做跨境电商的卖家几乎都会遇到这个场景产品已经在工厂拍好了实拍图甚至只有一张商品图但 Amazon Listing 需要铺满 6 到 7 张图片位最好再来一条视频。去找外包设计师一张场景图报价几十到上百元一套图做下来成本轻松过千自己用 Photoshop 硬做又缺素材、缺场景、缺建模能力。更麻烦的是图片做完了视频还得重新找剪辑师脚本、配音、分镜又要重新沟通时间成本完全不可控。这篇文章要讲的核心思路是从一张商品图扩展成 6 张 Amazon Listing 图和 3 套视频方案本质上不是靠某一个 AI 工具“一键生成”而是建立一条“商品视觉资产生产流水线”。先把一张原图加工成可复用的透明底素材再结合 AI 绘图工具的垫图功能、ControlNet 构图控制、提示词模板批量产出分镜图最后把分镜图交给图生视频工具和剪辑脚本快速转成可交付的视频方案。读完这篇文章你会掌握四件事第一搞清楚 Amazon Listing 对图片和视频的基本要求第二学会把一张商品图拆解成不同用途的“视觉资产”第三拿到一套从主图、场景图、细节图到对比图的批量生产提示词模板第四用可复用的脚本结构把图片快速组装成 3 套不同定位的视频方案。1. 一张图远远不够真正缺的是“商品视觉资产”沉淀很多卖家对 AI 出图有一个误解以为把商品图拖进 AI 工具输入“生成一张户外场景图”就能得到一张完全符合亚马逊要求的场景图。实际用过几次就会发现直接生成的结果通常有三个问题背景和商品光影不匹配、商品外形被 AI 改得变形、白底边缘不干净。原因也很简单AI 绘图工具默认“生成一整张图”它会把商品和背景当成一个整体去重绘而不是你想象中的“原图商品保持不变只换背景”。这就是为什么要把“一张商品图生成 6 张图”这件事拆成“资产库 生成流程”来做。第一步不是急着生成而是先把原图处理成可重复调用的资产透明底 PNG、不同角度的备选图、商品特征描述文本。这些资产相当于工业生产中的“标准零件”后续所有工具生成图片和视频时都围绕这些零件去拼接而不是每次从零生成。从实际成本看这条路线的优势非常明显。外包一套图加视频可能需要几千元而且修改一次等一天本节介绍的这套流程虽然前期需要花 2 到 3 小时搭环境和做资产预处理但后续每次出新品只需要换商品图、改提示词就能在 1 小时内产出全套初稿。对于 SKU 多的卖家这是一笔非常划算的投入。当然必须先承认一个边界AI 生成图的精度短期内无法替代专业摄影师拍摄尤其是特写材质和复杂功能细节但这套流程足够用于快速出稿、验证主图方向、生成 A 页面的补充素材。2. Amazon Listing 图片与视频先搞清楚平台要求再动手生成图片之前必须先明确目标。Amazon 的 Listing 图片位一般可以放置 6 到 9 张图片其中主图是搜索结果页展示的那张副图会在详情页轮播展示。视频可以放在主图区域也可以放在 A 页面中。具体数量以卖家后台当前版式为准但通常来说6 张图的位置是“基础配置”这 6 张图建议这样分工图片角色用途常见规范主图搜索列表展示纯白底商品占画面主要面积功能图说明核心配置或参数可带标注文字建议简洁场景图展示产品使用环境背景与产品调性一致细节图展示材质、工艺、局部特写突出真实质感尺寸图标注尺寸、规格、容量用剪头或标注线表达对比图与同类产品或旧版对比逻辑清晰不贬低竞品主图的规范相比其他图片更严格一般要求背景为纯白RGB 255,255,255商品不能有过多阴影商品占画面的比例适中图片建议使用正方形尺寸至少达到 1000×1000 以上。这套规范的具体数值在不同类目和时间段可能有调整动手前建议在卖家后台查看最新的“商品图片要求”文档不要凭记忆截图操作。视频方面主图视频一般控制在 30 秒左右用于快速展示产品外观和使用方式A 页面视频可以更长适合讲品牌故事或产品功能深度解析。视频不是把图片加个转场就结束至少要包含“商品展示、使用场景、卖点文字、字幕或配音”这四个信息层。理解了这 6 张图和视频的定位再回到生成环节就不会盲目乱出。例如场景图最重要的是环境氛围细节图最重要的是局部清晰度尺寸图最重要的是标注准确功能图最重要的是卖点突出。不同角色对 AI 生成的要求完全不同。3. 做图的两种技术路线在线 AI 绘画工具 vs 本地 Stable Diffusion现在生成商品图的技术路线主要有两条一条是使用在线 AI 绘画工具例如通义万相、即梦 AI、LibLib AI 等上传商品图后直接生成场景图或模特图另一条是在本地部署 Stable Diffusion WebUI配合 ControlNet、IP-Adapter 等插件对商品图进行更精细的控制。