签已经是极限。给AI“6个必须呈现的卖点”等于告诉它“每个都不能缺”结果就是画面被撑爆哪个都不突出。4.2 参数、利益点、使用场景怎么分组建构卖点资料不能是一条一条的流水账而应该分组成“可视觉化”的单元。我习惯用“卖点卡片法”每张卡片写三行卖点名、支撑信息、可视化提示。举例卖点名长效保温支撑信息12小时 / 95度水到8小时后仍有50度可视化提示画面中出现一枚温度计显示50度或冰块在杯侧凝聚水珠再举个例子卖点名单手开合支撑信息按压弹盖单手可操作可视化提示一只手握着杯子拇指按压盖子背景虚化有了这种改造AI就知道该“画什么”而不是干巴巴地“写什么”。主图上的文案尽量交给人而不是让AI生成文字。因为大部分开箱即用的AI绘图工具在生成中文汉字时依然容易出现缺笔画、乱码、变形的情况。稳妥的办法是让AI生成“无文字的角标区域”或“卖点场景动作”文字后期再放上去——这就是我们常说的“AI负责氛围人负责准信”。4.3 如何让AI把卖点“画”进图里角标、图标、文案排布那么“画进图里”具体怎么操作我把卖点分成三类分别给不同的生成策略第一类是参数型卖点比如容量、功率、材质规格。这类信息适合做成角标但AI直接生成角标文字容易出错。别让它写字提示词只写“a blank label on top right corner, empty badge, flat design, orange color”生成后再去PS或在线设计工具里添加文字。这样既保留了角标的位置和视觉分量又避免了乱码风险。第二类是功能型卖点比如防水、防摔、速干。适合用图标来表达。你可以在参考图里放一张“带滴水效果的示意图”或者直接用文字告诉AI生成“水滴飞溅的抽象图形禁止出现任何文字”。功能型卖点最容易让画面有“动感”但也很容易让AI生成出莫名其妙的东西所以务必在负面词里加“no chaos effects”。第三类是场景型卖点比如“通勤使用”“露营使用”“送给男朋友”。这类不用角标直接靠场景讲故事。生成时把场景写进提示词例如“人的一只手持杯行走在街道上背景是日出光斑洒在杯身”比“体现便携性”要有效得多。5. 一套可复用的分工工作流从整理素材到批量出图5.1 素材整理清单与命名规范聊完原理我直接给你一套可以抄作业的工作流。第一步不是打开AI工具而是在本地建个文件夹按SKU整理素材。我会建一个三级文件夹SKU编号、素材角色、子类别。具体如下SKU-1001保温杯/ 01_商品图/ product_main.png product_angle45.png product_detail_316.png 02_参考图/ ref_layout1.png ref_tonal2.png ref_scene3.png 03_卖点文案/ selling_points.txt命名为什么重要因为很多工作流工具或插件是按“文件名顺序”绑定输入框的。你如果叫“_1.jpg、_2.jpg、_3.jpg”等到回头复现生成参数时根本记不清哪个是哪个。按角色命名至少在提示词里能写“img1是商品图img2是构图参考”这种明确指代AI对号入座后生成结果会稳很多。5.2 提示词结构把三份素材的优先级写清楚接下来是提示词。我常用的模板分五段顺序固定商品锚定段保持商品图的形状、配色、材质不得改变。风格参考段画面构图参考img2色调参考img3。卖点视觉段在左下角加入“冰块温度计”元素暗示保温效果。文字区域段右上角预留无文字角标位置供后期编辑。负面词段no text, no watermark, no extra brand, no deformed product。举例一条完整的生成提示词大概长这样Keep the exact product shape, color and texture from img1. Use the camera angle and light direction from img2. The background should be a warm wooden desk with soft morning light, reference img3 for material style. Add a small blank badge at top right, empty and without text. Add subtle ice cubes near the cup to imply cold retention. No logos, no watermark, no extra text, no distorted product shape, no unrealistic reflection.