AI商品主图生成：商品图、参考图、卖点资料的分工与协作

1. 从一张主图说起：商品图、参考图、卖点资料到底谁说了算

做电商视觉这行的人，最近一年应该都有一个共同的体感：AI生成商品主图这件事，从"能不能做"变成了"怎么分工才不乱"。我最早接触这块是在给一个做家居收纳的店铺做视觉外包，当时客户丢过来一句"帮我用AI出一套主图"，我第一反应是打开工具直接生成，结果出来的东西要么产品变形，要么背景和产品气质完全不搭，返工了整整三轮才勉强能用。后来复盘才发现，问题根本不在工具，而在于我一开始就没把商品图、参考图、卖点资料这三样东西的角色分清楚。

这三者的关系，说白了有点像做菜。商品图是你手里那块真实的食材，它决定了这道菜的底线——食材本身长什么样，成品就不能偏离太远；参考图是你想模仿的那道菜的摆盘照片，它告诉你风格、构图、光影大概往哪个方向走；卖点资料则是菜谱上的文字说明，比如"少油""高蛋白""适合健身人群"，它决定了这道菜要突出什么、给谁吃。三者缺一个，做出来的东西要么不像、要么不好看、要么没人买。

很多人做AI商品主图翻车，本质上是把这三样东西混在一起用了。比如直接把商品图丢给AI让它"参考这张图生成一张更好看的主图"，这时候AI既要把你的产品当内容，又要把它当风格参考，结果就是产品被"重绘"得面目全非。再比如只给参考图不给商品图，AI会自由发挥，生成一个风格很漂亮但和你实际卖的东西毫无关系的图，这种图放在详情页里就是灾难。

所以这篇内容我想聊的不是"哪个AI工具好用"，而是在AI生成商品主图的完整流程里，商品图、参考图、卖点资料各自承担什么职责，怎么配合，怎么避免互相打架。适合正在做电商视觉的运营、设计师，也适合自己开店想用AI省成本的中小卖家。我会把每一步的意图、参数逻辑、踩过的坑都摊开讲，尽量让你看完能直接套用到自己的类目上。

2. 商品图：不是拿来"参考"的，是拿来"锚定"的

2.1 商品图的核心职责是锁定产品本体

先纠正一个特别常见的误区：很多人把商品图当成"参考图"的一种，觉得反正都是图，一起丢给AI就行了。这是错的。商品图在AI生成流程里的唯一职责，是锚定产品本体的形状、颜色、材质、结构比例。它不负责提供风格，不负责提供氛围，它只负责一件事——让AI知道"这个东西长什么样，不能改"。

我拿一个实际案例说。之前做一个保温杯的主图，商品图是白底棚拍，杯身是磨砂深灰，杯盖是哑光黑，杯身有一圈细的银色腰线。第一次生成的时候我把这张商品图和一张"北欧风木质桌面"的参考图一起丢进去，提示词写的是"把产品放在木质桌面上，自然光"。结果AI把杯身的磨砂质感改成了亮面，银色腰线也糊掉了。原因就是AI在同时处理"产品还原"和"场景融合"两个任务时，会优先服从风格参考，产品细节被牺牲。

后来我调整了策略：商品图单独走一个"产品锁定"的环节，先用图生图或者局部重绘的方式，把产品本体抠出来、固定住，再进入场景合成。这个顺序一变，产品还原度立刻上来了。

2.2 商品图的拍摄和预处理要求

不是随便一张商品图都能拿来锚定。我总结了几条硬性要求，都是踩坑踩出来的：

• 背景尽量干净。白底或纯色底最好，如果原图背景很杂，AI在识别产品边缘时容易把背景元素误判成产品的一部分。我遇到过一张放在木桌上的产品图，AI把桌面的木纹当成了产品表面的纹理，生成出来产品上全是木纹。
• 光线均匀，避免强反光。强反光会让AI误判材质，比如金属反光被识别成塑料高光。如果原图有反光，建议先用修图工具压一下高光再喂给AI。
• 分辨率够用但别太大。一般长边1500到2000像素足够，太大反而会让AI在细节上过度发挥。我试过用4000像素的原图，生成时AI在杯盖螺纹上加了原图根本没有的装饰纹路。
• 多角度图分开用。正面图锚定正面，侧面图锚定侧面，不要指望一张图搞定所有角度。做多角度主图时，每个角度单独走一次锚定流程，最后再统一风格。

