第八节:参考图与一致性控制(Reference Image & Consistency)
完整迁移第 8 节原文,覆盖主体一致性、结构一致性、风格迁移、多图参考和局部编辑。
第八节:参考图与一致性控制(Reference Image & Consistency)
GPT 生图从 0 到 1 · 第 08 课 · 图生图、多图参考、主体锁定与局部编辑
前七节,我们主要研究如何通过文字控制图片:比例、构图、风格、镜头、光影、材质等。
但进入真实商业生产后,会遇到一个更重要的问题:
如何让 AI 按照我们已有的图片生成,而不是每次重新创造一个看起来相似、实际上却不同的主体?
例如:
- 使用同一位蓝发少女生成不同姿势,不能每次都换脸。
- 将动漫角色转换为写实摄影,同时保留发型、服装和主要角色特征。
- 给汽车替换轮毂时,只能修改轮毂,不能改变车身。
- 把普通商品照片改成商业摄影图,但必须保留产品实际结构。
- 更换海报背景时,Logo、标题和二维码不能发生变化。
这正是第八节要解决的核心:参考图驱动的可控生图。
8.1 参考图不等于生成图
我们先建立三个概念:
| 概念 | 英文 | 核心作用 |
|---|---|---|
| 文生图 | Text-to-Image | 通过文字创建新画面 |
| 图生图 | Image-to-Image | 以现有图片作为生成或编辑依据 |
| 一致性控制 | Consistency Control | 尽量保持主体与关键特征稳定 |
需要注意,参考图并不自动意味着模型会逐像素复制它。
AI 可能正确理解“这是一辆汽车”,但改变它的灯组、轮毂、车身细节;也可能理解“这是同一个动漫角色”,却修改了眼睛、发饰或裙子图案。
因此,参考图控制不仅需要提供图片,还需要明确说明:
哪些内容作为视觉依据,哪些内容允许修改,哪些内容绝对不能改变。
8.2 参考图控制的六大核心能力
REFERENCE CONTROL SYSTEM
01 · Identity
主体一致性
人物脸型、角色身份、产品形态
02 · Structure
结构一致性
轮廓、几何、服装、物体细节
03 · Style Transfer
风格迁移
动漫转写实、摄影转插画
04 · Multi-Reference
多图参考
主体图、风格图、背景图组合
05 · Local Editing
局部编辑
替换、移除、增加特定区域
06 · Iterative Consistency
多轮一致性
多次修改、版本管理与回退
8.2 视觉叙事的八大控制维度
当任务从“生成一张图”扩展到“生成一组连续画面”时,提示词需要同时管理叙事、角色、场景和视觉语言。下面这八个维度可以作为检查清单,帮助我们定位连续画面中断裂的原因。
VISUAL STORYTELLING FRAMEWORK
01 · Story Arc
故事结构
开端、发展、转折、结局
02 · Character Consistency
角色一致性
身份、外貌、服装、配饰
03 · Scene Continuity
场景连续性
地点、建筑、道具、天气
04 · Shot Progression
镜头衔接
远景、中景、近景、特写
05 · Action Continuity
动作连续性
姿态、运动方向、接触关系
06 · Emotional Progression
情绪递进
期待、好奇、紧张、释然
07 · Time Continuity
时间连续性
昼夜变化、光线、事件先后
08 · Visual Consistency
视觉语言一致性
色调、画幅、风格、排版
这张框架图适合在生成分镜、角色组图和连续视觉叙事时使用。每次修改只调整一个维度,更容易判断结果变化来自哪里。
本节我们建立一套控制逻辑:
图生图控制公式
参考素材 + 素材职责 + 保持项 + 修改项 + 禁止项 + 验收标准
它比单纯写“根据参考图生成”更明确,也适用于人物、产品、海报和场景编辑。
8.3 第一部分:主体一致性(Identity Consistency)
主体一致性解决的问题是:生成结果是否还是同一个人物或同一个产品?
