一套商品图怎么生成多种风格？AI批量生图

问「怎么用一套商品图做出多种风格」，十个运营会给出八种答案。有人说多拍几组场景，有人说多开几个作图软件，还有人干脆说「多备几套素材就行」。这些答案听着都合理，但它们把「换风格」默认成了一件要额外投入的事——多拍、多买、多做。真实的批量出图逻辑恰好相反：你手上那套参考图可以一直不动，风格的数量由你写了几条提示词决定，一条提示词对应一套独立风格的图，最多能写十条。

这个结论之所以反直觉，是因为大家习惯把「换风格」等同成「换素材」。而在青虎AI【批量生图】的机制里，参考图只承担一件事：告诉 AI 这个产品的造型、颜色、材质长什么样。风格则完全交给提示词去描述。原图不动，风格就能换。理解了这层分工，多风格出图的成本就从「重复拍摄」变成了「多写几行字」。

下面把这件事拆开讲：风格到底由哪几个变量构成、怎么把一句模糊的「高级感」翻译成 AI 能执行的指令、十条提示词按什么顺序排、以及哪几个参数会真正影响成图。看完整篇，你应该能自己搭出一套可复用的风格清单。

图1：同一款产品、六种风格，差别不在产品本身，而在描述场景的那几行字。

一、多风格翻不出量，卡在描述而不是拍摄

先看传统做法为什么慢。一个产品要凑够六到八种风格的主图，拍摄端就得排一天：换一次背景布要重新布光，换一个场景道具要重新构图，模特图还要另约时间。一个中等的上新节奏，光视觉素材就压着整个团队两三天，而且拍完的图还未必都能用，光线不对要重拍，道具穿帮要重拍。真正贵的不是相机，是每一次开拍前的准备和等待。

换个角度想这件事：卖家真正缺的其实不是「拍摄能力」，而是「描述能力」。你脑子里有一个明确的画面——比如「一杯咖啡放在深灰色水泥台面上，背后是清晨侧光，整体冷调但有一点暖意」——但你没办法把它准确交付出去，只能退回到「多拍几组」这种笨办法。批量出图解决的正是这一段：把描述变成可执行指令，剩下的事情交给 AI。

描述能力和拍摄能力的差别，在一次上新里体现得特别清楚。要凑八种风格，拍摄路线的成本是一天加一堆道具，描述路线的成本是八行字加一轮校对。前者每次上新都要重来一遍，后者写好的模板可以一直复用，换个产品改几个词就能再用。这就是为什么做过批量出图的人，再回头看纯拍摄路线会觉得「不划算」——不是拍得不好，是投入产出比的结构不一样。

还有一个容易被忽略的点：拍摄路线有个上限，你的场地、道具、天气决定了你能拍出几种像样的场景。描述路线没有这个上限，缺什么风格补一行字就行。这也是多风格出图在批量工具里能跑通的原因——它不消耗场地，只消耗描述。

二、批量生图的机制：一份参考图，换来十条风格

青虎AI【批量生图】的操作界面是一个弹窗，内部按参考图区、提示词区、参数设置三块排列。三块各有各的职责，分清楚就不会乱。

参考图区负责「产品是谁」。点【上传图片】从本地选商品实拍图，单次最多上传 10 张。这里要注意的是图片质量而不是数量：上传后要确认产品主体清晰、无遮挡，AI 识别产品造型才准确。一张干净的正脸实拍，抵得上五张角度模糊的图。很多人图省事一次塞十张，反而让 AI 在多个角度之间摇摆，产品比例容易出偏差。

提示词区负责「这张图长什么样」。在「提示词」输入框里填一条作图指令，输入完点【添加】就新增第二个输入框，最多可以添加 10 条独立提示词。这十条规定的是十套风格，彼此之间互不影响。也就是说，同一批参考图喂进去，十条提示词并行跑出来就是十套风格各异的图，中间不需要你手工干预，也不用重复上传原图。