提示：如果你的商品图本身质量不行，比如模糊、偏色、构图歪，别急着上AI。先花十分钟用基础修图工具把图修干净，这一步省下来的返工时间远超你的想象。

2.3 产品锁定环节的具体操作思路

产品锁定这一步，不同工具的操作方式不一样，但底层逻辑是相通的：让AI只做"提取和保留"，不做"创作"。具体来说有两种常见做法。

第一种是抠图加蒙版。先用抠图工具把产品从原背景里分离出来，得到一个带透明通道的产品图，然后在生成时把这个产品图作为底层，AI只负责生成产品以外的区域。这种做法最稳，产品还原度接近百分之百，缺点是产品本身的光影和场景光可能不匹配，需要后期再调。

第二种是图生图加低重绘幅度。把商品图作为底图，重绘幅度控制在0.2到0.35之间，提示词里明确写"保持产品形状、颜色、材质不变，只改变背景"。重绘幅度这个参数很关键，太低（0.1以下）背景几乎不变，太高（0.5以上）产品就开始变形。我实测下来0.25到0.3是大多数类目的甜点区，但具体还要看产品复杂度，结构越复杂的产品，重绘幅度要越低。

这两种做法我会根据产品类型选。标品、结构复杂的产品（比如电子产品、带logo的包装）用第一种，非标品、结构简单的产品（比如纯色杯子、布料）用第二种更省事。

3. 参考图：决定"长什么样"的是它，不是提示词

3.1 参考图真正控制的是风格和构图

很多人以为提示词写得够细，风格就能控制住。实际做下来你会发现，提示词对风格的控制力远不如一张参考图。你写"北欧极简风"，AI可能给你生成日式侘寂风；你写"暖色调自然光"，AI可能给你冷白棚拍。但如果你丢一张明确的参考图进去，风格立刻就被拉过去了。

参考图在流程里的职责，是提供构图方式、光影逻辑、色调倾向、场景氛围这四样东西。它不负责产品长什么样，那是商品图的活。所以参考图的选择标准很明确：你要什么风格，就找什么风格的图，而且这张图里的主体最好和你卖的东西不是同一类，避免AI混淆。

举个例子，你卖的是护肤品，想做成"清晨窗边自然光"的感觉，那参考图可以找一张窗边静物摄影，主体是书或者花瓶都行，只要光影和氛围对。如果你找一张同样是护肤品的图当参考，AI很容易把参考图里的瓶子形状也带进来，生成一个"四不像"。

3.2 参考图的数量和权重怎么配

参考图不是越多越好。我试过一次丢五张参考图进去，结果AI把五张图的风格平均了一下，出来一个谁都不像的东西。后来固定成一到两张参考图，一张主参考定风格，一张辅助参考定构图或色调。

如果工具支持参考图权重调节，主参考权重给到0.6到0.7，辅助参考给0.3到0.4。这个比例的逻辑是：主参考负责"大方向不能偏"，辅助参考负责"细节上补一点变化"。权重太平均，风格就会打架。

还有一种情况是风格参考和构图参考分开。比如你想要A图的色调，但想要B图的构图，这时候可以用两张参考图分别控制，但要在提示词里明确写清楚"参考图1提供色调，参考图2提供构图"，让AI知道每张图负责什么。不过说实话，这种精细控制对工具要求比较高，不是所有工具都支持，如果工具不支持，建议还是老老实实一张参考图定风格，构图靠提示词和裁剪来控制。

