0. 前言

在电商内容生产日益高频的今天，AI图片生成已经成为提效的刚需工具。本文面向有一定技术背景的电商从业者或开发者，以栖影AI平台为例，介绍电商AI作图的基本操作、参数配置与成本模型，并探讨将其API能力集成到自有工作流中的可行路径。

无论你是想快速上手出图，还是计划将AI能力嵌入内部系统，本文都值得收藏备用。

1. 平台功能概览

栖影AI是面向国内电商零售场景的工业级视觉内容生产平台，主要提供以下核心能力：

对于开发者而言，电商图片智能体和自定义AI生图是最核心的两个能力模块，也是本文重点介绍的对象。

2. 电商图片智能体 —— 最简单的出图路径

电商图片智能体是栖影AI针对电商场景封装好的"傻瓜式"工作流，适合快速批量生产标准化的商品图。

2.1 工作流

┌─────────────────────────────────────────────────────────────────┐ │ 输入阶段 │ │ 商品原图（支持 JPG / PNG / WebP，建议背景简洁、主体清晰） │ └───────────────────────────┬─────────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────────────┐ │ AI处理阶段 │ │ Step 1: 主体识别（自动检测商品轮廓，分离前景与背景） │ │ Step 2: 智能抠图（边缘平滑处理，保留细节） │ │ Step 3: 场景合成（根据选定风格，生成背景与环境） │ │ Step 4: 后处理（画质增强、尺寸适配、色彩校正） │ └───────────────────────────┬─────────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────────────┐ │ 输出阶段 │ │ 适配指定平台和尺寸的电商图（支持 1:1 / 3:4 / 16:9 / 9:16） │ └─────────────────────────────────────────────────────────────────┘

2.2 参数配置

调用电商图片智能体时，主要可配置以下参数：

# 电商图片智能体参数示例config={# === 画质参数 ==="resolution":"2K",# 可选: 1K / 2K / 4K"quality":"medium",# 可选: low / medium / high# === 输出规格 ==="size":"1:1",# 可选: 1:1 / 3:4 / 4:3 / 16:9 / 9:16"output_format":"png",# 可选: png / jpg / webp# === 计费相关 ==="cost_per_image":0.8,# 单张费用（元），取决于分辨率和质量}

参数选择建议：

• 日常上新：2K + medium性价比最高（¥0.8/张）
• 主图展示：4K + high画质最优（¥3-5/张）
• 详情页缩略图：1K + low即可满足需求（¥0.5/张）

2.3 成本预估

不同参数组合的单价如下：

# 电商图片智能体 - 定价矩阵（单位：元/张）price_matrix={("1K","low"):0.5,("1K","medium"):1.0,("1K","high"):2.0,("2K","low"):0.8,("2K","medium"):0.8,# 推荐：性价比最高("2K","high"):3.0,("4K","low"):1.5,("4K","medium"):1.5,("4K","high"):5.0,}defestimate_cost(num_images:int,resolution:str="2K",quality:str="medium")->float:"""批量生成成本计算"""unit_price=price_matrix.get((resolution,quality),0.8)total=num_images*unit_pricereturntotal# 示例：30款商品，每款生成5张不同场景的主图total=estimate_cost(30*5)# 150张 × 0.8元 = 120元print(f"预计成本: ¥{total}")

真实案例参考：某服饰卖家日均出图60张，选择2K + medium配置，月度API费用约 ¥800（对比此前外包模式 ¥5000/月，降幅84%）。

3. 自定义AI生图 —— 更灵活的控制

当标准化的"电商图片智能体"无法满足特定创意需求时，可使用自定义AI生图功能，获得更大的控制权。

3.1 多模型选择

栖影AI集成了多款底层模型，不同模型在风格倾向、画质和定价上各有差异：

# 可用模型列表及其定价（单位：元/张）models={"GPT-Image-2":{"description":"通用型，适合大多数电商场景","pricing":{"1K":1.0,"2K":2.0,"4K":3.0}},"nanobanana-pro":{"description":"高细节，适合产品特写和质感展示","pricing":{"1K":2.0,"2K":4.0,"4K":6.0}},"wan2.7-image-pro":{"description":"创意型，适合概念图和氛围图","pricing":{"1K":5.0,"2K":10.0,"4K":"N/A"}}}defget_model_price(model:str,resolution:str)->float:"""查询指定模型和分辨率的价格"""returnmodels.get(model,{}).get("pricing",{}).get(resolution,0.0)

选型建议：日常商品图优先选GPT-Image-2；需要突出材质、纹理等细节时选nanobanana-pro；创意探索可尝试wan2.7-image-pro。

3.2 参考图（垫图）控制

参考图是保证"图货一致"的关键机制。平台支持上传最多10张参考图进行深度控制：

# 参考图配置示例reference_config={"reference_images":["https://your-bucket.oss.com/product_front.jpg",# 正面"https://your-bucket.oss.com/product_side.jpg",# 侧面"https://your-bucket.oss.com/product_detail.jpg",# 细节],"control_mode":"depth",# 可选: edge / depth / pose / color"control_strength":0.8,# 控制强度 0-1，越高越贴近参考图}