直观的对比表格维度在线工具本地 Stable Diffusion门槛低打开网页就能用较高需要安装 Python、模型、插件图片控制依赖平台规则可控性极强构图稳定性一般用 ControlNet 后更稳定批量生产单张效率可以批量较弱适合脚本批量出图卡片电脑性能要求无需要独立显卡版本稳定性平台升级后可能变化版本固定结果可复现对于大多数跨境电商团队我建议的路线是先用在线工具跑通流程理解“垫图 提示词”的生成逻辑如果后续确实需要批量产出、想保证多张图的风格一致再考虑本地部署 Stable Diffusion。不要一开始就陷入部署环境的泥潭毕竟工具是服务于出图的不是服务于折腾显卡的。无论是哪种工具都要理解一个共同点AI 出图需要“锚点”。一张商品图就是锚点工具通过它来识别商品是什么、长什么样。所以上传的原始图片质量非常关键尽量选择背景干净、商品完整、光线均匀的图片。如果原图本身就模糊、背景杂物多AI 生成的结果大概率也会继承这些问题。4. 从一张商品图先构建“视觉锚点资产库”在进入正式生成环节前先花 30 分钟处理原图建立资产目录。目录结构可以参考product/ product/ origin/ main.jpg 原始商品图 other.jpg 其他角度或细节图 png/ main_alpha.png 透明底商品图 main_white.png 白底商品图 main_800.png 缩小后的卡图 prompts/ list.json 提示词配置文件 video.json 视频脚本文案配置先处理透明底图。如果原图背景是纯色用 Pillow 就可以完成简单的背景替换如果要抠图推荐使用提供“一键抠图”功能的在线工具或者本地部署抠图模型。自己用脚本处理透明背景时需要注意边缘的杂色问题。下面是一个先用 Pillow 做白底替换和尺寸调整的示例适合原图背景接近纯色的场景。# 文件路径tools/prepare_image.py from PIL import Image def make_white_bg(image_path, output_path, target_size1000): 将商品图合成到纯白背景上并统一尺寸 img Image.open(image_path).convert(RGBA) # 如果没有透明通道先把 RGB 转成 RGBA # 如果背景是接近白色可以做一个简单的颜色替换处理 data img.getdata() new_data [] for item in data: # 判断接近白色的像素降低透明度后续合成到白底 if item[0] 240 and item[1] 240 and item[2] 240: new_data.append((item[0], item[1], item[2], 0)) else: new_data.append(item) img.putdata(new_data) # 创建白底画布 aspect img.width / img.height if img.width img.height: new_w int(target_size * 0.85) new_h int(new_w / aspect) else: new_h int(target_size * 0.85) new_w int(new_h * aspect) img img.resize((new_w, new_h), Image.LANCZOS) canvas Image.new(RGB, (target_size, target_size), (255, 255, 255)) x (target_size - new_w) // 2 y (target_size - new_h) // 2 canvas.paste(img, (x, y), img) canvas.save(output_path) print(fsaved: {output_path}) if __name__ __main__: make_white_bg(product/origin/main.jpg, product/png/main_white.png)这段代码的作用是把商品主体区域缩放到画面中间最终输出一张 1000×1000 的白底图片。它没有做复杂的 AI 抠图只是处理了接近白色像素的透明化。真正复杂的抠图建议使用专门的模型或在线工具。完成这一步后你就有了“白底商品图”和“透明底商品图”两套基础素材。同时还要为商品建立文本资产也就是后续提示词会用到的一组特征标签。例如一个保温杯它的标签可能是stainless steel、matte black、500ml、leak-proof。这些标签要保持在 5 到 10 个后面拼接提示词时统一复用。