3.3 参考图选择的三个实操判断标准

选参考图这件事，我总结了三个判断标准，基本能过滤掉大部分不合适的图：

第一，光影方向要明确。一张好的参考图，光从哪来、影子往哪倒，应该是一眼能看出来的。如果参考图本身光影很平、很散，AI生成出来的图也会很平，产品没有立体感。我一般优先选有明确侧光或侧逆光的参考图，这种光影最容易出质感。

第二，色调要统一。参考图里如果有大面积的高饱和色块，AI很容易把这个颜色带到产品上。比如参考图里有一块很亮的橙色，生成时产品上可能就多了一块橙色反光。所以参考图的色调最好是低饱和、统一的，除非你就是要那个颜色。

第三，场景元素要简单。参考图里的道具越少越好，最好只有一到两个元素。道具太多，AI会把这些道具也生成到你的图里，而且位置不可控。我吃过这个亏，参考图里有个小盆栽，结果生成的主图里产品旁边莫名其妙多了个盆栽，还挡了产品。

4. 卖点资料：决定"为什么买"的隐形指挥棒

4.1 卖点资料不是文案，是生成约束条件

这一块是最容易被忽略的。大部分人做AI主图，注意力全在图上，卖点资料要么不写，要么随便写两句。但实际上，卖点资料决定了这张图要突出什么、弱化什么、给谁看，它是整个生成流程的"隐形指挥棒"。

举个具体的例子。同样一个保温杯，如果卖点是"24小时保温"，那主图要突出的是杯盖密封结构、内胆材质，场景可能是户外或者办公室，光影要偏硬朗、专业；如果卖点是"颜值高、适合送礼"，那主图要突出的是杯身颜色、包装质感，场景可能是礼盒、丝带，光影要偏柔和、温暖。同样的商品图、同样的参考图，卖点资料一变，生成方向完全不同。

所以卖点资料在流程里的职责，是把抽象的产品优势翻译成具体的视觉元素和提示词约束。它不是给你自己看的文案，是给AI看的"生成说明书"。

4.2 把卖点翻译成视觉语言的三个步骤

我一般分三步把卖点资料转成AI能理解的约束。

第一步，提取核心卖点，一般不超过三个。卖点太多，AI会抓不住重点，生成出来的图什么都想突出，结果什么都不突出。三个卖点对应三个视觉重点，比如"保温"对应内胆特写，"轻便"对应手持场景，"防漏"对应倒置不漏水的画面。

第二步，把每个卖点翻译成视觉元素。"保温"翻译成"杯口冒热气""内胆金属反光"；"轻便"翻译成"单手轻松握持""背景虚化突出产品"；"防漏"翻译成"杯子倒置""水珠不渗出"。这一步的关键是具体到画面里能看见的东西，不能停留在形容词。

第三步，把视觉元素写成提示词约束。比如"杯口有轻微热气升腾，内胆呈现金属光泽，背景为虚化的办公室环境，自然侧光"。这些约束会直接进入提示词，和商品图、参考图一起作用。

4.3 卖点资料和参考图冲突时怎么取舍

实际操作中经常遇到卖点资料和参考图打架的情况。比如卖点要突出"专业感"，但参考图是温馨家居风，这时候怎么办？

我的处理原则是：卖点优先于风格，但风格可以微调卖点的表达方式。也就是说，如果卖点是核心，那参考图要换，换成能承载这个卖点的风格。如果参考图的风格是客户指定的、不能换，那就调整卖点的视觉表达，把"专业感"用温馨的方式表达出来，比如用整洁的桌面、有序的摆放来体现专业，而不是用冷色调和硬光。

这个取舍没有标准答案，但有一个判断依据：看这张图最终放在哪个位置。如果是主图第一张，卖点优先，因为第一张要抓眼球、传达核心价值；如果是详情页中段的场景图，风格优先，因为这时候用户已经知道产品是什么了，需要的是氛围和代入感。

