AI产品图片有哪些类型？AI产品图生成处理方法

做电商视觉的人可能都遇到过这样的场景：拿到一款新品的实拍图，打开AI工具，输入一句”帮我生成商品图”，结果出来一张说不清要干什么用的图——当主图不够聚焦，当详情图信息太少，放哪里都别扭。问题不出在工具，而出在动手之前没分清这张图该是什么类型。白底图、场景图、模特图、细节图，每一种类型的用途、尺寸和检查标准都不一样，混在一起生成，等于让AI替你猜需求。

类型意识是产品图制作的第一道分水岭。有类型意识的人，会先问一句”这张图用在哪里”，再决定怎么描述；没有类型意识的人，只会反复试错，把白底图生成成场景图，再把场景图硬塞进需要纯白背景的活动报名位，白白浪费次数和时间。这篇内容从类型认知讲起，把常见产品图的类型、用途、生成方式和检查要点逐类拆开，帮你在下次生成前先想清楚自己要的是哪一种。

整篇内容按一条主线展开：先回答”产品图有哪些类型、各自干什么”，再讲”每种类型怎么用AI生成、怎么检查”，最后落到青虎AI的对话式批量操作上。你可以按类目对号入座，找到自己最常做的几种类型精读，其余部分通读即可。

一、生成前先分清类型：产品图不是一张图，是一套分工明确的图

新手最容易犯的错，是把”产品图”当成一张图。实际上一款商品的视觉物料至少由五六种类型组成，各自服务买家决策的不同阶段：搜索结果页需要的是能被一眼识别的白底图，主图轮播需要能勾起点击欲望的场景图，详情页需要证明品质的细节图和打消疑虑的尺寸图。每一类都在回答买家不同的疑问，缺了哪一类，转化链条上就有一个环节接不住。

类型由什么决定？由”这张图会出现在哪里、买家在那个位置想看到什么”决定。放在搜索结果列表里，买家想快速认出商品，图要干净直接；放在主图轮播里，买家想了解商品长什么样、怎么用，图要有信息层次；放在详情页中段，买家已经在认真阅读，图要经得起放大看细节。同一个商品，出现在不同位置，就该有不同的视觉表达。

对批量做图的店铺来说，类型意识还有一层价值：它让批量处理有了分组依据。同一个SKU，先把所有白底图放一批生成，再把所有场景图放一批生成，而不是把不同用途的图混在一起套同一段描述。类型分得清，批量才批得对。

二、六类最常见产品图：用途、位置与核心要求一表看清

电商场景下出现频率最高的产品图可以归纳为六类。下表把每一类的典型用途、出现位置和核心要求列在一起，方便你在生成前对照确认。

不是每款商品都需要做全六类。白底图和场景图是通用主力，几乎所有类目都离不开；模特图是服饰鞋包类目的刚需，对其他类目而言优先级不高；细节图适合有做工、材质、结构可讲的商品，标准化的日用品未必需要；尺寸图在服装、箱包、家居这类对规格敏感的类目里价值最高。按类目决定类型组合，比机械地每款做全套更符合成本逻辑。

类型之间还有主次关系。新品上架时，白底图决定商品能不能被正常收录和报名活动，属于第一优先级；场景图决定点击率，属于第二优先级；细节图和尺寸图决定详情页的说服力，在新品阶段可以随详情页一起补齐。先把地基类型做扎实，再逐层叠加，比一次生成一堆半成品更省事。

三、白底图：全平台通用基础图，先把这两个细节做对

白底图是所有类型里要求最明确、也最容易验收的。国内平台的活动报名、搜索结果展示，跨境平台的强制主图要求，都把纯白背景作为硬性条件。生成白底图的核心就两件事：背景真的纯白，主体比例合适。

先说背景。很多生成结果在缩略图里看着是白的，放大后发现背景带一点灰、带一点渐变，或者商品周围残留一圈原图的阴影，这类图在平台审核环节会被直接判为不合格。生成时把要求写死：背景替换为纯白色，RGB值取255，不要任何渐变，不要明显投影，商品边缘干净利落。这里的”写死”指的是描述要具体到数值层面，只写”白色背景”四个字，模型有概率给你一版米白或浅灰。

