前阵子我照常刷 Hacker News看到一个足够克制的 Show HN 标题Realistic AI Image Generator for portraits and product shots。翻译成中文就是“一个面向人像和产品照片的写实 AI 图像生成器”。这两年 AI 生图工具并不少但大多数要么强调“什么都能画”要么想当“设计师灵感插件”。这个标题反而很特别它没有说自己无所不能而是明确锁定两个高频场景拍人像、拍产品图。尤其是“Realistic”这个词放在人像和产品摄影里不是加分项而是及格线。我没有在这个帖子下面看到更多说明所以不清楚它背后用的是自训练模型、开源模型微调还是某个线上 API。但从工程视角看真正值得讨论的不是某一个工具而是这一类工具为什么有价值、怎么落地、边界在哪里。这篇文章我会从一个经常接触图片生成、也经常要做视觉方案取舍的人的角度说说我的判断以及如果你想把类似方案用到真实工作流里应该先解决哪些问题。1. 为什么我盯上了“人像 产品图”这个方向AI 生图看起来热闹落到真实业务里却非常挑剔。绝大多数团队不会天天要“赛博朋克城市”但产品经理、运营、电商设计师、内容运营会天天需要人像素材和产品图。产品图决定一个商品在页面上的第一印象。人像图则出现在头像、详情页模特、品牌宣传图、社媒素材里。这两个需求不酷但足够高频而且过去一直依赖摄影。摄影不是按一下快门就行还要考虑场景、布光、模特、道具、后期。这时候如果有一个 AI 图像生成器能把“真实感”做到可接受整个视觉工作流都会松动。1.1 这是视觉工作流的两个高频硬需求先说产品图。一家做实体消费品的公司哪怕只做一款杯子也需要白底图、场景图、使用过程图。传统流程是买样品、约摄影师、租场地、拍完抠图。如果产品还没最终定版或者只是想快速做 A/B 测试样品图往往非常贵。人像也一样。一个初创公司做创始人访谈公众号需要配图官网需要团队照。花钱请模特拍一套当然专业但可能一次拍摄要确认妆发、服饰、场景时间成本很高。更多时候团队只是需要一张足够“看起来像照片”的默认图把一个位置先占住。这类工具的直接价值是把“等一套拍摄”变成“等一串提示词输出”。你不用先约人先找场景先等样品到齐。你先把视觉方向用图片跑出来大家一起看行不行再决定要不要进入真实拍摄。1.2 真实感是及格线不是卖点很多人听到“AI 生图”第一反应是新奇。但在商业场景里新奇怪异反而是风险。电商详情页放一张比例失衡的产品图用户不会觉得这是“艺术处理”只会觉得你连图都做不好。人像就更严谨。顾客买衣服想要的是“衣服穿在我身上大概什么效果”不是一张脸好看但服装细节变形的图。品牌官网要放团队人像看起来至少得像一个正常人在正常环境里被正常镜头拍到。所以“Realistic”不是形容词是底线。这也是这类工具和通用生图模型最大的不同通用模型追求想象力和多样性而专注人像与产品照片的模型必须克制必须遵守物理世界里的材质、光影、比例和轮廓逻辑。从工程角度看越克制的问题数据集越容易聚焦。你只做人像就围绕人脸、皮肤、发丝、面部比例做训练和评估。你只做产品图就围绕商品轮廓、材质、反光、品牌文字做优化。模型不需要什么都会只需要在某个窄场景里做到可信。2. 它真正改变的是内容试错的成本结构很多人以为 AI 生图工具的价值是“省掉摄影师”但更准确地说它是把一次重投入的视觉决策拆成了大量低成本的小样本测试。过去一个品牌要做一组模特图文案、主题、风格、场地基本都要提前定死因为一旦开拍改一个选项就可能意味着重来。现在你可以同时生成几组不同光线、不同背景、不同风格的产品图在屏幕上先比一轮。这改变的不仅是生产速度更是决策方式你不再需要“先拍完才知道好不好”而是可以先快速筛掉明显不对的方向再把钱花在已经验证过的方向上去补真实细节。2.1 从约棚拍、找模特到几轮提示词迭代我见过不少小团队被一张产品图卡住。不是设计能力不够而是“要拍得真实”这件事本身需要资源。如果你只有一个样品没有专业影棚也没有预算找摄影师那你可以自己拿手机在窗边拍。光线是自然光背景是白墙后期用软件抠图。效果可能能接受但离“商用级”还有距离。而且每一个新配色都要重新拍一遍。AI 图像生成器的介入方式不一样。