Ai制作模特照片全流程:从一张平铺图到能上架

Ai制作模特照片全流程:从一张平铺图到能上架
Ai制作模特照片:从平铺图到上身成片的制作过程

我的判断是:Ai制作模特照片,顺序对了就成功一半——先定脸、再锁衣、后修图,跳着来必烧额度。

我第一组图磨了三天,现在一套九张四十分钟收工,流程全在下面。

Ai制作模特照片,网上教程大多只讲提示词,不讲顺序。我做大码女装,去年年底店铺改版时开始自己出图,头一个月交的学费比后面十个月加起来都多。现在回看,最大的问题就是我一开始什么都没定,脸每天换、风格每天换,出两百张挑不出一套能组队的。这篇按我现在的固定顺序讲,你照着走,能省下我交过的学费。

动手之前,先把三件事定死

开做前定死三样:模特的脸、店铺的背景风格、出图的尺寸规格,这三样一变,前面全白做。听起来费事,做起来十分钟。

脸怎么定?我的办法是抽一次卡抽到底:连续生成几十张候选脸,选中一张后把它的描述词原封不动存进备忘录,之后每一批图都复用这一段。这里有个讲究,脸的描述词要写结构不写感觉——"圆脸、单眼皮、颧骨稍高"能用,"亲切耐看的脸"不行,感觉词每台服务器理解都不一样。选脸的门道,我后来在一篇ai模特长相为什么都撞脸?修图师聊聊破局的路子里看到系统性的讲法,和我踩的坑对得上:想不撞脸,靠的是给脸写差异化的结构特征,不是换随机种子碰运气。

背景风格我定的是浅米色影棚,理由很实际:大码女装的买家在意显瘦,浅色背景配深色衣服,轮廓清楚。规格上,主图一律正方形导出,详情图统一四比三,两套尺寸提前在工具里设好,别出完图再裁,二次裁切容易把构图裁散。

三种起点怎么选:平铺、样衣、纯文生图

有实物就垫图,没实物才文生图;垫图里平铺图保花型,真人样衣图保垂坠,按你需要保什么来选。起点的选择决定后面一半的废片率。

起点保得住保不住适合谁
平铺图垫图花型、印花、口袋位置垂坠感、上身松量有现货的花色款
样衣上身图垫图垂坠、松量、褶皱走向精细印花(会被重新绘制)纯色基础款
纯文生图氛围、创意构图和实物的一切对应关系还没到货的预售款氛围图

我用纯文生图当起点的次数很少,只有一次拿它出过秋冬预售的氛围图,主图区挂了一周,到货后换上垫图出的正式图。那次的数据是:氛围图期间收藏加了四十多个,转化一单没有——买家看图下单还是要看衣服本体,这钱可以省。

平铺垫图的具体参数:相似度七成,出四张一批。我测过大码款的五十张样本,三十九张版型不崩,崩的十一张里八张是腋下——大码衣服腋下的布量多,AI容易把它画成紧贴手臂。提示词里补一句"宽松腋下剪裁",崩的能救回大半。

上架前的筛选和修图,盯这七个细节

成图先过七道眼:手指、纽扣对称、印花完整、背景文字、衣服边缘、光影方向、领口走线,有一条不过就重抽或修图。别心疼额度,买家眼比你想的尖。

我的修图清单是按买家投诉倒推出来的。最早一批发图没检查纽扣,一条风衣的门襟扣位左右错开半颗,评论区有人截图问"是不是穿着不合身",那条评价挂了两个月。现在每张图过七道:手指数量、纽扣对位、印花别断在褶皱里、背景别有乱码招牌、衣服边缘别糊、投影方向别和主光源打架、领口走线别左右不对称。一道十秒,九张图五分钟筛完,比上架后被投诉划算太多。

背景乱码单独说一句:凡是提示词里带了"街道""商场"这类场景,出图必查招牌文字。AI写的中文招牌十有八九是乱字,我的处理是裁掉或者换成纯色墙面,省事。

出完静态图想加动态的,正面照可以直接转背面和侧面机位,做法看这篇模特AI换角度实测:一张正面照转出背面和侧面,我详情页的第四五张图就是这么补的机位,比单独抽卡省三成额度。

现在我的节奏是:新款到货当天拍平铺图,晚上孩子睡后四十分钟出完一套九张,第二天上午上架。从完全不会,到这个速度,我用了大概两个月,其中一半时间花在"顺序不对"的试错上。你要是刚开始,把脸、背景、规格先定死,再谈出图速度,这话听着啰嗦,是我用两百多张废片换来的排序。

常见问题

不会写提示词,能做出能用的图吗?

能。我的提示词就是三段模板:模特结构描述(固定不变)、姿态景别(每张换)、场景光线(每张换),衣服一个字不写全靠垫图。真正决定成败的是垫图质量和筛选标准,提示词反而是最不需要天赋的部分。

大码身材的模特图,AI出得自然吗?

自然度比一年前好很多,但要在提示词里明确写身材描述,"微胖""腰腹有肉""肩宽"这些词写清楚,出来的图才真实。含糊地写"普通身材",AI一律给标准身材,买家收到货落差就大。

一天出几套图合适,额度怎么分配?

我的习惯是一款预留一点五套的额度,也就是十三四张的抽卡空间,实际用九张。新手建议一天只跑一款,把筛选标准练稳再上量,我见过最惨的是一天跑了八款,废片率九成,第二天没额度上架正事。

模特脸能不能直接模仿某个网红?

别。模仿真人长相有肖像权风险,平台查到轻则下架重则封店。用虚拟脸,结构词自己拼,既安全又能做出差异化,这是底线问题不是技术问题。

延伸阅读