以之前的蓝发女仆角色为例:
角色基准图
作为发型、服装、五官、配饰的统一参考
动作变化图
允许动作与景别改变,主要角色特征尽量保留
示意图片不构成严格身份一致性实验。正式教学应以上传的同一张角色原图为参考,比较生成结果。
把角色拆成三个层级
| 层级 | 控制内容 | 示例 |
|---|---|---|
| 核心身份 | 需要长期保持的特征 | 蓝色长发、蓝色眼睛、鲸鱼元素 |
| 角色设计 | 默认保持的视觉信息 | 女仆头饰、蓝白服装、蝴蝶结 |
| 可变因素 | 当前任务允许修改 | 动作、表情、视角、场景 |
这样,AI 才能区分“角色不能变”和“角色可以换动作”。
示例提示词
使用参考图中的蓝发少女作为唯一角色依据。
P0 核心身份: 保持蓝色长发、蓝色眼睛、白色褶边女仆头饰、蓝白色女仆服装以及鲸鱼元素。保留参考图中的主要发饰和服装结构。
P1 本次修改: 将人物动作改为双手自然放在胸前,表情为轻微微笑。
P2 可调整内容: 发丝自然摆动、少量布料褶皱、符合新动作的阴影。
固定条件: 3:4 竖版,人物完整入镜,白色背景,原有动漫画风。
禁止事项: 不改变发色、瞳色、服装款式,不删除鲸鱼元素,不增加其他人物或多余肢体。
这里的 P0、P1、P2 是我们人为设定的任务优先级,不是模型保证逐项执行的技术开关。
8.4 第二部分:结构一致性(Structural Consistency)
人物一致性强调身份,而产品一致性往往更强调几何结构是否正确。
例如,一个锻造轮毂,其商业价值可能直接取决于这些细节:
- 辐条数量和形状
- 螺栓孔布局
- 中心盖设计
- 轮辋边缘结构
- 金属工艺及配色
产品参考约束分级
以轮毂为例
P0
结构
辐条、孔位、轮辋、中心盖不可重新设计
P1
外观
颜色、加工工艺、产品细节保持一致
P2
摄影表现
背景、阴影、光线可在指定范围内修改
这里存在一个重要边界:
生成式编辑不能保证产品几何结构与参考图像素级一致。
如果是实际销售的轮毂、踏板、电子产品等,尤其不能凭生成结果确认规格正确。
严格要求产品本体原样不变时,优先使用原图抠图、图层合成、背景替换等确定性编辑方式,再利用 AI 生成背景或环境素材。
8.5 第三部分:风格迁移(Style Transfer)
风格迁移是指:在保留主体某些核心信息的情况下,改变图片的视觉表现。
例如,将动漫人物转为写实摄影。
二维动漫角色
线稿、二维色块、动漫化比例
写实角色摄影
真实织物、发丝、皮肤和摄影光照
进行风格迁移时,必须先判断哪些东西是风格属性,哪些东西是角色身份属性。
例如:
| 保留 | 改变 |
|---|---|
| 蓝发与蓝色瞳孔 | 由动漫上色变成真实头发与眼睛材质 |
| 女仆服装结构 | 由绘制裙子变成真实织物 |
| 白色头饰 | 由二维线条变成真实蕾丝 |
| 鲸鱼元素 | 由卡通图案变成可实现的服装装饰或造型道具 |
特别要注意,动漫人物的部分结构在现实摄影中可能没有直接对应物。比如非常夸张的头身比例、悬浮发丝或者不符合现实的配件,就需要确定是保留奇幻造型,还是转换成可实际制作的 Cosplay 道具。
风格迁移提示词
以参考图中的蓝发女仆少女为角色设计依据,将二维动漫插画转换为真实 Cosplay 摄影。
保持: 蓝色长发、蓝色眼睛、白色褶边头饰、深蓝白色女仆服装、蝴蝶结与鲸鱼元素。
改变: 将二维动画上色改为真实皮肤、真实发丝、真实织物、自然面部光影与商业摄影质感。
人物设定: 一位成年女性 Cosplayer,保留参考角色的主要视觉识别特征。
构图: 3:4 竖版,正面全身照,居中,摄影棚浅灰色背景。
约束: 不重新设计主要服装结构,不擅自修改发色、瞳色和角色主要配件。避免塑料皮肤、明显动漫描边及不自然人体比例。
8.6 第四部分:多图参考(Multi-Reference)
单图参考只能提供有限的信息,而复杂任务可能需要几张图分别负责不同的内容。
例如,制作一张商业汽车海报时,可能需要:
- 图片 A:车辆外观与结构
- 图片 B:目标环境与背景
- 图片 C:品牌 Logo
- 图片 D:排版风格参考
多图参考最重要的不是上传多少张图,而是让每张图承担明确的职责。
多图参考的任务分配