5. 三者的协作顺序：为什么"先锚定、再定调、后约束"不能乱

5.1 顺序错了会发生的三种典型翻车

把商品图、参考图、卖点资料三样东西同时丢给AI，是翻车率最高的做法。我总结下来，顺序错了会出现三种典型问题。

第一种，产品被风格带跑。参考图的风格太强，AI在生成时优先服从风格，产品本体被重绘。比如参考图是油画质感，生成出来的产品也带上了油画笔触，完全不能用。

第二种，卖点被画面淹没。卖点资料没有提前转成视觉约束，只是作为文字提示词放在最后，AI在生成时权重不够，画面里根本看不到卖点对应的元素。

第三种，参考图和商品图互相污染。参考图里的主体和商品图里的产品被AI混在一起，生成一个"杂交"产品。这种情况在参考图和商品图主体相似时特别容易发生。

5.2 我固定的三段式流程

踩了这些坑之后，我固定了一套三段式流程，顺序不能乱：

第一段，产品锚定。只用商品图，不加参考图，不加卖点，先把产品本体固定住。这一步的产出是一张"产品不变、背景干净"的底图。工具上可以用抠图加蒙版，也可以用低重绘幅度的图生图。这一步的目标只有一个：产品还原度达标。

第二段，风格定调。在锚定好的底图上，加入参考图，生成场景和风格。这一步不加卖点约束，先把整体调性定下来。如果风格不对，换参考图重来，不要在这一步纠结卖点。这一步的产出是一张"产品对、风格对"的图。

第三段，卖点强化。在风格定好的图上，加入卖点对应的视觉元素和提示词约束，做局部重绘或细节调整。比如加热气、加手持、加倒置效果。这一步的产出才是最终可用的主图。

这三段的逻辑是从"不变"到"可变"：产品是最不能变的，所以第一步锁死；风格是中等可变，第二步定调；卖点表达是最灵活可变的，第三步微调。顺序反过来，先定风格再锁产品，产品就会被风格带偏；先加卖点再定风格，卖点元素会和风格冲突。

5.3 每一段的验收标准和返工判断

每一段做完都要验收，不达标不要进入下一段，否则问题会累积。

这个表格我贴在工位上，每次做新类目都对照着走一遍。看起来麻烦，但实际上比反复返工省时间。我算过，走完三段式流程，一套主图从开始到定稿大概两到三小时；如果不分顺序乱做，返工三四轮下来，一天就没了。

6. 不同类目的分工差异：标品、非标品、虚拟产品的不同打法

6.1 标品：商品图权重最高，参考图要克制

标品比如电子产品、家电、工具，产品结构复杂、有品牌标识、有固定形态，这类目里商品图的权重最高，参考图要尽量克制。

我的做法是：标品的产品锚定环节用抠图加蒙版，确保产品百分之百还原；参考图只用来定光影和背景，权重压到0.4以下，避免AI在产品和背景的边界上做过多发挥；卖点资料集中在功能展示上，比如接口、按键、屏幕显示，用局部重绘的方式加细节。

标品最怕的是产品变形和logo模糊，所以任何可能影响产品本体的操作都要谨慎。我一般会在产品锚定后先导出一张确认图，放大检查logo和细节，确认没问题再进入下一步。

6.2 非标品：参考图权重可以拉高，卖点靠氛围传达

非标品比如服装、家居、饰品，产品形态相对简单，用户更看重风格和氛围，这类目里参考图的权重可以拉高，甚至可以用参考图来主导整体调性。

服装类目我一般会找同风格但不同款的参考图，避免AI把参考图里的衣服款式带进来。家居类目参考图可以大胆一点，因为家居产品本身形态简单，AI不容易搞混。卖点资料在非标品里更多是氛围层面的，比如"柔软""亲肤""治愈"，这些要翻译成光线、材质、场景的柔和度，而不是具体的功能展示。