这两块的分工，是理解整套玩法的钥匙。很多人把风格写进参考图里，指望靠换图来换风格，结果每换一次风格就要重新准备一批图，累且不划算。正确的用法是参考图一次传够，之后所有的变化都在提示词里做。原始产品不动的部分交给参考图，要变的部分交给提示词，各管一段，效率差距就在这儿拉开。

还有一点值得说清楚：这十条提示词的关系是「并列」而不是「递进」。它们不是在同一条链路上越改越好，而是各自独立产出一套结果。所以你不需要先跑一条看效果再决定下一条写什么，可以把十条一次排好、一次提交，中间的时间用在别的事情上。这是批量工具和单张生成工具在节奏上最大的区别——前者是一次性排兵布阵，后者是一轮轮来回试。

把这三块拼在一起看，一条完整的出图链路就清楚了：参考图定产品，提示词定风格，参数定规格。三块里真正需要动脑子的只有中间那块，而中间那块的下限和上限都由你自己的描述能力决定。同样一套参考图、同样十条提示词的名额，有人跑出来是一套能用三个月的素材，有人跑出来是一堆需要返工的废图，差别就在描述得够不够具体。所以别急着加参考图，先想想那十条提示词有没有写到位。

这四块里，参考图和参数是一次性的固定动作，提示词是可以无限打磨的长板。反复上新的人最后都会发现，自己的效率提升几乎全部来自提示词那一块——写得越具体，返工越少；模板存得越厚，下一轮越省事。这也是为什么值得花时间把风格拆成三层：它把一件靠灵感的事，变成了一件可以积累、可以对照、可以复制的事。

顺带提醒一个细节：三条腿的描述颗粒度要尽量一致。场景写得再细，光线只写「自然光」，AI 还是会给一个平均值。三层都写到「能画出来」的程度，成果才稳定——所谓能画出来，是指换一个人照着这句话，也能画出八九不离十的画面，而不是靠猜。

所以回到一开始那个问题：为什么大家第一反应都是「多拍几组」？因为拍摄是很直观的动作，多拍一张就多一张，看得见。而描述是抽象的，写一行字好像什么都没做。但恰恰是这行文字的边际成本极低——写第一条和写第十条，工作量差不多，产出却翻了十倍。批量出图的价值就藏在这个反直觉的账里。

这也是为什么三个模块要分得这么清。混在一起的时候，你会觉得「换个风格」很麻烦，因为在你脑子里它等同于重新准备一整套素材；分开之后你会发现，真正要准备的只有那几行字，而字是可以提前写好、反复套用的。思路一换，同一个工具的用法完全不同。

图2：左暖右冷，产品一模一样，变的只是提示词里描述的场景和光线。

三、把风格拆成三层：场景、光线、材质调性

「换个风格」这句话之所以难执行，是因为它太笼统。要让 AI 稳定出图，得先把「风格」这个词拆成几个可以分别描述的变量。拆法有很多种，实操里比较顺手的是拆成三层：场景、光线、材质调性。

场景层回答「产品放在哪里」。同一个杯子，放在木质餐桌上是一种感觉，放在水泥台面上是另一种，放在亚麻布上是第三种，放在户外草坪上又是第四种。场景不只是一个地点，它还自带一组道具和气场：餐桌可能配刀叉和餐巾，水泥台面可能配几块石头或一支蜡烛，草坪可能配晨露和远山。写场景的时候把这些附属元素带上，画面会饱满很多。

光线层回答「什么光打过来」。同一张餐桌，窗边斜射的自然光会让杯身出现一道柔和的高光边缘，正午顶光会让画面偏平实，影棚柔光会让质感干净但略呆板，侧逆光则容易勾出杯口的轮廓。光线是这三层里最容易被忽略、但对「高级感」影响很大的一层。很多图看着「差点意思」，问题就出在光线上——场景对了，光是散的。

材质调性层回答「这张图整体什么质地和色调」。它管的是画面总体的气氛：温润暖调、冷灰工业、奶油柔光、复古胶片、清透日系。这一层不是描述某个物体，而是描述整张照片的「皮肤」。它决定了十个风格里哪些是一家人、哪些是另一家人。