Multi-Reference Workflow
图片 A · 主体
负责车辆造型、产品结构、颜色
图片 B · 场景
负责背景环境、地形、光照氛围
图片 C · 品牌
负责 Logo 与品牌识别元素
图片 D · 版式
负责布局、留白与文字层级
目标图像(Final Image)
组合各参考图承担的特定信息,解决冲突后生成
多图参考中的优先级
假设图片 A 的汽车是蓝色,而图片 B 的汽车是红色。
如果不明确指定,模型可能错误地把参考图 B 的车身颜色带入最终结果。
因此需要写:
图片 A 是车辆外观的唯一参考,车身造型与颜色以图片 A 为准。图片 B 仅用于参考环境与光线,不参考其中的汽车。图片 C 只用于品牌 Logo,不改变其内容。图片 D 仅用于布局参考。
通过素材职责隔离,尽量减少参考图之间的信息干扰。
多图提示词模板
根据上传的多张参考图片,制作一张新能源汽车商业宣传图。
图片 A——主体参考
图片 A 是车辆外观的唯一依据,保持车型轮廓、车身颜色、前脸、灯组、轮毂以及车身比例。
图片 B——环境参考
仅提取背景环境、建筑空间和整体光线氛围,不参考图片 B 中的车辆与其他主体。
图片 C——品牌参考
使用图片 C 中的品牌 Logo,保持其颜色、文字、字形及图形比例。不得重新设计。
图片 D——构图参考
参考图片 D 的主体位置、标题区域与留白比例,不复制不相关的装饰内容。
最终要求
16:9 横版商业宣传图,车辆作为唯一主视觉,画面干净、专业。
当参考素材出现冲突时,车辆信息以图片 A 为准,品牌信息以图片 C 为准,背景以图片 B 为准。
对于需要 Logo、二维码、产品文字绝对准确的商业素材,建议由图像编辑或排版工具直接叠加原始文件,避免模型重绘造成错误。
8.7 第五部分:局部编辑(Local Editing)
局部编辑是指只修改画面中的指定部分,尽量保持其他内容不变。
例如:
编辑前
白色马克杯、浅色背景
目标效果示意
只改变背景为科技蓝,保留马克杯
两张示意图并非对同一原图执行的局部编辑,不证明杯子细节完全一致。
我们可以把局部编辑分为四类。
| 编辑类型 | 英文 | 示例 |
|---|---|---|
| 替换 | Replace | 更换背景、轮毂、服装颜色 |
| 增加 | Add | 给桌面增加一束花 |
| 移除 | Remove | 去掉画面中多余的行人 |
| 调整 | Modify | 修改人物手势或灯光 |
局部编辑最关键的两个区域
编辑区域(Editable Region):允许发生变化的地方。
保护区域(Protected Region):应该尽量保持不变的地方。
局部编辑区域示意
概念示意:图像编辑时必须明确允许修改的内容与需要保护的内容。
局部编辑提示词模板
以图片 A 为唯一基础图片进行局部编辑。
本次唯一修改任务: 将背景更换为柔和的浅蓝色渐变摄影棚背景。
允许修改的区域: 马克杯以外的背景区域,以及与新背景匹配的自然接触阴影。
必须保持的区域: 马克杯本体,包括杯口、杯柄、杯身、比例、颜色和表面材质。
禁止修改: 不改变杯子的形状,不增加图案,不改变镜头角度,不添加其他物品。
输出要求: 保持原图比例,主体位置一致,背景干净自然。
需要特别注意: 即使提示词明确写了“其他部分不变”,生成式图像编辑仍可能影响未指定区域。对精确度要求高的任务,应该结合遮罩、分层编辑或传统图像处理方法。
8.8 第六部分:多轮生图一致性(Iterative Consistency)
真实创作过程中,一张图片通常不会一次完成。
例如:
多轮图片编辑工作流
-
V1 · 创建基准图
确定人物或产品外观、比例、构图。
输出:Master Image
-
V2 · 修改背景
以 V1 为依据,仅修改背景环境。
检查:人物与产品是否发生变化
-
V3 · 调整光影
以通过验收的 V2 为依据,修改光照。
检查:材质、面部、品牌标识是否仍然正确
-
V4 · 加入排版
使用已经确认的图片添加标题和品牌信息。
推荐:采用独立文字图层
-
V5 · 最终验收
检查主体、结构、文字、品牌、画幅及输出质量。
输出:Final Asset
为什么多轮修改可能越来越偏离原图?