非标品的返工率其实比标品低，因为用户对产品本体的精确度要求没那么高，但对风格的要求高。所以非标品的重点在参考图的选择上，选对了参考图，后面两步都很顺。

6.3 虚拟产品和服务：卖点资料是绝对核心

虚拟产品比如课程、会员、服务，没有实体商品图，这类目里卖点资料是绝对核心，商品图和参考图的角色要重新定义。

商品图在这里变成了"品牌视觉元素"，比如logo、主色调、字体；参考图变成了"行业风格参考"，比如教育类目参考知识付费的视觉风格，服务类目参考专业商务的视觉风格。卖点资料则要翻译成具体的画面符号，比如"一对一辅导"翻译成"两个人对着屏幕交流"的画面，"随时退款"翻译成"盾牌或对勾"的视觉符号。

虚拟产品的AI主图最容易做得空洞，因为缺少实体产品的锚定。我的经验是用具体的场景和人物来替代产品，让画面有故事感，而不是一堆抽象图形堆在一起。

7. 实操中那些没人告诉你的细节

7.1 提示词里三者的表述顺序有讲究

提示词不是随便写的，商品图、参考图、卖点资料在提示词里的表述顺序，会影响AI的注意力分配。我实测下来，把产品描述放在最前面，风格描述放中间，卖点描述放最后，生成结果的稳定性最高。

比如这样写："一个磨砂深灰色保温杯，杯盖哑光黑，杯身有银色腰线（产品描述）。北欧极简风格，木质桌面，自然侧光，背景虚化（风格描述）。杯口有轻微热气，内胆金属光泽（卖点描述）。"

这个顺序的逻辑是：先告诉AI"画什么"，再告诉AI"怎么画"，最后告诉AI"突出什么"。如果顺序反过来，先写风格，AI会先建立场景，再往里塞产品，产品就容易变形。

7.2 局部重绘是卖点强化的最佳工具

卖点强化这一步，不要用整图重绘，要用局部重绘。整图重绘会把前面两步的成果全部推翻，局部重绘只改你框选的区域，产品本体和风格都能保住。

局部重绘的关键是蒙版范围要精准。比如要加杯口热气，蒙版只框杯口上方一小块区域，不要框到杯身。蒙版范围太大，AI会在不该改的地方也做修改。我一般会把蒙版边缘羽化值调低，让修改区域和原图的过渡自然一点。

还有一个细节：局部重绘的提示词要只描述要加的东西，不要重复描述产品。比如加热气就写"轻微热气升腾，自然过渡"，不要写"保温杯杯口有热气"，重复描述产品会让AI重新生成产品。

7.3 多张主图之间的风格一致性怎么保证

一套主图通常有五张，如果每张都单独生成，风格很容易不统一。我的做法是先生成一张"风格母图"，把这张图的风格参数、参考图、提示词模板固定下来，后面四张都基于这个模板生成，只改场景和卖点元素。

具体操作上，我会把第一张图的完整提示词保存成模板，后面每张只替换场景描述和卖点描述，产品描述和风格描述完全不动。参考图也用同一张，权重不变。这样生成出来的五张图，色调、光影、质感都是一致的。

如果工具支持种子固定，把第一张图的种子记下来，后面几张用同一个种子，一致性会更高。不过种子固定也有副作用，就是画面构图会很像，这时候可以微调种子值，在保持风格的同时让构图有变化。

7.4 生成之后的后期处理不能省

AI生成的主图，直接用的比例其实不高，大部分都需要后期微调。常见的后期处理包括：压高光、提暗部、调色温、锐化产品边缘、加文字排版。

我一般会在生成后做三件事：第一，用曲线工具把整体对比度拉一下，让产品更立体；第二，用色彩平衡把色调统一到品牌色系；第三，用锐化工具把产品边缘锐化一下，让产品从背景里跳出来。这三步做完，图的完成度会明显提升。

还有一点，AI生成的图不要直接放大使用。如果生成分辨率不够，先用无损放大工具放大，再锐化，不要直接拉伸，拉伸会让产品边缘糊掉。

8. 我踩过的三个典型坑和对应的解法

8.1 参考图太像商品图，导致产品被"换脸"

有一次做一款方形收纳盒，我找的参考图也是一个方形收纳盒，只是颜色不同。结果生成出来的产品，形状变成了参考图的形状，边角弧度都不一样了。这就是参考图和商品图主体太像导致的"污染"。