你先给产品写一个准确的描述包括材质、颜色、造型再加上场景描述比如“清晨桌面、侧光、陶瓷杯、热气、阴影柔和”最后加上拍摄风格参数比如“85mm 镜头、商业摄影、超写实”。这样你能很快看到一张接近真实广告片的候选图。如果觉得光线太暗就改提示词再来一轮。这个尝试成本非常低。要注意的是这里并不是说完全不需要实拍。真实产品的材质、比例、包装细节、特殊工艺AI 很容易丢掉。但在还没进入实拍之前这些训练图已经把风格方向、构图深浅、视觉调性都试过一遍真正开拍时底气会足很多。2.2 产出不是“最终图”而是可用候选集商业图片生产里有一个重要思路你不是只做一张图而是做一组可选择的方案。过去做一个模特区摄影师会连续拍摄上百张原片再由设计师筛出几张修图。AI 生成也可以沿用这个思路只不过“摄影”变成了多次采样。一次生成 4 张、8 张然后统一评估哪张的光线最自然哪张的产品轮廓最接近实物哪张的模特表情不僵硬哪张可以直接进入后期哪张必须重新生成这个“候选集”思路很重要。如果你只把 AI 当成“输入一句话得到一张完美图片”的工具你会不断失望。但如果你把 AI 当成“输入一组约束得到一批可行解”的工具工作方式就和传统摄影很接近了。实际使用中我会把“生成 8 张选出 1 张能用的”当作常规产能模型。选不出来的往往不是生成次数不够而是提示词或模型本身没有把方向锁住。3. 先用一个小闭环把单张图跑通假如你现在看到一个新的写实 AI 图像生成器端口和人像怎么判断它值不值得进入工作流我的建议是先别急着上批量也别一上来就追求“最好效果”。先定义一张最小的测试图把输入、生成、筛选、微调全部跑一遍。这个步骤看起来简单但能提前暴露 80% 的问题。很多人是在批量生成 100 张之后才发现产品 logo 是乱的模型参数也不合适提示词模板也不稳定。那时候再回头排查成本已经很高。3.1 一张图的任务拆成六个必要信息一个稳定可复现的产品图或人像提示词通常会包含六个信息块。不要把它们混在一句话里尽量拆开写清楚主体要生成什么人像还是产品产品是什么颜色、形状、材质人物是男是女年龄段、五官趋势、穿着、情绪。场景在室内还是室外背景是纯色、实景还是棚拍有没有道具光线硬光、柔光、窗边自然光、影棚光、侧逆光哪个方向来的光源构图是特写还是半身模特和视线方向产品在画面中央还是偏侧风格商业摄影、杂志大片、白底电商图、生活感品牌图技术设定画面比例、镜头焦段感、景深、色彩倾向。比如产品图我会写成类似这样的通用结构主体白色陶瓷咖啡杯杯身带浅浮雕线条无 logo光滑釉面 场景木桌桌面背景为米色墙靠窗位置浅景深 光线自然柔光右侧光源阴影柔和 构图产品居中略偏右杯子口沿与视线高度接近 风格商业产品摄影超写实干净、克制 技术设定垂直构图接近 50mm 镜头视角主体锐利人像则改成人物描述主体35 岁左右男性深色西装浅蓝色衬衫无领带发型干净正脸看向镜头 场景办公室一角背景虚化的书架和玻璃自然窗光 光线窗光为主柔和前侧光 构图半身肖像头部上方留有空间 风格企业官网团队头像自然不摆拍真实皮肤质感 技术设定横版构图景深适中色调中性第一次生成时可以先不写太抽象的情绪词比如“孤独”“高级感”“未来感”。这些词会让模型自由发挥太多。先把“主体、场景、光线”写实再慢慢加风格词。3.2 第一轮生成不要开满参数很多人拿到工具后会做两件事把步数调到最高把描述词写得很长。但第一轮调试我更推荐用默认参数跑。为什么第一轮的目的是发现问题不是追求最终精度。你只有先看到模型在这个提示词下容易犯什么错才知道后面要往哪调。如果第一张图就出现明显错误比如产品把杯柄长到了杯身里人像手指多了一节这往往不是步数不够而是输入描述与模型能力不匹配没有使用负向提示词约束当前模型权重不是针对该类型优化的图都没看一眼就开始了批量生成此时应该先做小样本验证同一提示词生成 4 张看变化程度。如果变化太大说明约束不够如果每张都稳定但细节不对说明模型能力受限可能要换权重或换平台。这里说的“默认参数”是一个通用参考分辨率先选常规尺寸采样步数按默认或中等提示词先控制在 2 到 4 行。等单张效果稳定了再逐步提高分辨率、加大批次。提醒第一次调通一张图不代表这套提示词后面都能稳定复用。