因为每一次生成式编辑都可能带来微小变化。
假设第一次只想修改背景,但同时改变了角色发饰;第二次又以前一次的结果作为参考,模型就可能将错误发饰当成新的基准。
经过多轮迭代,最终图片可能逐渐偏离最初设计。
这种现象可以称为迭代漂移(Iterative Drift)。
三个重要控制方法
- 保存原始基准图:不要只保存最后一张生成结果。
- 每轮只做一项主要修改:例如先背景、后光影,避免一次重构所有内容。
- 定期与原图比较:发现主体结构漂移时,回到最近一个通过验收的版本。
对需要长期复用的角色,还可以建立固定的角色参考套图,包括正面、侧面、背面及关键服装细节。
8.9 一致性不是只有一种
我们可以把一致性拆分成六个独立的验收指标。
| 一致性维度 | 检查问题 |
|---|---|
| 身份一致性 | 是否还是同一个人物或角色? |
| 结构一致性 | 轮廓、形状、服装结构有没有改变? |
| 风格一致性 | 是否保持统一的摄影或插画风格? |
| 场景一致性 | 背景空间、物体位置是否稳定? |
| 品牌一致性 | Logo、字形、品牌颜色是否准确? |
| 编辑范围一致性 | 是否只修改了指定的内容? |
不同任务需要不同权重。
例如,人物写真优先关注身份一致性;轮毂商品主图需要优先关注结构一致性;品牌海报则需要关注 Logo 和文字准确性。
8.10 交互练习:生成参考图控制提示词
通过下面的工具,你可以为不同的图片编辑任务快速建立约束。
选择编辑任务
人物动作修改
动漫转写实
产品背景替换
汽车轮毂替换
品牌海报编辑
补充本次编辑目标(可选)
参考图控制提示词
以用户提供的参考图为主要依据,执行“产品背景替换”任务。 【必须保持】产品外观、结构、颜色、尺寸比例和全部商品标识。 【允许修改】只替换产品背景及必要的环境阴影。 【禁止修改】改变产品本体、增加产品细节、修改 Logo 或型号。 【画面要求】尽量维持参考图片原始构图、比例、主体位置及未指定区域的视觉细节。 【补充要求】无。 【验收】对照参考原图检查主体与结构,确认修改范围是否符合要求。无法可靠保持的精确元素应采用原始素材和分层编辑。
8.11 本节完整的图生图提示词模板
GPT Image · Reference & Consistency Prompt V1.0
01. 任务目标(Task)
[明确本次是生成新图、风格迁移、局部编辑还是多图合成]
02. 参考图片(References)
- 图片 A:[主体参考]
- 图片 B:[背景或场景参考]
- 图片 C:[风格参考]
- 图片 D:[品牌或版式参考]
没有对应图片时,删除该项。
03. 核心主体(Subject)
明确画面中的主要人物或产品。
[角色身份、产品形状、关键设计特征]
04. 保持约束(Preservation)
P0:不可改变的核心特征。
P1:尽量保持的结构和布局。
P2:允许自然变化的细节。
05. 修改内容(Editing Scope)
本次只允许修改:
[具体对象、区域、动作、背景或风格]
06. 视觉表现(Visual Settings)
- 图片比例:[比例]
- 构图:[类型]
- 镜头:[视角、焦距、景别]
- 风格:[视觉风格]
- 光影:[光源、方向、质感]
- 材质:[纹理和表面特征]
07. 禁止事项(Negative Constraints)
不添加其他主体。
不擅自修改品牌标识、文字及产品结构。
不改变指定的保护区域。
08. 验收标准(Validation)
检查:
- 人物身份或产品结构
- 服装、颜色与配件
- 构图和背景
- 品牌 Logo、文字与二维码
- 是否出现非预期的修改
