这篇解决什么问题
你手上有一件真实商品（工厂图、实拍图、或者样品照片），需要出能直接上架的图：白底主图、场景图、详情页配图。不是玩概念，不是做一张好看的发朋友圈。
走完这篇的流程，你能拿到：一张能用的白底主图 + 两到三张场景图 + 一套下次上新能复用的流程。第一个 SKU 大约要一小时到一个半小时，跑顺之后单个 SKU 二十到三十分钟。
这篇不解决三件事：Logo 与品牌字的设计、包装上的合规文案、要求精准色差的实物比对。这三件事 AI 现在干不了，硬干只会给你埋雷。
一句话先把边界划清楚：AI 负责扩大产能，人负责守住商品真实性。
先看失败样本：图为什么不能用
别急着学流程，先看废图长什么样。下面这六条是我见得最多的返工原因，几乎每一条都不是”提示词写得不好”，而是做法错了。
| 现象 | 真正的根因 | 改法 |
|---|---|---|
| 商品结构变了：多一个按钮、瓶口位置偏了、配件少一个 | 整图重生成，模型在自由发挥 | 垫参考图 + 局部重绘，别整图重来 |
| 画面上的中文是错字，或者出现”波霸波霸”这类重复字 | 模型的文字是”画”出来的，不是”排”上去的 | 短字（4-6 字）可以交给模型，长文案一律后期排版加 |
| 白底不干净，边缘一圈毛边或灰边 | 让生成器死磕白底 | 先出干净主图，白底交给去背工具收尾 |
| 缩略图好看，放大一看边缘全崩 | 选图阶段只看小图 | 选图时就放大到 100% 看边缘和材质 |
| 塑料感重、反光假、材质不对 | 提示词只堆”8K 超清”这类空词 | 写具体材质、光源方向、环境反射 |
| 图上凭空多出配件或功能，促销数字对不上 | 模型在补脑 | 人工质检清单兜底，这一步不能省 |
一条能交付的流程（六步）
第 1 步：把商品拍成”参考资料”，不是”素材”
每个 SKU 至少准备：正面、45°、侧面、背面、Logo 与关键结构细节。简单规整的商品 3-5 张够用，异形、反光、透明、细节多的要 8 张以上。中性光，别用混光。原图留着不动，复制一份做工作副本。
AI 商品图最怕的不是”不高档”，而是商品结构发生你看不出来的变化。这一步省掉，后面每一步都在补窟窿。
第 2 步：先做标准母图，别直接批量
先确定一张最稳的图：比例、材质、光影、结构都没问题。母图定下来，再派生场景和尺寸，返工率会低很多。反过来先批量再挑，等于每张都要重看一遍结构。
基于参考图的同一件商品，产品摄影，白色无缝背景，
柔和顶光加左侧补光，材质表现为【哑光/金属/磨砂玻璃】，
边缘清晰，无文字，无水印，无人手，
保持参考图中的商品结构与比例，不得增加或删减任何部件
负向：文字、logo 变形、额外配件、手指、畸变、过曝验收：放大到 100% 看边缘；和实拍图并排比对结构；品牌色对得上。三条里有一条不过，重做母图，不要往下走。
第 3 步：一套母图拆成多个版本，不要一平台一生成
正确路径是：商品参考图 → 标准母图 → 主图（白底方图）→ 场景图 → 竖版素材 → 详情页。每个平台重新生成一次商品，等于给模型四次发挥的机会，四次都不一定一样。
第 4 步：白底交给去背，长文案交给排版
两件最容易被做错的事，都在这步：
- 白底别跟生成器死磕。先出干净主图，再用去背工具收尾，边缘和可复用性都比硬生成好。
- 别把一整段包装文案丢给模型一次生成。字数一多必错字。图里只留 4-6 个字的短词（品牌名、品类词），其余卖点文字在后期排版工具里加，字体和位置还能反复改。
第 5 步：只抛光进短名单的那几张
先出 8-10 张草案，挑 2-3 张进短名单，再对这几张做增强和锐化。张张都增强，等于把废图也打磨了一遍，时间和钱都花在没用的图上。增强是抛光，不是救烂轮廓——轮廓不对就回去重生成。