三层定下来，换风格的操作就变成了一件很轻的事：三层里只动一层，就是一个新风格。场景固定、材质调性固定，把光线从窗边自然光换成暖色影棚光，得到的是同一系列里的另一种情绪；三层全换，得到的就是完全不同的视觉方向。三层各自准备三到四个选项，组合起来轻松超过二十种，从中挑出十条来跑，一套参考图就撑起了一整批风格。

层次	回答的问题	可选项举例	不改会怎样	改动带来的观感变化
场景	产品放在哪里	木质餐桌、水泥台面、亚麻布、户外草坪、浴室瓷砖	风格只在色调上打转，画面单调	变化最大，一眼能看出是另一套
光线	什么光打过来	窗边自然光、正午顶光、影棚柔光、侧逆光	场景对但画面发平，缺「高级感」	影响质感与情绪，中幅变化
材质调性	画面整体什么质地色调	温润暖调、冷灰工业、奶油柔光、复古胶片	十套风格各自为战，不成系列	决定「是不是一家人」，管整体气质

这张表可以当成填空模板用。每次要出新风格，从三行里各挑一个选项拼起来，就是一个新方向。写完十条，回头看一眼，如果发现十条里有六条的光线都是「自然光」，那说明你在光线这一层挖得不够深，赶紧补几个别的小样进去。

四、三层怎么写成一条能执行的提示词

把三层拼成一句话，句式大致是：「这是（产品），放在（场景），用（光线），整体（材质调性），生成商品主图」。这条句式的要点是把三层变量放在明确的位置上，让 AI 知道哪一段管什么。

对照着看一个反面例子。很多人写的提示词是「生成一张高级感的商品图」。「高级感」这三个字对 AI 来说约等于没写，它只能按训练数据里最常见的样子给你一张图——结果就是十张里八张雷同，还都带一点说不清的塑料味。换成「这是保温杯，放在深灰水泥台面上，清晨侧光从左侧打来，整体冷灰工业调性，生成商品主图」，画面立刻稳下来：背景是水泥的，光是有方向的，气氛是冷的。同一句话，信息量差出十倍。

写的时候有三条经验。第一，一条提示词只解决一个风格，不要把「白底 + 场景 + 细节特写」塞进同一条，AI 会在三种意图之间挣扎，出什么都有可能。第二，参考图里已经说清楚的信息不要重复写，比如产品是白色还是黑色、是圆是方，这些参考图已经带过去了，提示词里再强调一遍，有时候反而会干扰 AI 对产品特征的判断，把重点从「产品长什么样」挪到「文字描述长什么样」。第三，量词和位置词尽量具体，「左边」「右侧」「居中」「留白多一点」都比「好看地摆放」有用。

还有一条练习方法很实用：先拿一张你自己满意的参考图（不是产品图，是风格图），照着它反向写一条提示词，写出它在场景、光线、材质调性上各是什么。写十张风格图，你手里就攒下十组三层变量。等真要跑批量生图的时候，直接调出来用，比临场想快得多。这个过程本身也是在训练自己的描述能力，写多了，看一张图就能说出它的三层构成。

五、十条提示词怎么排：从兜底款到氛围款

十条提示词是有顺序讲究的，不是随便排。排得好，一轮跑完你既有能直接上架的稳妥图，也有可以拿来试投放的氛围图；排得乱，可能十条里有八条都是「好看但不实用」的图，平台规则卡一半。

稳妥的做法是分三段排。前一到两条放兜底款，也就是白底或浅灰底这类最规矩的形态，它们的作用是保证这条产品在任何平台都能上架，哪怕后面的氛围款全军覆没，上架节奏也不受影响。中间四到六条放场景切换款，从居家到户外到商业空间，把主流使用场景覆盖一遍，这批是用来做详情和种草的主力。最后两到三条放氛围加分款，节日元素、季节色调、材质特写，它们是用来测试点击率的，成不成都不影响基本盘。