09. 失败处理(Recovery)
若主体一致性不满足要求,回到最近的合格参考版本。
必要时将任务拆分为局部编辑、图层合成或其他确定性处理步骤。
8.12 本节博客教学配图规划
这一节建议制作 8 张配图,统一采用“参考图 → 生成结果 → 保持项与变化项”的结构。
| 编号 | 教学图片 | 推荐布局 |
|---|---|---|
| 08-01 | 同一蓝发少女的四种动作 | 2×2 |
| 08-02 | 角色核心特征锁定 | 原图+红色标注 |
| 08-03 | 动漫风格转写实摄影 | 左右对比 |
| 08-04 | 多图参考:主体+背景+风格 | 三输入一输出 |
| 08-05 | 白色马克杯背景局部替换 | 左右对比 |
| 08-06 | 汽车轮毂结构保持与背景编辑 | 左右对比 |
| 08-07 | 多轮编辑的版本漂移 | V1→V2→V3→V4 |
| 08-08 | 参考图控制系统总览 | 流程信息图 |
建议最先制作 08-02 角色特征锁定图,将你之前提供的蓝发少女角色作为视觉锚点,用标注解释哪些特征必须保留。
然后使用同一参考素材生成 08-01 与 08-03,这样读者能看到实际的主体一致性效果,而不仅是两张看起来相似的图片。
8.13 最重要的实战原则:生成控制与精确编辑分开
这是第八节非常值得放进博客的一张决策表。
| 任务 | 推荐方式 |
|---|---|
| 同一角色生成不同姿势 | 参考图驱动生成 |
| 动漫人物转写实 | 风格迁移生成 |
| 修改整体背景氛围 | 图生图或局部编辑 |
| 精确替换图片局部 | 遮罩编辑、分层处理 |
| Logo 必须完全不变 | 使用原始 Logo 图层 |
| 二维码必须能正常扫描 | 保留原始二维码并直接合成 |
| 产品结构必须完全一致 | 产品原图抠图与确定性合成 |
| 多轮生成统一角色 | 基准图+角色参考集+版本验收 |
你需要掌握一个判断标准:
如果目标是“保持大体一致并创造新内容”,生成式 AI 很适合;如果目标是“必须完全一样,只能改变指定像素”,应该优先采用确定性图像编辑工具。
这也是从 AI 图片爱好者走向实际商业生产必须建立的工作习惯。
8.14 本节总结
本节的核心公式:
参考图控制 = 参考素材 + 角色分配 + 保持约束 + 修改范围 + 一致性验收。
完成这一节后,我们应该能够区分人物身份一致性、产品结构一致性与风格一致性,并能够为单图编辑、多图参考、局部修改和多轮生成建立清晰的约束。
下一节建议进入 第九节:文字、排版与信息设计(Typography & Layout)。
我们将研究 AI 如何生成包含中文标题、品牌 Logo、信息卡片、复杂商品卖点和文字层级的商业图片,并重点学习如何减少文字错别字、排版混乱、信息密度过高和品牌标识变形的问题。
这一节会与之前学习的比例、构图、约束和参考图技术结合,开始真正进入可发布
可以。既然第八节已经讲过原理,我们就直接进入实战提示词模板库(Prompt Cookbook)。
我建议将这 8 种任务设计成可切换的提示词模板,读者选择具体任务后,就能看到对应的参考图要求、修改范围、保持约束和完整提示词。
第八节实战:8 种图生图任务提示词
第一步:选择图生图任务
同一角色生成不同姿势
动漫人物转换写实
更换背景与环境
精确替换图片局部
保持原始 Logo
保持二维码可扫描
保持产品结构原样
多轮生成角色一致性
同一角色生成不同姿势
参考图驱动生成
| 参考素材 | 图片 A:人物或动漫角色原图 |
|---|---|
| 任务目标 | 让参考图中的蓝发少女改为站立挥手的姿势 |
