挑战AI模特：动态、反光、多人同框高难度出图实测
把话挑明：动态、反光、多人同框这三类题材，AI模特现在能做，但别指望一把过。我这两个月拿瑜伽服和运动水壶出了两百多张，动态题材可用率三成半，多人同框只有两成半，按重试次数排预算才靠谱。
挑战AI模特出高难度图这件事，我的结论是：能上，但要挑着打。我在一个运动户外品牌带视觉组，9月上新季把三类最难拍的活交给了AI——瑜伽服跳姿、磨砂水壶反光、双人瑜伽同框，各出七十多张，跟工作室实拍摆在一起让运营盲选。结果有点意外：反光题材的成图被挑走最多，多人同框被毙得最惨。
下面按题材拆开讲，参数和翻车记录都在，成本账放在最后一节。
动态跳姿：先锁半腾空，再管发丝
跳姿类动态图AI能出，但别直接要"腾空跃起"，改要"单脚离地10厘米左右"的半腾空，单张可用率能从一成半提到五成上下。我们9月实测七十多张，重试平均4.3次才出一张能进详情页的，完整腾空的指令十次有九次翻。
为什么完整腾空这么难？模型对"双脚同时离地"的物理理解很糊，常见翻法是后脚拖地，或者整个人飘起来像被吊着威亚。我们的解法是分两步：先出站姿，再用局部重绘让腿部"微微离地"，脚踝下面留一线阴影。这条阴影是关键，没有影子人就悬空了，运营一眼就能看出来。
发丝比腿还麻烦。跳起来头发应该往后飘，AI经常把头发画成静止的"头盔"，一眼假。提示词里加"发丝向后飘动、与运动方向一致"能救回来一部分，救不回来的就换侧面机位，侧面比正面藏得住。姿势指令的写法这里不展开了，之前写过一篇模特步ai动态姿势翻车记，六条腿的案例比这次惨得多，可以对照着看。
反光材质：水壶和墨镜反而比预期稳
磨砂和金属反光产品不是AI的死角，反过来还挺稳：光源写清楚"单侧柔光箱"，高光位置就可控，我们这组可用率到了五成，比动态高一截。翻车集中在高光形状，偶尔出一条横贯瓶身的白带，重绘一次就好。
水壶这单我们走的是"产品图垫底+AI换模特手"的路线，不是全生成。全生成的水壶壶口螺纹十次有六次是错的，拧盖拧不上那种错，上详情页客服肯定挨骂。垫底重绘就绕开了这个坑：产品实拍一张白底，AI只负责出手、出场景、出光影融合，壶身细节一个像素都没动。代价是多一步抠图，美工多花十来分钟，但重试次数从6次掉到2次，划算。
墨镜属于反光里的地狱难度。镜片理论上要映出环境，AI给的倒影经常是"不存在的东西"，一团说不清的白斑。我们的取舍是：详情页主图用实拍，场景氛围图用AI，别跟镜片较劲，较不过。
多人同框：两张脸可以，手拉手不行
双人同框AI的可用率只有两成半，建议卡死两条：人数写进提示词开头，两人接触点只留肩膀，手牵手的图十张九张出六指。亲子装我们最后改成单人生成再合成，反而快。
实测里最稳的开头是"two women, side by side"，人数放句首，模型对位置的权重明显高于放句尾。一旦加"holding hands"，手指崩坏率飙升，17张里有11只手是错的，要么六指，要么两只手握成一只大手。接触点改成"肩并肩、手臂自然下垂"，崩坏率立刻降下来，但出片平淡，少了互动感，这是个取舍。
亲子装那单更极端。小孩的脸有概率越重绘越怪，五官往"成人缩小版"偏，家长看了会说不对劲。我们干脆大人和小孩分别单人生成，最后合成一张长凳场景。合成花了美工40分钟，比跟模型死磕90分钟便宜得多。
三类题材的成本账，值不值自己算
高难度题材交给AI划不划算，取决于重试次数：按我们9月的账，动态和反光题材一张可用图的成本压到了实拍的零头，多人同框反而跟实拍差不多。取舍看下面这张表。
| 题材 | 可用率 | 单张可用图平均重试 | 建议路线 |
|---|---|---|---|
| 动态跳姿 | 35% | 4.3次 | AI直出，锁半腾空 |
| 金属反光 | 50% | 2.1次 | 产品垫底重绘，AI换手换景 |
| 多人同框 | 25% | 8.7次 | 单人生成，后期合成 |
碎账说两句。我们用的是300张199元那档套餐，一张摊下来6毛6，乘上重试次数：动态题材一张可用图大概2块8，反光1块4，同框要5块8——这还是不含美工审核工时的裸账。实拍一款瑜伽服跳姿，模特加场地半天起，800到1500打不住。所以动态和反光放给AI，账是明摆着的；同框题材要么接受烧配额，要么直接留实拍。动态姿势想再省重试，可以看下ai指导模特摆姿势的指令写法，手位视线写清楚能少走不少弯路。
回到开头的结论：挑战AI模特出高难度图，赢面是有的，但要挑着打。反光垫底重绘最稳，动态锁半腾空有戏，多人同框现阶段留给实拍或者后期合成更省心。把重试次数当显性成本写进排期，这三类题材都能找到各自划算的位置。
常见问题
动态跳姿重试太多次，有什么办法一次出对？
没有真正的一次出对，只能压重试。先把腾空幅度降下来，再把机位写死，低机位仰拍比平拍稳，最后接受平均三到四次的现实，把它排进工时。
反光产品垫底重绘，白底实拍要拍到什么程度？
正面一张就够，光线均匀、没有大反光就行。AI负责融合光影，垫底图不需要打得很讲究，抠图边缘干净比布光重要。
多人同框里的小孩脸，有提示词能救吗？
别救了，直接单人生成再合成。我们试过把年龄段、五官描述写到二十多个词，脸反而越来越怪，这个方向的产出比太低。
这些可用率换个工具还准吗？
数据来自我们9月在用的商用出图平台主力档，不同模型差异不小，但比例关系基本成立：同框难于动态、动态难于反光。换工具前建议先各出十张摸底再定。