再说比例。白底图里商品主体建议占画面总面积的七到八成，太小在搜索结果小图里看不清，太大又显得拥挤、没有呼吸感。生成前可以在描述里明确”主体占画面约百分之七十五”，生成后如果明显偏离，再让模型微调放大或缩小。

白底图的另一个常见用途是当”母版”。一张干净的白底图是后续场景合成、模特替换、推广素材延展的可靠基础，因为背景干净意味着商品主体可以被精准识别和二次处理。所以哪怕是暂时只做主图，也建议先把白底版本生成并存档，后面随时能取用。

图1：白底图重干净直接，场景图重代入感，两者服务不同的展示位置

四、场景图：把商品放进真实使用情境，让买家”看见拥有之后”

场景图的逻辑和白底图正好相反。白底图回答”这个商品长什么样”，场景图回答”这个商品用起来是什么样”。后者天然更有情绪价值，也是主图轮播里最能提升点击率的一类，尤其适合家居、厨房、户外、母婴、美妆这类强调使用体验的类目。

生成场景图的第一步不是描述画面，而是选场景。判断标准只有一个：这个场景是不是目标买家真实会遇到的。卖露营椅，场景就应该是草地、湖边、天幕下，而不是一个抽象的渐变背景；卖咖啡杯，场景应该是办公桌或早餐台，而不是卧室床头。场景和商品的使用场景错位，图再好看，也打动不了对的人。

第二步才是描述画面。一段能用的场景图描述通常包含四个部分：商品放在哪里、周围有什么道具、光线从哪个方向来、画面是什么比例。例如”把画面中的白色马克杯放在浅色木桌上，桌上有半开的书和眼镜，窗外自然光从左侧照入，柔和阴影，竖版构图”。道具不必多，一两件能点出使用情境就够了，堆太多会抢走商品的主体位置。

场景图最容易出的问题是光影穿帮：商品是棚拍的硬光，背景是户外的自然光，两者叠在一起怎么看怎么假。生成前尽量选择光线方向明确的环境描述，生成后把注意力放在商品和背景的交界处，如果商品像是”贴”在背景上而不是”待”在背景里，就说明光影关系没建立好，需要重写光线描述再生成一版。

五、模特图、细节图与说明型图片：进阶产品图的生成要点

白底图和场景图解决的是”让买家看见”的问题，模特图、细节图、尺寸图、卖点图解决的是”让买家相信”的问题。这类进阶图有两个共同特点：靠细节建立信任，也容易在细节上翻车。模特图卖的是上身真实感，细节图卖的是做工真实感，尺寸图和卖点图卖的是信息可信度，验收都要靠放大检查和逐项核对，而不是缩略图里的一眼观感。

服饰类目生成模特图，最稳妥的路径是”衣架图或平铺图换模特”，而不是让模型凭空画一件衣服穿在人身上。前者以真实版型为底，模型只负责替换人物和环境，服装的领型、袖长、印花都能保留原样；后者一旦服装结构被模型改动，买家收货后会觉得货不对板。生成模特图时描述里尽量写明”保留服装原本的版型与印花，不要改变服装细节”。

细节图的生成逻辑则是”能实拍就别全靠生成”。材质纹理这类信息，实拍自带可信度，用AI做背景清理、补光、瑕疵修复即可；如果是完全没有实拍素材，只能靠生成，那就要在描述里写清材质名称，比如”不锈钢拉丝表面””头层牛皮纹理”，并对生成结果做放大验收，发现纹理被画成塑料光泽就重新生成。细节图的核心竞争力是真实，不是漂亮。

进阶类型里还有一类以传递信息为任务的产品图，就是尺寸图和卖点图。它们大多出现在详情页后半段，此时买家的情绪冲动已经退去，进入理性比对阶段，这类图的目标不是制造惊艳，而是消除疑虑。

尺寸图承担的是打消尺码疑虑的任务，服装、箱包、家居、数码配件类目尤其依赖它。生成尺寸图时最需要注意的是：数据必须来自真实的规格信息，不能靠模型推测。做法是先把商品的实测尺寸写成文字放进描述，比如”包体高28厘米、宽38厘米、厚12厘米，提手高度10厘米”，再让模型按这些数字做标注排版。生成后必须逐项核对图上的数字和描述里的数字是否一致，数字标错是这类图最致命的错误。