| 必须保持 | 人物主要面部特征、蓝色长发、蓝色眼睛、白色女仆头饰、蓝白服装及鲸鱼元素 |
| 允许修改 | 改为自然站立,右手抬起挥手,左手自然下垂 |
| 结果验收 | 核对角色主要特征、服装结构、手指数量和动作 |
第二步:补充你的具体要求(可选)
完整提示词
复制
# 同一角色生成不同姿势 · 图生图提示词 【参考图片】 图片 A:人物或动漫角色原图 【任务目标】 让参考图中的蓝发少女改为站立挥手的姿势 【必须保持】 人物主要面部特征、蓝色长发、蓝色眼睛、白色女仆头饰、蓝白服装及鲸鱼元素。 【允许修改】 改为自然站立,右手抬起挥手,左手自然下垂。 【禁止事项】 不要修改发色、眼睛颜色、服装设计,不要增加人物和多余肢体。 【构图与输出】 保持原始画幅比例及主体位置,未指定的视觉元素尽量与参考图一致。实际生成时可根据原图补充精确比例与分辨率。 【推荐实现】 参考图驱动生成。 【结果验收】 核对角色主要特征、服装结构、手指数量和动作。对于必须逐像素不变的区域,采用原始素材、遮罩和确定性图像编辑,不依赖生成式重绘。
第八节推荐使用的提示词规范
商业场景中,我建议将提示词统一成以下结构:
图生图提示词 = 7 个部分
① 参考图片职责 → ② 本次任务目标 → ③ 必须保持的内容 → ④ 允许修改的内容 → ⑤ 禁止事项 → ⑥ 输出规格 → ⑦ 验收标准
其中有一个非常重要的区别:
生成式任务使用 Prompt 来控制变化,精确编辑任务使用 Prompt 配合确定性的编辑工具来控制变化范围。
例如,给轮毂更换背景,可以让 AI 帮助生成摄影棚环境;但如果要求轮毂本体完全不变,最合适的实现方式是从原始照片中抠出轮毂,再进行合成,而非只靠一句“其他保持不变”。
这套模板可以直接成为你博客第八节的实践工具模块。读者不只是学习概念,还可以选择任务、修改参数、复制提示词并执行自己的图生图实验。
我加一个我自己会遇到的一个场景,比如说你的上司给你一个任务来做一批图片 可能有100张 但许多变的是车辆的主题,但是产品和logo是不变的, 这种 单一变量,同个风格的多批量图片的解决方法是设置提示词的变量和常量, (包括引用的图片也是)
这个场景非常值得单独加入第八节,而且它已经不只是「图生图提示词」问题,而是进入了 批量生图工程(Batch Image Generation)。
你的思路是正确的:把提示词和参考图片拆分成常量(Constants)与变量(Variables),形成一套可批量复用的生产模板。
不过,对于 100 张商业图片,还应该补充一层:批量执行、质量验收与失败重试。
第八节补充:8.15 批量生图——基于变量与常量的模板化生产
1. 从手工生图转向批量生图
假设上司安排一个任务:
为 100 款不同车型制作电动踏板商品主图。所有图片必须采用统一的蓝辉轻改品牌风格、相同的产品卖点、固定的 Logo 和排版。唯一需要变化的是车辆型号和对应的汽车参考图。
传统方式是每次手动修改提示词、重新上传参考图、重新生成。
问题在于:工作重复,而且容易出现字体、Logo、构图和风格不一致。
更好的方式是:
批量生图的生产模型
Master Template · 母版提示词
品牌、画幅、构图、风格、光影、约束
Constants
固定的 Logo、产品、文案与视觉规范
Variables
车型名称、车辆图片、颜色、适配信息
Batch Renderer · 批量生成器
读取每行数据,替换变量,调用生图服务
Quality Control · 质量验收
检查车型、配件、结构、文字、画幅与一致性
100 张统一风格的商品主图
合格交付,不合格单独重试或人工修复
2. 常量与变量应该如何拆分?
