AI生图做主图之前，先把输入这一步管住
上周三下午四点二十，仓库西侧那排货架，顶灯只开了一半。我们把一瓶刚在货架上拍好的纯净水喂进 AI 生图，等了两分钟，出来一张瓶身往右歪、标签字发虚的主图。
那天为这张图返工了四十分钟。
这篇不聊怎么把提示词写得花哨。就聊一件事：点生成之前，喂进去的那张商品图，你有没有管住。
那次翻车，提示词背了不该背的锅
我们雨林凯AI是深圳市雨林凯科技的产品团队，自己也铺 POD 的货。图是助理阿哲拍的。那天到货，纸箱堆到过道，他搬样品时小指外侧被纸箱边划了一道，贴了创可贴，顺手掏出手机对着货架按了两张。
画面里瓶子是斜的，瓶盖成了椭圆，标签被一道顶灯反光横着切开。我当时没细看，导进后台就开始写提示词：自然场景、溪流、苔石、水汽、商业摄影。听着挺全。
第一张出来，石头像那么回事，瓶子像被人拧过。第二张瓶身正了一点，标签上"景田"两个字却糊成一团。第三张更糟，瓶盖和瓶肩之间多出一圈不存在的水珠。我们前后改了七版词，越改越偏。
后来把原图放大到百分之二百才看明白：瓶盖边缘本来就是虚的，标签上的字只占十几个像素，瓶身那道反光把"饮用纯净水"切成两截。模型没有犯错，它把我喂进去的缺陷，一个不落地放大了。
阿哲蹲在旁边看了半天，说，这瓶子像是被人拧过。我说，不是瓶子被拧过，是拍照的时候手是歪的。
输入这四件事，按顺序过一遍
后来我们定了个笨规矩：任何商品图进模型之前，先过四道。四道都过不了，就别急着点生成。重拍比返工便宜。这四道不分先后，但少一道，后面就得多花时间补。
底图先要干净
干净不是指白底。白底图上沾着灰点、指纹、包装反光，照样是脏的。干净说的是主体边界清楚，画面里没有跟商品抢注意力的东西：货架价签、隔壁的箱子、拍摄者自己的影子、桌面上那根头发。
AI 不会替你判断哪些是"不要的"。你画面里横着一根线，它就可能让场景里长出一根树枝。真实世界讲因果，模型只讲相似。
角度只能给一个
一张图只能交代一个视角。正面图生成不了准确的侧面结构，俯拍图也推不出瓶底。我们要的是这一张能被读懂：主体正对镜头，透视别太猛，瓶盖、盒角这些对称结构尽量别歪。
有人喜欢拿斜四十五度的摆拍图去做正面主图，出来一定是拧的。不是模型不会转，是它没有另一侧的信息，只能猜。
像素看的是有效部分
注意是有效像素，不是文件多大。商品主体在画面里占多大、关键细节有多少像素，才决定输出能不能看。一张几兆的图，商品只占中间一小块，放大后按键缝还是糊的。
判断方法很土：把图放大到百分之二百，看你要保留的那处细节——按键上的字符、标签上的小字、压花的凹凸边——还认不认得出。认不出，模型也认不出。
光线要平，不是要亮
平不是暗，是均匀。主体一半在顶灯下、一半陷在阴影里，模型会把这半明半暗当成材质本身，生成时继续保留，甚至夸大。
我们后来在仓库角落支了一块白板当反光板，几十块钱，比换软件管用。至少瓶身不再一半亮一半脏。还有一点，别在商品正上方开一盏很硬的灯。硬光会在瓶肩、盒角留下边界锋利的小亮斑，输入里看是细节，生成后会被放大成一团油光。
案例一：黑遥控器，深色边最不经折腾
第一个案例是那台黑色智能遥控器。
原图是一张白底图，黑色机身搁在纯白上，轮廓倒是清楚，图却不大。机身是哑光的，按键之间的缝很细，放大之后边缘开始发毛。
深色产品放在浅底上，最怕的就是这圈边。黑与白之间没有过渡，模型生成场景时要么把边切得太硬，像贴上去的；要么加一圈灰边，像抠图没抠干净。按键更麻烦，原图里几个功能键只占几十个像素，生成后容易粘成一块。
我们的做法是先换输入：找了一张机身更正、按键更实、长边更大的白底图，裁掉四周多余留白，让遥控器在画面里占到六成以上。然后才动提示词。