5. 实操从一张商品图生成 6 张 Listing 图有了资产库就可以进入核心环节生成 6 张图。下面这 6 张图并不是每张都由 AI 直接生成而是采用“AI 生成 后期加工”的组合方式这样可以兼顾效率与质量。5.1 主图白底商品图强调干净纯粹主图是搜索结果页的决定性因素。AI 生成主图时最常见的问题是背景不够纯白、商品出现阴影、产品比例失衡。所以在主图这个位置不建议直接用工具图而是用第 4 节生成的main_white.png作为主图最多用修图工具做一下曝光明暗调整。如果你连实拍图的光影都还不满意可以用在线工具的“局部重绘”功能把商品周围的不干净区域涂抹掉然后输入“纯白背景无阴影”。但要注意重绘会连带商品边缘一起调整所以重绘区域不要覆盖到商品本身。5.2 场景图垫图 场景提示词场景图的价值是让买家想象“这个产品在家里/户外是什么样子”。以保温杯为例可以生成厨房桌面场景、办公室场景、户外露营场景。操作方式上传透明底商品图或一张白底图提示词写清楚“产品保持不变替换背景为厨房木质桌面清晨阳光旁边放一本食谱”。关键是先解释商品信息再描述背景最后描述光线和镜头语言。很多工具会提供“创意参考图”或“垫图”功能上传这几张图的权重通常在 0.5 到 0.8 之间权重太低背景会乱权重太高背景变化不够。提示词示例a black stainless steel tumbler on a light wooden kitchen table, morning sunlight, recipe book beside it, clean composition, photorealistic, 8k product photography5.3 功能图突出核心卖点适合加文字标注功能图重点不是好看的背景而是让买家一眼看出产品有什么功能。AI 绘图工具直接生成中文标注效果很差推荐先生成干净的商品局部图再用设计工具或 Python 加标注文字和线条。例如保温杯的“防漏设计”功能图先生成一张杯盖特写图提示词强调“close-up of the lid sealing ring, stainless steel texture”然后在图片上用画箭头的方式标注“leak-proof”。实际操作中批量加标注可以用 Pillow 的ImageDraw完成但纯代码排版比较难达到设计美感建议先用 AI 生成底图再用 Canvas 或 PPT 风格工具叠加标注。5.4 细节图强调材质和工艺细节图是买家判断产品质量的重要依据。AI 生成细节图时最容易出现的问题是局部纹理被算法“平滑”掉。所以细节图建议优先从原实拍图中裁剪放大而不是完全由 AI 生成。如果实拍图没有足够清晰的局部图可以尝试用图像超分辨率工具放大原图局部再输入提示词要求补充纹理。这里常用的提示词组合是macro shot of the bottle cap thread, brushed stainless steel texture, fine craftsmanship, high detail, sharp focus5.5 尺寸图和对比图建议用脚本生成避免 AI 画错比例尺寸图、对比图这类对数字准确性要求高的图片恰恰是 AI 最不擅长的。AI 生成的标注文字经常出现乱码产品比例也可能失真。更稳妥的做法是用脚本手动绘制。下面是一个用 Pillow 在商品图上画尺寸箭头的示例适合快速生成尺寸标注图。# 文件路径tools/draw_size_label.py from PIL import Image, ImageDraw, ImageFont def draw_size_label(image_path, output_path, texts, lines): texts: {height: 25cm, width: 8cm} lines: [((x1,y1), (x2,y2)), ...] img Image.open(image_path).convert(RGB) draw ImageDraw.Draw(img) # 尽量找一个支持中文的字体没有就用默认字体 try: font ImageFont.truetype(simhei.ttf, 28) except Exception: font ImageFont.load_default() for start, end in lines: draw.line([start, end], fillblack, width3) # 在直线中点附近绘制尺寸文字 mid_x (start[0] end[0]) // 2 mid_y (start[1] end[1]) // 