这里可以建立三种配置类型。
| 类型 | 属性 | 具体示例 |
|---|---|---|
| 固定常量 | CONST | Logo、1:1 画幅、白灰背景、品牌主色 |
| 批次变量 | VAR | 车型、车型参考图、车型名称 |
| 条件变量 | OPTIONAL | 产品适配款式、车身颜色、额外文案 |
其中,特别需要注意参考图片本身也属于变量系统,而不是只修改文本。
固定参考图 A:电动踏板产品
CONST_PRODUCT_IMAGE
同款踏板产品、固定结构、统一材质与配色
固定参考图 B:品牌 Logo
CONST_LOGO_IMAGE
实际执行时使用公司提供的原始 Logo,而非示意图
动态参考图 C:车辆
VAR_CAR_IMAGE
每次生成替换为该车型对应的真实参考图片
3. 先建立结构化的数据表
假设要制作 100 款车型的电动踏板商品主图,最简单的数据源可以是 Excel、CSV 或飞书多维表。
| ID | 车型名称 | 车辆参考图 | 踏板 SKU | 状态 |
|---|---|---|---|---|
| 001 | 问界 M9 | cars/m9.png | STEP-A | 待生成 |
| 002 | 理想 L9 | cars/l9.png | STEP-A | 待生成 |
| 003 | 腾势 N9 | cars/n9.png | STEP-B | 待生成 |
| 004 | 蔚来 ES8 | cars/es8.png | STEP-C | 待生成 |
这里我故意增加了一个 踏板 SKU 字段。
因为实际业务中,100 款车型不一定使用完全相同的踏板产品结构。如果不同车型对应不同支架或踏板样式,就必须通过 SKU 关联正确的产品图片。
因此,我们要固定的是产品规范与素材选择规则,而不是错误地把同一个产品图强行套在所有车型上。
4. 母版提示词怎么写?
这是我们可以长期复用的模板。
LANHUI 批量商品主图 · Master Prompt V1.0
一、固定常量(CONSTANTS)
图片用途:汽车配件电商商品主图。
画幅比例:1:1。
背景:纯白到浅灰色渐变,高级汽车配件商业摄影风格。
构图:车辆三分之四侧前视角,完整展示车身,主体位于画面中央偏下。
光线:统一柔和摄影棚光线,自然接触阴影。
品牌主色:深海军蓝、科技蓝。
品牌 Logo:使用固定参考图 A,必须保持原始设计。
产品配件:使用匹配当前产品 SKU 的固定产品参考图 B。
二、动态变量(VARIABLES)
车型名称:
车辆参考图片:
配件 SKU:
产品参考图片:
标题:
三、画面生成要求
以 作为车辆外观的主要依据。
生成一张展示 已安装指定电动踏板的商品主图。
重点展示踏板的安装位置、与车身的贴合效果,以及产品的真实材质。
车身造型、前脸、车灯与主要车辆比例以对应车型参考图为准。
四、固定版式
顶部:LANHUI 蓝辉轻改品牌标识。
主标题:
副标题:原车开模|无损安装|贴合车身|安全防夹
中部:完整车辆与电动踏板主视觉。
底部:保持简洁留白。
五、强制约束
P0:不改变车辆参考图中的主要车型特征。
P0:不重新设计产品参考图中的踏板结构。
P0:不修改原始 Logo 字形与品牌色。
P1:统一构图、光线、背景和视觉风格。
P1:车辆、踏板比例合理,安装位置符合对应产品适配资料。
P2:允许调整少量自然反射与接触阴影。
六、质量验收
检查车型是否正确。
检查踏板是否匹配产品 SKU。
检查产品结构与安装位置。
检查图片比例与主体占比。
检查文字与品牌标识准确性。
对于要求完全准确的 Logo、文字和产品细节,使用原始素材通过独立图层合成。