竖版卖点主图跟横版不是一回事。竖版得给卖点字腾地方，遥控器不能从上顶到下。我们让遥控器压在下三分之二，上方留出一块干净背景，卖点字后期压上去。留白别贪多，超过三分之一，商品会显得小，卖点字也没地方落。我们试过留一半，出来像海报，不像货架上的主图。提示里写清楚：不要加手，不要加茶几，不要加电视，除了商品和一块落脚的面，别的东西一律不进画面。
出来的第一版，机身亮得像上了油。那是模型自己补的高光。哑光壳最忌这个，一有高光就变成廉价塑料。我们在禁改项里加了一句，保持哑光，不添加镜面反射。第二版才稳。
案例二：透明水瓶，折射写在输入里
第二个是景田那瓶五百六十毫升的饮用纯净水。
这张输入是货架实拍，不是白底。瓶身透明，水在里头，标签贴在中段，背后是货架的格子和旁边的包装。
透明瓶的麻烦集中在两处：折射，还有高光。折射是瓶身把背后的东西折成几截，高光是灯管在瓶肩上拉出的白条。这两样在真实照片里混在一起，模型分不清。反光一旦碎掉，瓶身就很难干净。
原图的问题就在这：瓶肩上有两道断开的白条，瓶身中段还有一块从隔壁包装爬过来的颜色，标签右下角被灯照得发白。
我们没做精修，只做了三件事：换了一张反光更整的帧，裁掉左右货架，把瓶盖完整留在画面里。裁的时候给瓶身留一点呼吸，别贴着边裁。边缘一紧，模型会以为画面外还有东西，生成时往旁边补一截货架。然后告诉模型，场景是溪流边的苔石，瓶子立在浅水里，光从侧后方来，瓶身只保留一条竖向主高光。
这里有个取舍。你不可能要求模型把每一道反光都还原，也没必要。主高光保住，瓶身的圆柱感就在；零碎的反光压下去，画面才有干净的底子。
出图后瓶盖边缘还是有一点灰。那是原图瓶盖本身就带的环境色，不算失败，反而像真的。我们留了。
案例三：抽纸压花，重复的东西最怕猜
第三个是绿色包装的云感柔肤抽纸。
输入是白底多盒并排，盒子正面朝前，盒面上有一层压出来的凹凸纹理。远看是一片细密的重复，近看才能数清单个纹样。
重复纹理是 AI 最容易"猜"的东西。原图里一个重复单元只占几十个像素，模型看不清，就会按自己的理解补：有的地方压花变成一片糊块，有的地方纹样走形，行距忽宽忽窄，像印版没对准。
这类图的输入要求跟前面两个不一样。不是越大越好，是一个完整重复单元要清楚。我们裁出最前面那一盒，保证盒面正对镜头，压花的凹凸边在放大后还能看出明暗，再喂进去。拍这类盒子，侧面留一点斜光，压花的凹凸才有明暗；全平的光会把纹理拍没，模型只能照着轮廓猜。
场景换成浅绿植物背景，清新一点，跟包装的绿呼应。提示里把"压花密度保持一致、纹样不变形"写进禁改项，同时限定只用一盒做主主体，其他盒子不要入镜。多盒并排看着热闹，生成时却容易让模型把数量数错，多一盒少一盒都算事故。
这一版出来，压花没有变成噪点，密度也匀。凑近看当然不如原图锐，但放在主图尺寸上，够用。
提示词分五层写，别堆形容词
输入过了关，才轮到提示词。我们的写法是分层，一层说一件事。
主体。 只说画面里有什么：品类、数量、朝向、位置。黑色遥控器一只，正面朝前，竖版，商品位于画面下方三分之二。别写"高端大气"，那不是信息，是愿望。
材质。 说表面。哑光塑料、透明瓶身、压花纸面，各自的反应不一样。材质词要落到反光强弱和表面粗细上，不要只写"质感好"。
光位。 说光从哪来、硬还是软。侧后方、柔光、主高光一条，这些够了。光位决定阴影往哪倒，也决定透明材质透不透。
留白。 说字放哪。上方留白、右侧留白，留多少，最好用商品占几分之几来描述。留白不是空着好看，是给卖点字留位置。
禁改项。 写不能动的东西：标签文字、按键布局、压花密度、瓶盖形状，以及不要添加的手、道具、水花、倒影。负面约束要具体，"不要杂乱"这种话模型听不懂。
五层分开写，每层一两句，比一段长词有用。提示词不是许愿池，它只能在你给的框架里做选择。框架越清楚，它瞎补的空间越小。