这样写的目的是把“谁管什么”讲清楚。商品图和参考图的优先级冲突时用文字补充约束——例如“只采用参考图的构图不改变商品主体”这句话能避免AI在重绘时动你的产品。5.3 批量生成后的筛选标准与二次精修批量生成看起来是“量大出奇迹”但筛选要有标准。我总结过三条硬指标商品真实性材质、Logo、螺纹、杯盖卡扣是不是和原商品完全一致只要有一点莫名的扭曲直接淘汰。别指望修复。卖点可读性如果画面里出现了乱码文字、诡异符号立刻淘汰。AI生成的文字概率性出错不值得后期一个个修。场景遮挡商品主要部位露出面积是否超过70%主图的核心是商品背景道具再好看挡了商品就是废图。筛选完我通常会把合格图导入编辑软件做二次精修。修的最多的是角标文字、促销标识、边缘高光。另外还会用局部重绘功能处理“AI画歪了的手指”“多出来的椅子腿”这种小瑕疵。记住AI负责“从0到80分”人工负责“从80到90分”妄想一步到位的人通常连80分都拿不到。6. 翻车案例与补救素材之间打架时怎么办6.1 商品图太糊AI反而把瑕疵当成设计元素前两天有同行拿着一个300x300的椅子图来问我说AI把椅子的木纹生成了裂纹效果看起来跟用了十年一样。我一看就明白了——原图分辨率不够AI在潜空间里重建时把它本来就模糊的木纹“脑补”成了裂缝。这种情况补救有两条路一是先做超分把所有商品图先统一放大到1024以上再丢给AI二是把材质特写作为附属图一起提供让AI看到“真实木纹是细腻的、带高光的”而不仅仅是模糊像素。真不想折腾的话还有一个偷懒办法把商品从AI生成结果里重新抠出来回到起初的白底图工作流只让AI生成背景层这样模糊感至少不会蔓延到主体上。6.2 参考图风格冲突生成结果四不像我自己的经典翻车是给一个香薰产品同时放了三张参考图一张暗黑奢华、一张日系清新、一张法式复古。AI生成的结果是暗黑色的背景里飘着白色蕾丝配上一把法式旧椅子整体情绪不知道在表达什么。后来我改成一个理念一次只给一张“风格主导参考图”其余全部用文字描述。比如“主风格参考img1背景道具是原木托盘和绿色植株”这样稳定多了。参考图之间一旦都是“强条件”AI就会做平均化处理而平均化的结果通常最难看的那个方向。6.3 卖点词太多画面变成“大字报”如果一份卖点资料里有八个卖点你全部写进提示词AI真会努力地在图里塞八个角标。有一段时间我们给某款冲锋衣做主图塞了“防水、耐磨、透气、轻量、防撕裂、UPF50”六个卖点结果生成图里布满密密麻麻的标签和图标连衣服都看不见了。后来痛定思痛主图只留一个“防暴雨测试”的大场景和两个小角标其他卖点全部留给详情页和车图。主图的重点永远是“一眼抓住人”不是“证明你功能多”。6.4 一个稳妥的兜底策略分区生成再合成如果你实在拿不准上面所有复杂控制我推荐一个对新手最友好的兜底策略分区生成再合成。简单说就是别让AI一次性把商品、背景、文字全做完分三步走。先单独生成一张“没有人、没有主体文字”的干净背景图比如“原木桌面暖光绿植晨雾”再把商品图抠出来用编辑工具合成到背景上最后用局部重绘或后期调色统一商品和背景的光影方向。这样做的核心好处是风险被拆散到每个可控制的小步骤。商品还是商品背景只是背景即使AI的某个环节崩了你也不需要整个重来只需要换掉崩了的那个图层。这个思路尤其在“要保证商品细节完全还原”的类目里好用比如数码产品、美妆瓶子、家电因为它们对产品真实度要求极高AI如果直接在原图上重绘十次有九次会“自作主张”。分区生成等于把AI的发挥空间限制在“它最能做好的那件事”上。最后再分享一个我自己的小习惯所有素材没过审之前不着急开生成。开工之前先把商品图放大检查一遍参考图的风格要素写在便签上卖点资料压到五个以内提醒自己“这次到底想让买家第一眼看到什么”。这套流程看起来慢但每张图都是有效出图反而比来回抽卡死磕快得多。AI商品主图生成这件事拼到最后从来不是咒语多华丽而是你对“素材分工”的理解够不够清楚。