实际执行中,最好将 AI 负责的车辆与安装效果主视觉,和程序负责的品牌 Logo、标题及卖点排版分开。
这样不会因为生成某一台车型时,连固定 Logo 的位置、文字或字形都跟着发生变化。
5. 实际演示:变量替换器
下面模拟一个简化的批量模板系统。你可以切换车型,观察提示词如何变化,而固定视觉规范保持不变。
动态变量 · 车型
问界 M9
理想 L9
腾势 N9
蔚来 ES8
固定常量配置
图片比例
1:13:416:9
统一背景
白灰摄影棚
当前生成提示词
STEP-A
【固定配置 CONST】 画幅:1:1 背景:纯白至浅灰渐变摄影棚 风格:高级汽车产品商业摄影 构图:三分之四侧前视角,车辆居中偏下 灯光:柔和摄影棚光线 品牌:LANHUI 蓝辉轻改(使用原始 Logo 素材) 副标题:原车开模|无损安装|贴合车身|安全防夹 【本行变量 VAR】 车型:问界 M9 踏板 SKU:STEP-A 车辆参考图:cars/m9.png 产品参考图:products/step-a.png 【生成任务】 以当前车型参考图为车辆外形依据,展示安装对应 SKU 电动踏板的问界 M9,保留车辆主要造型与产品结构,真实商业摄影风格。 【禁止】 禁止改变车辆主要识别特征、禁止擅自设计新踏板、禁止添加无关主体。Logo 和文案由后续排版流程叠加。
复制本行 Prompt
这是变量渲染演示,不会直接调用生图模型。图片路径和 SKU 均为示例数据,实际生产时需要关联真实文件及适配记录。
6. 100 张图片如何自动化执行?
如果以后需要交给 Hermes Agent 或编写 Python 脚本,可以使用下面这套流程。
Batch Image Generation Pipeline
CSV / 飞书多维表 · 100 条车型数据
加载 Master Prompt + 常量参考素材
循环读取一条车型数据
装配变量、检查 SKU、生成图片
叠加原始 Logo、固定标题与品牌版式
质量检查
通过 → 保存
失败 → 重试 / 人工复核
交付 100 张验收通过的商品图片
在实际系统中,还应记录每张图片的生成状态、模板版本、引用图片、输出路径、失败原因与重试次数,支持断点续跑,避免 100 张里失败 3 张就要全部重做。
7. 进一步升级:母版版本管理
建议引入一个叫做 Template Versioning(模板版本控制) 的概念。
例如:
| 模板版本 | 改动内容 | 适用情况 |
|---|---|---|
| V1.0 | 基础白灰摄影棚模板 | 第一批商品图 |
| V1.1 | 车辆主体占比统一为约 80% | 第二批优化 |
| V1.2 | 修改统一灯光与阴影 | 新版本发布 |
| V2.0 | 重构商品标题区域与品牌栏 | 全新视觉规范 |
如果上司突然要求“所有图片顶部 Logo 再放大一点”,不应该重新生成全部汽车主视觉。
如果 Logo 是通过独立图层或排版模板合成的,只需修改排版模板,然后重新导出这批图片。
这正是把AI 生图、模板排版、变量管理拆开的价值。
本节最重要的结论
我们可以把它总结为一个非常实用的公式:
批量一致性生图 = 常量配置 + 行级变量 + 参考素材映射 + 母版提示词 + 自动化执行 + 质量验收。
当任务从 1 张图片扩大到 100 张甚至 1,000 张时,关键不再是每张图片的提示词写得有多长,而是能不能通过同一套生产规范,持续获得一致、可验收、可维护的结果。
这一部分建议作为第八节的 8.15「批量图片生成与变量化提示词」,也是整套博客从单张创作走向企业级视觉生产工作流的重要衔接。