第 6 步：发布前过一遍质检清单
这一步不跳过。有团队实测过，AI 商品图不上人工审核直接发，出问题的概率高到不能接受。
发布前质检清单（照着打勾）
□ Logo 有没有变形、位移、被模型重画过
□ 商品结构与实拍一致（按钮、接口、配件数量）
□ 画面文字有没有错字、重复字、乱码
□ 颜色与实物偏差，尤其是品牌色
□ 有没有凭空多出来的配件或功能
□ 促销数字、规格参数与商品真实信息一致
□ 放大到 100% 边缘干净、材质不糊
□ 平台要求的尺寸、大小、张数都符合
□ 人物或合成场景：是否需要按平台规则标注 AI 生成模型怎么选：别问”哪个最好看”
下面这张表是第三方公开实测汇总（数据截至 2026 年 7 月左右），不是我自己跑的，我标注了来源性质，你用之前最好自己拿一个 SKU 验一遍：
| 模型 | 中文文字 | 参考图 | 适合 | 不适合 |
|---|---|---|---|---|
| gpt-image-2 | 弱（常出错） | 4-6 张 | 美学成片、艺术风格 | 批量生产时风格不稳定 |
| qwen-image-max | 强 | 3-5 张 | 中文 UI 图、中文场景 | 纯英文时尚类 prompt |
| gemini-3.1-flash-image | 中（中英混排可用） | 最多 14 张 | 拼素材、banner 合成 | Logo 与唯一主视觉 |
| doubao-seedream | 中强 | 6-8 张 | 国内业务、通用兜底 | 单项做到顶尖 |
| grok-imagine | 弱 | 2-4 张 | 西方美学、快速试多版 | 直出（风格太放飞） |
另一份三巨头的中文实测更直接：同样的菜单场景，ChatGPT Images 2.0 五个菜名全对，Midjourney v7 出来的是”外形像汉字但根本不是字”的乱码，Grok Imagine 字形对但会出现”波霸波霸”这种重复错字，出图最快（约 5 秒）但要直接印刷还不行。
翻译成能用的结论：图里有中文，就别指望模型一口气写对长句。短词可以试，长文案后期加。这一条能救回一半的返工。
时间与成本的真实账
下面是我按公开流程给的估算口径，不是实测，你的品类和复杂度和这个会差很多，只用来判断”这事值不值得干”：
| 步骤 | 单 SKU 耗时 | 主要返工点 |
|---|---|---|
| 拍参考图 | 20-40 分钟（一次性） | 结构细节没拍全 |
| 出标准母图 | 10-20 分钟 | 结构、材质不对，返工最重 |
| 派生多版本 | 约 10 分钟 | 尺寸错、风格串线 |
| 去背 + 排版 | 约 10 分钟 | 边缘毛、字体位置 |
| 人工质检 | 5-10 分钟 | ——（这步省不得） |
第一个 SKU 加起来一小时到一个半小时；母图和提示词存成模板后，第二个 SKU 起可以压到二十到三十分钟。一天只做几张图的人，其实用不上这套流程——它要管几十上百个 SKU 才划算。
三种翻车与补救
- 整段文案丢给模型 → 必错字 → 拆成”出图不带字 + 后期排版”。
- 为了改一个小瑕疵整图重生成 → 越改越不像 → 垫参考图做局部重绘。
- 所有草案统一增强 → 钱花了、废图也磨亮了 → 先选短名单再抛光。
下一步
今天就挑一个 SKU，按六步走一遍，把母图、提示词、负向词存成模板文件。跑通第二个 SKU 之前，先别谈批量和自动化——流程没跑顺就上批量，只会把废图的速度也提上去。
本文引用的模型实测数据来自 2026 年公开的三方评测文章（数据截至 2026 年 7 月前后），流程做法参考了公开的电商 AI 做图实践分享，核实整理时间 2026-10-04。模型能力变化很快，动手前拿你自己的 SKU 验一遍再说。