解法很简单：参考图的主体和商品图的主体，尽量选不同类的东西。收纳盒的参考图可以找一本书、一个音箱，只要光影和氛围对就行。主体不同，AI就不会混淆。

8.2 卖点写得太抽象，AI完全没反应

早期我写卖点资料，写的是"高品质""性价比高""值得信赖"，生成出来的图里完全看不到这些卖点的影子。后来才明白，这些词对AI来说没有任何视觉指向，AI根本不知道该怎么表现"高品质"。

解法是把抽象词翻译成具体画面。"高品质"翻译成"产品表面有细腻的质感反光，边缘做工精致"；"性价比高"翻译成"产品旁边有价格标签或促销元素"；"值得信赖"翻译成"产品有认证标识或专业场景"。翻译得越具体，AI执行得越准。

8.3 三段式流程走完，发现风格和产品气质不搭

这种情况通常发生在第二步风格定调之后。产品锚定没问题，风格也生成出来了，但一看就是"这个风格配这个产品不对劲"。比如一个偏工业风的工具，配了一个温馨家居的参考图，怎么看怎么别扭。

解法是回到第一步，重新审视商品图的气质。商品图本身其实已经暗示了产品的气质，工业风的产品，商品图通常是硬朗的线条、冷色调；温馨风的产品，商品图通常是柔和的曲线、暖色调。参考图的选择要顺着商品图的气质走，而不是逆着来。如果客户指定了不搭的风格，那要在卖点资料里找补，用卖点来平衡风格和产品之间的落差。

9. 关于工具选择的一点个人看法

工具这块我不太想展开讲具体品牌，因为迭代太快，今天好用的明天可能就变了。但有几个选择维度是稳定的，可以供你参考。

第一，看是否支持分层控制。能分别控制商品图、参考图、卖点约束的工具，比"一锅端"的工具好用得多。分层控制意味着你可以单独调整某一层的权重，出问题时知道是哪一层的问题。

第二，看局部重绘的精度。卖点强化这一步高度依赖局部重绘，蒙版边缘是否自然、重绘区域是否可控，直接决定最终效果。有些工具的局部重绘会把周围区域也改掉，这种工具做精细活会很痛苦。

第三，看是否支持参数保存和复用。一套主图五张，如果每次都要重新调参数，效率太低。支持保存提示词模板、参考图配置、种子值的工具，能大幅提升一致性。

第四，看生成速度。三段式流程意味着至少三次生成，如果每次生成要等好几分钟，一天做不了几套图。速度这个维度在实际工作中比想象中重要。

我自己的组合是：锚定环节用抠图工具加基础生成工具，风格定调用支持参考图权重的工具，卖点强化用局部重绘精度高的工具。不一定非要一个工具全包，分开用反而更灵活。

10. 最后聊几句实际做下来的体会

这套分工逻辑我用了大半年，从最开始的手忙脚乱到现在基本能稳定出图，最大的体会是：AI生成商品主图这件事，瓶颈从来不在AI，而在你有没有把需求拆清楚。商品图、参考图、卖点资料这三样东西，本质上就是把"产品是什么""风格要什么样""卖点怎么表达"这三个问题拆开，一个一个解决。拆清楚了，AI就是个听话的执行者；拆不清楚，AI就是个添乱的。

还有一个体会是，不要追求一次生成就完美。三段式流程本身就是分步迭代的思路，每一步都允许返工，每一步都验收。我见过太多人想一步到位，结果反复抽卡，浪费的时间比自己分步做还多。

另外，不同类目的分工比例真的差很多，标品和非标品的打法几乎是两套逻辑。如果你做的是多类目店铺，建议每个类目单独建一套模板，不要混用。混用的结果就是哪个类目都做不好。

至于工具，我的建议是先用熟一个，把三段式流程跑通，再考虑换工具或加工具。工具是放大器，流程是底子，底子不稳，工具再好也白搭。