位置	类型	典型写法要点	用途	失败风险
第 1-2 条	兜底款	纯白底或浅灰底，主体居中，不加多余道具	平台基础主图，保证能上架	低，规矩写法出片稳定
第 3-8 条	场景切换款	明确场景 + 明确光线，三层齐全	详情页配图、种草素材主力	中，场景写太泛会偏离预期
第 9-10 条	氛围加分款	加节日/季节/材质特写元素	测点击率，探索视觉方向	高，本身就带试验性质

为什么要按这个顺序？因为它对应一条风险曲线。前半段是稳的，越往后越冒险。把稳的放前面，你心里有底；把冒险的放后面，即使有几条不理想，也不影响这批图整体可用。反过来排，一上来就试最花的风格，跑出来的图如果都不合用，这一轮就白跑了，还得重排重跑。

另一个排序上的考量是「同一批里的对比度」。十条里如果全是暖色调，一眼看上去像十张同一张图，测图也测不出差异；如果十条里冷暖、明暗、繁简都拉开，投放的时候就能看出哪种调性更受目标人群喜欢。所以在排完三段之后，回头扫一眼这十条的色彩分布，尽量让它们散开一点。

六、参数区那几个决定成败的选项

参数设置这块看着简单，但里面的两个选项需要在动手前想清楚，不然跑完才发现要重来。

生图模式默认是「智慧模式」，它适配绝大多数电商改图需求。多数情况下不需要动它，保持默认就行。这个模式的好处是它会根据你提示词的意图自动决定处理方式——你说白底它就往干净方向走，你说场景它就保留环境细节。偶尔遇到特别规整的需求（比如只想验证某一层变量），可以按需要再作调整，但对绝大多数批量出图的场景，默认值就是对的。

比例参数要按目标电商平台来选。同一个产品铺到不同的平台，图的横竖比例要求不一样，选之前先确认这批图主要投到哪个平台。选错的后果很直接：比例不对，跑出来的图在平台上要么被裁掉边缘，要么留一圈白边，整批都要重跑。一个省事的做法是按平台把任务分批，一批只服务一个平台的比例，这样即使某一批要调整，也不会牵动其他批次。

确认原图、提示词、参数都齐了，点弹窗底部的【创建任务】。系统会自动计算消耗的积分，然后一键执行整批处理。这里不需要逐条点确认，十条提示词是一条任务一起提交的，跑完统一产出。

七、从上传到下载，走完这六个环节

把上面的内容落成动作，就是下面六步。顺序不要跳，尤其是第四步，跳过去后面容易返工。

图3：批量生图的处理链路，从进入弹窗到拿到多风格成图，大致就是这么六个环节。

六步里最容易被带过的是第二步和第六步。第二步拍脑袋传图，后面所有风格都会歪；第六步不沉淀模板，每一轮都从头想，批量工具的效率优势就浪费掉了。把这两步做扎实，第二轮上新你会明显感觉轻松。

八、四个常见误区

下面四条是在多风格出图里出现频率最高的判断偏差，每一条都对应一个具体的返工场景。

这四条有个共同点：都把问题归到了「工具不够多」上，而真正决定效果的是「描述够不够准」。工具是固定的，能无限扩展开的只有你的描述库。所以与其到处找新工具，不如把手上这个的提示词库养厚。

九、五条提效技巧

下面五条都指向同一件事：把「想风格」这件事从每次临时决策，变成一次建库、长期复用。

五条技巧的收益是叠加的：建表让构思变快，只动一层让差异可控，兜底款让风险可控，精简参考图让产品更准，存模板让复用变便宜。五条都做到，多风格出图会从「每次都要动脑」变成「调库存、改几笔、就交活」。

十、三个可以直接照搬的场景

下面三个场景覆盖了多风格出图里最常见的三类需求，做法可以直接拿去用。

图4：多风格出图的实际工作场面，屏幕上并排的几张图来自同一套参考图、不同的提示词。

三个场景的共同点是参考图尽量精简、变化都放在提示词里。这也是这套玩法能长期复用的原因——产品换了一批又一批，参考图每次重新传，但那张三层变量表和存下来的提示词模板可以一直用下去，越用越省事。

十一、总结与常见问题解答