卖点图的任务是用一张图讲清一个核心优势。它不需要把商品的所有优点都罗列上去，恰恰相反，一图一卖点是它的黄金法则。生成卖点图时，先定这一屏要讲哪个点——是续航长、是容量大、还是材质好——再围绕这个点组织画面和文字。画面为卖点服务，文字只做点睛，层级从大到小依次是卖点词、辅助说明、品牌信息。把三个卖点硬塞进一张图，效果往往不如三张各讲一个点的图。

信息型图片还有一个共性要求：文字可读性。详情页在手机端阅读，字号过小、颜色和背景对比度不足的文字会被直接忽略。生成后把图缩到手机宽度预览，看不清的文字就是无效信息，宁可删掉也不要保留。

六、按类型选生成方式：五种AI处理路径怎么对号入座

同样是生成产品图，背后用的是不同的处理方式：有的类型适合在原图上换背景，有的适合场景合成，有的适合局部重绘，有的适合批量统一。把类型和处理方式对应起来，生成效率会高很多。

这张表的实用价值在于：它把”我该让AI做什么”翻译成了具体的处理动作。白底图和尺寸图依赖真实原图，属于”改造型”任务，模型在已有基础上调整，准确度最高；场景图和模特图需要在原图之外补充环境或人物，属于”合成型”任务，描述的细致程度直接决定成品质量；卖点图介于两者之间，画面主体来自原图，但构图和排版可以交给模型发挥。

确认了类型对应的处理方式之后，描述里还有两个通用加分项。一个是对比参照：如果你有满意的参考图，可以直接把参考图一起传进去，让模型照着参考图的风格和光线走，比自己堆形容词稳定得多。另一个是负面清单：在描述末尾写一句”不要出现文字、不要加边框、不要改变商品颜色”，能提前挡掉一批废图。

七、用青虎AI按类型批量出图：从一张原图到一整套视觉物料

类型和方式都确定了，剩下就是执行环节。青虎AI是面向电商的对话式AI作图工具，操作路径和日常聊天接近：上传商品图片，用一句自然语言说明需求，工具直接生成结果，支持批量处理。下面用一套完整操作演示如何按类型把一款商品的视觉物料配齐。

图2：按类型分步出图的流程，白底母版先行，其余类型逐层延展

整套流程走下来，最花心思的环节是描述，而不是操作。青虎AI把出图门槛压到”会说就能做”的程度，但描述的质量决定成品的下限。描述里带上了类型、位置、材质、光线、尺寸这些具体信息，模型发挥的空间就被收拢在正确方向内；描述只写一句”做好看点”，结果就只能交给随机性。

八、三个落地案例：不同类型卖家用AI产品图解决的实际问题

类型方法论落到具体店铺，会呈现出完全不同的使用方式。下面三个案例分别代表三类典型卖家，可以对照自己的情况参考。

图3：不同类目卖家按自身需求选用不同类型产品图

九、四个误区：产品图类型没分清之前，努力都是反方向

类型意识说起来简单，实际做图时还是会被四个常见误区带偏。逐个拆开看，基本都是同一个根源：想跳过”这图干什么用”这一步，直接要结果。

四个误区可以浓缩成一句话：产品图制作的起点不是”我要一张图”，而是”这张图要帮买家解决哪个疑问”。类型想清楚了，生成方向就对了；类型没想清楚，工具越强大，试错成本反而越高。

十、四个技巧：让不同类型的产品图生成又快又稳

绕开误区之后，再分享四个能显著提升生成效率和稳定性的技巧，都是可以直接照做的操作习惯。

四个技巧围绕同一个核心：把生成产品图从”碰运气”变成”走流程”。类型分清了、模板固定了、验收动作明确了，剩下的就是把流程重复执行，效率和质量都会随之稳定下来。

图4：用青虎AI按类型发起产品图生成任务，对话完成从母版到全套图

十一、总结

十二、常见问题解答