拿遥控器那张说，第一版我们只写了"黑色遥控器，白色背景，产品摄影"，出来一张带手的图；补上数量和禁加手之后，手没了，比例还是飘；再加"商品占画面六成、上方留白"，构图才定住。五层不是一次写完的，是一层层挤出来的。
更细的字段和能力边界，我们写在AI生图功能说明里，这里不展开。
出图之后，过三关再上架
图出来，别急着上架。我们固定过三关。
结构关。 先看大形。瓶子直不直，瓶盖正不正，盒子的边是不是平行，遥控器的长宽比例有没有被拉长。远看十秒，再放大看接缝。AI 最喜欢在结构上顺手改一点，这一点在主图尺寸下往往就是歪。还要数东西：该一只的有没有多出一只，该几盒的有没有少一盒，瓶底有没有多出一层不该有的水。
文字关。 放到百分之百，逐个看字。品牌名、品类名、规格数字，笔画有没有少，间距有没有挤。景田那瓶的规格字样、抽纸盒上的"云感柔肤"，都是硬指标。糊了不要硬修，小字后期贴原图最稳；结构歪了才需要重跑。
材质关。 看反光和被反光。哑光件有没有被加上油光，透明件有没有变成一块塑料板，压花有没有糊成一片。边缘那圈灰也算，太整齐的灰边通常是抠图痕迹，不是阴影。
三关里任何一关不过，都回到输入或者提示词，别在原图上反复局部重绘。局部重绘救得了一处，救不了整体。
常见问题
Q：手机随手拍的图，能不能直接丢进 AI 生图？ 能出图，但能上架的比例低。手机拍不是原罪，前提是主体占画面六成以上、焦点落在商品上、没有遮挡、光不花。四条里缺两条，重拍比反复生成划算。那天仓库的图就是反面教材，手一歪，后面全歪。
Q：商品图一定要白底吗，货架实拍行不行？ 不一定。白底胜在边界清楚，省去抠图；实拍胜在信息多，但杂物、价签、杂反光也一起带进来。判断标准只有一条：主体轮廓能不能一眼分清。能，实拍也能用；不能，白底也得重拍。
Q：出图后商品上的字总是糊，是模型不认识字吗？ 有一部分是。更多时候是输入里字占的像素太少，或者透视太斜，字已经被压扁了。字是验收里的硬指标，别指望生成阶段赌运气。标签上的小字，后期贴原图比重跑十次都稳。
Q：一次生成几张比较合适，怎么挑？ 同一个输入先跑三四张，看方向对不对。挑结构最正的那张，再在它的基础上微调光位和留白。别一口气跑几十张，那不是提高概率，是把同一个错误重复很多遍。数量解决不了输入的问题。
Q：透明瓶、玻璃杯这类材质，有没有必要先修图？ 不用精修，但要清掉最抢眼的杂反光。瓶身上如果爬满货架灯管和隔壁包装的碎影，模型会把这些当成瓶子的材质，输出就脏。留一条主高光，其余能避则避。修图十分钟，胜过生成二十张。
把这套规矩放进日常
这套东西写成规矩之后，仓库那边的节奏反而快了。
每次到新品，先拍三个角度：正面、侧面、细节。不追求多，够用就行。拍完当场在相机里放大看，字不清、边不实、反光断的，重拍。以前是拍完就传，现在是拍完先看，多花两分钟，后面少折腾半小时。
回到工位，按 SKU 建文件夹，原图、裁好的输入图、出图分开放。输入图命名带尺寸和角度，比如"遥控器-正面-大图"。别小看命名，返工的时候找得到原图，能省一半时间。
上架前，主图、卖点图、场景图各留一版没压字的干净底。平台规则改、卖点换，重新压字比重跑便宜。入口和具体字段在使用指南里，照着走一遍就熟了。
几句实在话
写这些不是劝你把每张商品图都拍成广告级。POD 的节奏摆在那，一天几十个 SKU，不可能张张精修。
但至少，别把一张手抖、反光乱、字只占十几个像素的图，直接丢给模型，然后怪它不懂你。它很懂，只是会老老实实照着你给的底子画。
输入这一步管住，后面的提示词和验收才有意义。管不住，改多少版词都是原地打转。
买家划到商品时，先看见的是主图。那一眼里没有提示词，只有商品。