2 # 这里的 text 只是示意实际应匹配 lines 的顺序 draw.text((mid_x, mid_y), texts.get(default, ), fillblack, fontfont) img.save(output_path) print(fsaved: {output_path}) if __name__ __main__: draw_size_label( product/png/main_white.png, product/png/size_label.png, texts{default: 25cm}, lines[((200, 200), (200, 600))] )这个脚本本身只是为了说明思路真实的尺寸箭头需要根据商品实际比例手动调整坐标。制作一张合格的尺寸图最核心的是数据准确性宁可牺牲一点设计感也不能标错尺寸。5.6 批量校验 6 张图是否满足基础要求图片生成后批量检查和规范图片是必须做的一步。下面代码可以检查图片是否都是正方形、是否接近白色背景、是否达到最小尺寸。# 文件路径tools/check_images.py from PIL import Image import os def check_image(path, min_size1000): img Image.open(path) w, h img.size result { path: path, size_ok: (min(w, h) min_size), square_ok: (abs(w - h) 10), } # 统计角落像素判断是否接近白底 pixels img.convert(RGB) corners [ pixels.getpixel((0, 0)), pixels.getpixel((w - 1, 0)), pixels.getpixel((0, h - 1)), pixels.getpixel((w - 1, h - 1)), ] white_count sum(1 for r, g, b in corners if r 245 and g 245 and b 245) result[white_bg] white_count 3 return result if __name__ __main__: image_dir product/png for name in os.listdir(image_dir): if name.lower().endswith((.png, .jpg, .jpeg)): info check_image(os.path.join(image_dir, name)) print(info)这段代码只是最基础的校验。实际交付前还要人工检查商品是否变形、边缘是否有白边、文字是否清晰、比例是否真实。AI 生成图和脚本处理都会引入系统性错误人工审图是最后的防线。6. 从一套图片到 3 套视频方案不急着剪先定脚本图片完成后就可以进入视频环节。这个标题里写的“3 套视频方案”可以理解成三条定位不同的视频而不是同一条视频的 3 个剪辑版本。建议用以下三个方向6.1 方案一15 秒主图视频适合放在商品主图位置定位是快速展示产品外观和核心卖点节奏要快不需要复杂情节。画面结构建议是0 到 3 秒白底商品图 360 度展示3 到 8 秒展示 1 到 2 张功能图8 到 12 秒展示使用场景最后 3 秒是品牌 Logo 和核心卖点文字。这套方案最接近“图片轮播视频”用 AI 图生视频工具生成每一段的动态效果再用剪辑软件拼接即可。如果想让商品自转可以尝试使用能生成“旋转物体”的视频模型或者用剪辑软件加 3D 旋转动画。6.2 方案二30 秒场景种草视频适合投广告或 A 页面这套方案要有“情境感”走的是“痛点——方案——效果”的叙事线。开头 0 到 5 秒用场景图展示用户遇到的问题5 到 15 秒产品出现并切入使用场景15 到 25 秒展示细节和功能卖点最后 5 秒给出明确的行动引导或品牌信息。这种视频最适合做“镜头脚本表”镜头时长画面旁白字幕14s桌面水杯漏水场景图还在为水杯漏水烦恼你的杯子安全吗26s产品白底图密封盖细节试试这款防漏保温杯密封防漏设计38s户外携带场景图无论背包还是车载都不漏户外便携47s保温效果展示图长效保温随时喝到热水长效保温55s品牌主图促销信息今天下单享粉丝专属价限时优惠生成这套视频的必要素材其实就是第 5 节生成的那几张图。把“场景图、细节图、功能图”按脚本顺序排列每一步用图生视频工具转成 3 到 5 秒的动态片段再配上旁白和字幕一条 30 秒的种草视频就完成了。