真正可复用的是“描述结构 参数基线”而不是某一句具体文本。4. 批量使用前先把这些坑排完单张效果已经有模有样之后很多人会开始批量生成。这时候最容易踩坑。人像和产品图的失败模式并不相同。产品图容易死在文字、材质和形状上人像容易死在身份一致性、手部和表情上。如果没有针对性排查批量生成只是把错误成倍放大。4.1 产品图最容易死在文字、材质和一致形状上产品图的难点在于“它就是它”。如果你生成的是一个饮料瓶瓶身上的品牌名一定不能写错标签形状要和实体一致玻璃透亮度、塑料磨砂感、布料纹理这些材质必须合理。AI 图像生成模型本质上是根据概率补全像素。它见过大量瓶子但没见过你手里这个瓶子。所以很容易出现这些情况产品形状出现了微妙的变形比如瓶身不对称、边缘扭曲。包装上的文字像英文又不像英文很像真实但一放大就错。材质反光过度看起来“太假”。如果产品有固定配色模型可能会“合理化”成一个新的配色。这些在单张图上还能靠运气但在批量生成里失败概率会不断浮现。我的建议是凡是需要使用产品实际外观的图务必保证提示词里有清晰限定如果生成器支持参考图上传尽量用参考图约束主体如果是纯文生图就别把复杂 logo 和特定图文设计交给模型自由发挥。真实的产品图最可靠的路径通常是“真实拍摄/白底图渲染 AI 环境合成”。让 AI 只负责换背景、打光和调整场面而不是让它重新创造一个产品。4.2 人像最容易死在身份、表情和肢体细节上人像生成很多细节比产品图更容易被察觉。第一类问题是身份漂移。同一组提示词生成 8 张人像可能脸完全不同。这不是 bug是模型为了保证多样性并没有默认把某一张脸当作唯一解。如果你要做“同一个模特穿上不同衣服”的对比图就必须想办法锁住身份。通常手段包括使用参考图、使用人脸特征更明确的提示词、在参数上降低自由度或者用支持姿态约束的方法。如果平台不支持这些那么你就不要指望同一套提示词能生成同一张脸。第二类问题是手、脚、牙齿这些结构化区域。任何受过训练的人看到畸形的手指都会瞬间觉得“吓人”。虽然现代模型已经大幅改善但批量生成时仍然会出现。第三类问题是表情和眼神。有些图单看五官没问题但眼神没有焦点或者笑得僵硬。这在电商服装模特场景里非常致命用户能看出来这个模特“不真实”。我的经验是人像生成应该坚持“人工审核”。你至少要快速看一眼每一张图的眼睛、手、头发边缘。不要因为预览图缩小了觉得不错就直接放大导出。4.3 按顺序排查而不是盲目换模型面对失败结果最忌讳的就是“盲目换模型”。你没有定位问题就重试只是浪费算力。我在实际排查图像生成问题时通常会按这个顺序走先看主体描述是否准确。如果输入里没有写出足够明确的材质、色号、动作模型自由发挥很正常。再看有没有冲突的提示词。比如既要“正面无表情”又要“开怀大笑”这会让模型困惑。再检查参数。步数过低会细节粗糙提示词强度过高会过度渲染批量过大可能让每个样本质量下降。然后用同一个提示词生成多张观察稳定性。如果每次结果差异巨大说明约束不够。最后才考虑是不是模型本身不合适。专注人像的任务就不应该用一个偏风景插画的权重来强求。这个排查顺序能帮你区分哪些是输入问题、哪些是参数问题、哪些是工具边界问题。如果最后发现是工具边界那你再换下一个工具心里也是有判断依据的。5. 工程化前要补上的四块拼图把单图测试跑完也排掉常见坑之后才轮到“能不能稳定生产”的问题。稳定生产意味着你要把它当成一条流程来管理而不是每次靠灵感写一段话。很多团队用 AI 生图输就输在“每次现场发挥”。今天是这段提示词明天是另一套结构后天换一个模型最后连自己都说不清哪张图是怎么生成出来的。如果要长期使用我建议至少补齐四块拼图输入模板化、审核节点化、参数基线化、资源与权限可控。5.1 输入模板化让提示词可复用、可追溯不要每次从空白文档开始写提示词。把任务类型拆成固定模板每类任务只改变量。比如你经常做电商产品场景图就准备一个“产品场景模板”主体{产品名}{材质}{配色}{特征} 场景{环境}{光线方向}{背景色/道具} 拍摄{镜头}{构图}{景深} 风格{商业摄影/自然生活/杂志} 负面{变形多指错误文字模糊水印}每次拿到产品资料只需要把括号里的变量填充好。这样生成经验可以在团队里流转换一个人也能接上。