实操要点：

• 参考图越精准，生成结果越接近预期
• 建议上传多角度商品图，帮助AI理解产品的三维结构
• control_strength建议设置在 0.6-0.9 之间，太低容易变形，太高会限制创意空间

3.3 提示词工程

提示词（Prompt）是影响出图质量的关键变量。以下是电商场景的提示词模板与参数结构：

# 提示词结构模板prompt_template={"positive":"{product_description}，{scene_description}，{lighting}，电商主图风格，高品质，8k，细节丰富","negative":"模糊，变形，水印，文字，低质量，色差，杂乱",}# 示例：陶瓷杯商品positive_prompt=("白色陶瓷杯，简约木质桌面，柔和自然光从左侧打入，""电商主图风格，高品质，8k，细节丰富，干净背景")negative_prompt="模糊，变形，水印，文字，低质量，色差，杂乱阴影"# 调用参数generation_params={"model":"GPT-Image-2","resolution":"2K","prompt":positive_prompt,"negative_prompt":negative_prompt,"reference_images":[...],"num_images":4,# 单次生成4张，从中选优}

提示词写作原则：

• 具体化：不要只写"好看"，要写"白色陶瓷杯、简约木质桌面、柔和自然光"
• 结构化：按"主体 → 场景 → 光线 → 风格 → 画质"的顺序组织
• 负向提示词：明确告诉AI不要出现什么（模糊、水印、变形等）

4. 视频生成

除了图片，栖影AI也支持视频内容的生成，适合商品动态展示和广告素材制作。

4.1 商品视频智能体

┌─────────────────────────────────────────────────────────────────┐ │ 输入 │ │ 最多5张产品白底图 + 1张分镜参考图（可选） │ └───────────────────────────┬─────────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────────────┐ │ 三重模型协同 │ │ • 视频模型：负责画面生成与帧间平滑 │ │ • 脚本LLM：自动生成口播文案或分镜描述 │ │ • 分镜模型：规划镜头切换与叙事节奏 │ └───────────────────────────┬─────────────────────────────────────┘ ▼ ┌─────────────────────────────────────────────────────────────────┐ │ 输出模板 │ │ 产品口播 / 多角度演示 / UGC种草 / 带货短剧 │ │ 5种画幅可选，1080P/720P，时长5秒起 │ └─────────────────────────────────────────────────────────────────┘

4.2 自定义视频生成参数

# 视频模型价格参考（720P）video_pricing={"seedance_fast":{"description":"快速生成，适合短视频","pricing":{"4s":4.0,"8s":8.0}},"ViDu_Q3_Turbo":{"description":"高质量，适合品牌展示","pricing":{"5s":7.5,"10s":15.0}},"商品视频智能体_长视频":{"description":"结构化视频，含脚本与分镜","pricing":{"16s":16.0,"32s":32.0}}}# 视频生成调用示例video_task={"model":"商品视频智能体_长视频","input_images":["product_1.jpg","product_2.jpg","product_3.jpg"],"duration":16,# 单位：秒"aspect_ratio":"9:16",# 竖屏（抖音/视频号）"template":"product_showcase","resolution":"1080P",}

5. 批量工作流建议（API集成方向）

对于有开发能力的团队，可以将栖影AI的能力集成到自有系统中，构建自动化内容生产流水线。

5.1 典型工作流设计

┌──────────────────────────────────────────────────────────────────┐ │ Step 1: 商品数据准备 │ │ 从ERP/电商后台导出SKU列表 + 商品白底图路径 │ └────────────────────────────┬─────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────────┐ │ Step 2: 调用电商图片智能体（批量） │ │ API批量提交，每款商品生成3-5张不同场景主图 │ └────────────────────────────┬─────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────────┐ │ Step 3: 提示词模板复用（灵感广场） │ │ 从灵感广场获取优质提示词，批量应用到同类目商品 │ └────────────────────────────┬─────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────────┐ │ Step 4: 多平台尺寸适配 │ │ 自动生成 1:1（淘宝）、3:4（抖音）、16:9（小红书封面）版本 │ └────────────────────────────┬─────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────────┐ │ Step 5: 输出与分发 │ │ 自动上传至OSS，返回图片URL，供运营人员直接引用 │ └──────────────────────────────────────────────────────────────────┘

5.2 技术集成建议

# 伪代码：批量处理流程示意classEcomImagePipeline:def__init__(self,api_client):self.client=api_clientasyncdefrun(self,products:List[Product]):tasks=[]forproductinproducts:# 1. 提交批量生成任务task=awaitself.client.submit_batch(image=product.main_image,config={"resolution":"2K","quality":"medium","sizes":["1:1","3:4","16:9"],"num_variants":5,})tasks.append(task)# 2. 等待所有任务完成results=awaitasyncio.gather(*[t.wait()fortintasks])# 3. 后处理：尺寸适配 + 上传OSSforresultinresults:forsizein["1:1","3:4","16:9"]:adapted=awaitself.resize(result,size)awaitself.upload_oss(adapted)returnresults

6. 注意事项

在实际使用和集成过程中，以下几点值得特别关注：