结论先给:亚马逊 listing 的七张图不该用同一种方式做。主图和材质特写建议实拍,场景图、使用示意、尺寸对比、色号变体用 AI 生成更划算。 按 listing 平均 7 张图算,一个比较稳的混合配比是 实拍 23 张 + AI 生成 45 张。下面按图位拆开说,以及哪三类情况必须实拍。

按图位拆:哪张适合哪种方式

图位建议方式理由
主图(白底)实拍优先亚马逊对主图规则最严,且这张决定点击
材质 / 细节特写实拍纹理、织法、接缝的真实感无法替代
场景使用图AI 生成搭场景的成本最高,收益却在"像不像那个生活场景"
尺寸 / 对比图AI 生成靠构图说明问题,不依赖实物质感
色号 / 变体扩展AI 生成同款多色,实拍是重复劳动
功能说明图AI 生成 + 后期加字画面生成,文字后期贴
A+ 内容配图混合氛围图用生成,关键卖点用实拍

这张表的逻辑只有一条:买家会拿来判断"值不值得买"的那张,要真;用来解释"怎么用、多大、有几个颜色"的那张,能生成就生成。

实拍的不可替代之处

  1. 材质真实感。棉麻的纤维颗粒、皮革的毛孔、金属的拉丝,AI 有很强的美化倾向,容易把材质渲染得过分光滑。材质本身是卖点的商品,落差会直接变成退货。
  2. 精确结构。扣孔数量、接口形状、螺纹圈数这类有规则重复的结构,生成图不稳定,必须逐张核对——这一步比重新拍一次还费时。
  3. 包装上的文字与 logo。模型写文字容易出乱码,这是最容易被买家看穿、也最容易被审核卡住的地方。

这三条就是红线。踩到任何一条,别省这笔拍摄费。

AI 生成的不可替代之处

反过来,有些事实拍做不了,或者做起来极不划算:

  • 场景无限。同一款台灯放进北欧客厅、日式书房、工业风办公室,实拍要搭三次景,生成只是换一段描述;
  • 变体扩展。同款五个颜色,实拍是拍五次,生成是在描述里改颜色;
  • 节奏跟得上。样品寄送一来一回三到七天,旺季工作室排期两周起——上新快的店铺被卡的往往不是钱,是时间;
  • 试错便宜。改一版构图,实拍要重新约棚,生成只是再花一次点数。

用 PixGT 流光AI 的商品套图功能,上传一张商品图加一段卖点描述,系统会先把描述扩写成各模块的提示词(实测约 52 秒),再并行出图,一次生成五个模块实测约 113 秒。可选模块有 8 个:首屏海报、核心卖点、场景展示、细节展示、规格参数、白底图、功能速览、对比图,覆盖 14 个发布平台版式和 16 种语言。计点为 GPT Image 2 每张 10 点、2K 每张 15 点。

同一款商品的两条产出路径:上方是实拍流程的样品、灯光、修图三步,下方是上传一张图后并行生成多个模块

混合使用的建议配比

给三种典型店铺的起手配比,落地后按自己的退货率和转化数据再调:

  • 精品店(月上新 5~15 个 SKU):实拍 3 张(主图、材质特写、核心结构)+ 生成 4 张。款少,值得把门面拍好。
  • 铺货店(月上新 50 个以上):实拍 1 张(主图)+ 生成 6 张。这个体量下,全实拍的排期本身就跟不上。
  • 变体多的服装配饰:主款实拍一套,其余色号和搭配全部生成。这是 AI 收益最高的场景。

有一个反直觉但实用的做法:先生成,再决定拍什么。把整套图先生成一遍,看哪几张不够说服力,再针对性地拍那几张。比一上来就订棚精准得多,也省钱。

怎么判断生成的这张能不能用

拿三条标准逐张过:

  1. 缩到手机大小看,商品浮不浮。接触阴影缺失是最高频的破绽;
  2. 数一遍有规则重复的结构。扣子、格子、孔位,放大数过再用,不要照着提示词写图注;
  3. 找文字。画面里任何非后期贴上去的文字,默认当作不可用。

过不了这三条就重做——单模块重做只花一张的点数。成本怎么算更划算,商品套图的成本对比那篇按月上新量列了总账。不同平台的审核侧重点也不同,Shopee 家居百货的驳回排查可以对照看。

FAQ

Q:亚马逊允许用 AI 生成的商品图吗?

平台规则关注的是图片本身是否合规、是否与实物一致,而非生成方式。但各平台对 AI 生成内容的标识要求在持续变化,以亚马逊卖家中心最新公告为准。

Q:主图能不能也用生成的?

技术上可以,但主图是规则最严、也最决定点击的一张,建议实拍或用实拍图做白底处理。如果确实没有样品,生成后务必逐项核对白底纯净度、尺寸和商品本体的准确性。

Q:生成图和实拍图放在一起会不会风格不统一?

会,这是混合方案最实际的问题。解法是把实拍图的色温和背景基调写进商品描述,让生成的图向实拍靠,而不是反过来。

Q:一套生成要多久、多少点?

实测五模块约 113 秒;计点为 10 点/张(2K 为 15 点/张),一套 5 张就是 50~75 点。

Q:为什么一整套生成图的风格是统一的?

因为各模块的"设计风格"段完全相同,只有"图片内容"段不同,风格一致是系统在扩写提示词时就定下的。