同时要养成记录生成参数的习惯模型版本、提示词文本、步数、采样器、提示词强度、分辨率、种子。这就像你在记录一次拍摄的相机参数。没有这个过程你很难复现一次成功结果。5.2 审核节点化让人工筛选成为正式流程AI 生成的批量图最大的风险不是数量不足而是质量不稳定。自动化流程可以让你快速生成 100 张图人工筛选却需要时间。我建议把审核拆成两层第一层是“技术审核”。主要看产品是否变形、人脸是否自然、文字是否正确、有没有明显像素污染。这一层可以用放大预览但通常还需要人眼判断。第二层是“业务审核”。这张图是否符合品牌调性模特气质是否符合目标人群画面信息会不会误导消费者是否符合广告合规要求很多团队只做第一层觉得“图看起来没毛病”就算通过。但一张 AI 生成的产品图如果材质和真实产品不一致用户买到手后会有落差。尤其是食品、化妆品、电子设备这类品类更要在生成阶段就减少失真而不能只靠提示词硬撑。5.3 资源与权限批量任务先做小样本压测如果你的使用场景是要跑上千张图不建议直接一次性提交满负荷任务。这里有个很实际的工程问题批量任务一旦跑到一半发现提示词有误删除任务和重算的时间都是成本。更合理的方式是先跑 4 到 8 张一个小批次确认方向无误后再扩大到 50、100 张。如果你的工具支持并发先了解一下资源占用和 API 配额限制。常见的失败包括并发太高被限流、输出目录写满、临时文件没有清理、日志里有错但任务“看起来成功”。这些都是工程问题不是模型问题。批量任务不是“把生成次数调大”而是要把输入样例、失败重试、输出检查、人工抽检全部串起来。6. 适合谁又不适合谁我的使用判断最后说点更实际的话。这类写实 AI 图像生成器在真实工作流里不是一个“万能摄影棚”更像是一个“快速预演工具”。它的价值在创意前期、内容批量生产、初版素材验证阶段特别明显但到了需要承载品牌信誉和事实承诺的环节就要谨慎。6.1 适合快速提案、内容测试和初版视觉素材如果你是这几类人可以优先尝试电商运营想做商品主图的前期风格测试但还没有实拍预算。品牌设计师需要给上级或客户演示“场景可能长什么样”方便确认方向。内容团队做公众号、小红书、社媒配图需要高质量人像但不需要具体指认某个人。初创公司没有摄影师但官网、PPT、宣传册都需要一些看起来专业的实景图。想验证某个产品配色、包装变更、背景方案是否值得进入真实拍摄。这些场景共通点是对“图片反映真实产品细节”的要求没那么高更在乎方向、审美和速度。AI 可以先帮你把想象变成画面再把画面变成决策。我自己会把它定位为“视觉方向的第一个粗糙原型”。模型生成图越接近拍摄效果团队在正式拍摄前的选择就越准确。6.2 不适合需要严格事实还原和长期品牌一致性的场景如果你的业务处在下面几种情况我建议谨慎使用产品有严格的外观专利、成分表、包装说明每一处文字都必须和实际完全一致。用户会因为产品材质、颜色、容量产生直接购买预期虚假材质反光会造成投诉。品牌已经有一套严格的视觉规范模特的脸、场景风格、影调都必须和过往品牌内容一致。广告图涉及人物肖像权不能用真实存在的名人也不能用无法确认来源的真人脸做商业背书。供应链或合规部门要求提供拍摄实景、原始照片、修图流程记录AI 生成图可能无法通过审核。这些不是 AI 工具的“缺点”而是它的边界。任何技术都有边界写实 AI 图像生成器也一样。它擅长的是生产“看起来合理”的图像而不是保证每一张都“物理正确、法律合规、品牌可得”。所以我的最终建议是不要指望用同一个模型解决所有图片需求。先把适合 AI 的环节切出来用它做素材探索和方向验证再用真实拍摄、3D 渲染或后期合成来补足细节和确定性。两种方式不是替代关系更可能是一个新的协作关系AI 负责生成可选方向人负责选择摄影师和设计师负责把可靠的部分做成最终成品。如果你正好在考虑入手这类工具下一步最该做的不是一次充值开会员而是拿一个真实的产品或一次真实的人像需求花一个下午把单张流程跑通。看看它能不能稳定解决你的一个具体痛点再决定是否放大到生产环节。只要你先从最小闭环开始把提示词、参数、审核和质量边界想清楚AI 图像生成器才会变成你工作流里真正可控的一块拼图而不是一个偶尔惊艳、长期难用的摆设。