批量的关键不在"一次能传多少张"，而在把 SKU 按参数分组，让同组共用一套参数模板。PixGT 流光AI 的配饰穿戴功能单次最多接受 3 张配饰图，所以几百个 SKU 的做法是：先分组，每组定一套参数，再按组连续跑，最后按固定比例抽检。下面给可以直接照做的流程。
第一步：按参数分组，不按上新批次分组
大多数人一上手就按"这周要上的 50 个"来跑，结果每个 SKU 都要重新选一遍参数。正确的分法是按输出形态分组，因为同组内参数完全一致：
分组维度就是三个参数：配饰标签 × 模特 × 景别。
- 配饰标签 11 类：包、眼镜、项链、耳环、戒指、手链、手表、帽子、发饰、腰带、其他；
- 模特 4 档：上传、随机、从模特库选、自定义描述。批量场景一定要选"模特库"或"上传"，不要用随机——随机会让同一组图的模特不一致，整组素材看起来像拼凑的；
- 景别 5 档：按配饰自动、跟随原图、局部特写、半身、全身。
举例：50 个 SKU 里有 20 个包、15 个帽子、15 个腰带，就分成三组，每组定一个固定模特和固定景别。跑完三组，整批素材的视觉一致性天然就有了。
第二步：命名规范
批量最容易崩在文件对不上号。上传前先把源文件命名统一，建议格式：
<品类缩写>-<SKU编码>-<配色>-<序号>.jpg
bag-A1203-brown-01.jpg
hat-B0871-beige-01.jpg
三条原则：
- SKU 编码放在名字里，生成结果回传时才能对上；
- 配色写进名字，同款多色最容易混；
- 序号留两位，一个 SKU 生成多张时按序号排。
生成后的成品建议用同样的编码加后缀（-wear01、-wear02），入库时用脚本或批量重命名工具对齐，不要靠人眼。
第三步：一组一组连续跑
单次上传上限 3 张配饰图，多张时用"多张差异"参数控制产出形态：
| 多张差异 | 产出 | 适合场景 |
|---|---|---|
| 每张角度不同（默认） | 同一配饰、不同视角 | 单 SKU 想要多张主图 |
| 每张场景不同 | 同一配饰、不同环境 | 一款商品要铺多个场景 |
| 构图一致 | 构图统一 | 多 SKU 需要整组统一版式 |
批量场景下建议用"构图一致"：同一组 SKU 出来的图版式统一，放在 TikTok 商品页的图集里连贯，也更容易通过后续的版式裁切。
跑的时候按组连续提交，不要在组之间来回切换参数——每次切换都是一次出错机会。
第四步：抽检比例
全检不现实，全不检更危险。建议按这个比例：
- 首批 100% 检。一个新分组的前 3 个 SKU 逐张看，确认参数选对了。这一步能拦住绝大多数系统性错误；
- 稳定后抽检 20%。同组参数没变的情况下，每 5 个抽 1 个；
- 换模特、换景别就重新 100% 检前 3 个。参数一变，等于新分组。
检查只看四项，不要看"好不好看"：
- 配饰在身体上的位置对不对（标签选错的典型表现）；
- 五金件、扣环的形状与原图是否一致；
- 有规则重复结构的数量——链节、孔位、扣眼，放大数一遍；
- 画面里有没有乱码文字。
第三项最容易被跳过，也最容易出事——不要照着输入描述写图注，必须放大数过。
第五步：返工怎么控
返工的成本是可预估的（按张计点），所以关键是不要让同一个错误重复几十次。
- 系统性错误立即停。如果抽检发现同组有两个以上同类问题，停下来改参数，不要继续跑完再返工；
- 单点错误攒批重做。零星的失败图先记录 SKU 编码，攒到十几个再一次性重跑，比逐个重跑省事；
- 返工前先改输入。同样的输入会得到同样的问题。最常见的可改项是配饰标签和景别。
一个实际经验：把返工率当作分组质量的指标。某组返工率超过两成，说明这组的参数没定对，而不是"生成不稳定"。
一条容易忽略的事
配饰穿戴的输入槽位除了配饰图，还有模特图、场景图、模特参考图三个可选项。批量场景下，固定传同一张模特参考图，是让整批素材保持同一个"人"的最直接办法——比在描述里写模特特征稳得多。
方案取舍的判断标准可以看服装鞋包配饰上身图和实拍的对比；尺寸和比例的选择在TikTok 配饰上身图尺寸怎么选那篇。
FAQ
Q：一次最多能传几张配饰图？
3 张。批量是靠分组连续跑实现的，不是靠单次上传更多。
Q：批量时模特参数该选哪档？
选"模特库"或"上传模特图"。不要用"随机"——同组素材的模特会不一致。
Q：怎么让整组图版式统一？
把"多张差异"设为"构图一致"，并在同组内固定景别参数。
Q：抽检比例多少合适？
新分组前 3 个 SKU 全检，稳定后每 5 个抽 1 个。参数一变就重新全检前 3 个。
Q：生成结果怎么和 SKU 对上？
靠命名。上传前把 SKU 编码写进文件名，成品用同编码加后缀，入库时批量重命名对齐。