6.3 方案三25 秒功能拆解视频适合详情页深度讲解这套视频更偏“说明书”风格不求情绪张力但求条理清晰。建议把画面划分为“功能点模块”每个模块用一张细节图或功能图支撑配合屏幕上的文字弹窗。例如保温杯可以拆成 4 个功能点材质、密封、保温时长、清洁便利。实际操作时每个功能点可以做成 5 到 6 秒的小片段然后在剪辑工具中按顺序拼接最后统一配上背景音乐和人声配音。这套视频是最容易批量生产的因为每个功能点的画面素材都已经在第 5 节准备好了。6.4 图生视频与快速合成用 FFmpeg 把图片序列转成视频如果不想用在线图生视频工具也可以用 FFmpeg 把一组图片合成一个基础视频。下面是一个把 6 张图片按固定时长合成 MP4 的命令适合快速交付“图片轮播”样式的视频初稿。ffmpeg -framerate 0.5 \ -i product/png/list_%02d.png \ -vf scale1600:1600,formatyuv420p \ -c:v libx264 -r 25 \ -s 1600x1600 \ product/video/slide.mp4这里的-framerate 0.5表示每张图播放 2 秒list_%02d.png要求图片按照 list_01.png、list_02.png 这样的顺序命名。合成后的视频只有画面没有音频。如果想让每条视频方案快速成型可以用剪映或剪辑工具给视频统一的配音和字幕。7. 常见问题与排查思路在实际生成过程中问题通常集中在商品失真、背景不白、视频素材不连贯这三类。问题现象可能原因排查方式解决方案商品外形被 AI 改变形上传的锚点图权重太低检查工具的参考图权重设置提高垫图权重降低提示词对形状的描述生成背景偏灰不够纯白提示词没有强调 pure white background查看生成结果中的环境色提示词中增加pure white background, no shadow, high-key lighting主图商品占比过大或过小没有明确主体比例用图片查看器测量主体边缘使用脚本统一缩放到 85% 左右局部细节图模糊原实拍图分辨率不够放大查看原图先做超分处理再让 AI 补充纹理尺寸图标注文字错误AI 直接生成文字导致检查文字是否乱码改用脚本或设计工具手动标注AI 视频中商品闪烁单张图直接生成长视频查看分段生成效果缩短每个片段的生成时长多生成几条拼接视频画质被平台压缩输出尺寸不够大检查导出分辨率导出时设置为 1920×1080 或更高最值得提醒的一点是很多卖家为了追求省事把 6 张图直接用同一个提示词换个背景批量生成结果导致 6 张图风格割裂主图场景图的商品光影不一致买家一眼就看出来是拼凑素材。图片的一致性其实比单张图的质量更重要。保持同一光源方向、同一商品角度是提升整套图质感的关键。8. 最佳实践与工程建议第一建立“图片验收清单”。每次生成前把下面几个问题做成表格图片尺寸是否达到 1000×1000主图背景是否纯白商品像素是否完整放大的局部是否清晰文字是否出现乱码尺寸数据是否真实这套清单可以直接交给团队里的新人减少返工。第二提示词要版本化。不要只在 AI 工具对话框里写提示词建议用 JSON 或 Notion 文档统一管理。下面是一个可参考的提示词配置文件{ product: black stainless steel tumbler, features: [500ml, leak-proof, insulated], styles: { main: pure white background, centered, no shadow, ecommerce main image, scene: on a wooden kitchen table, morning light, photorealistic, detail: macro shot, sharp focus, fine texture }, negative_prompt: deformed, low quality, text, watermark, extra fingers }每次生成图片前从配置中读取提示词这样下次换产品时只需要改product字段和features字段效率会明显提升。第三视频生产要优先做“镜头脚本表”。有了表格剪辑师或 AI 工具只需要按表格逐段生成不需要反复沟通。镜头脚本表应包含镜头号、时长、画面内容、旁白文案、字幕文字、背景音乐风格。这六列信息足够把一条视频从创意变成可执行任务。第四合规问题不能忽略。用 AI 生成场景图时如果涉及人物可能需要考虑模特肖像权问题涉及品牌 Logo 或竞品对比需要遵守亚马逊的图片政策。尤其要注意不要用 AI 生成“虚假功能对比图”比如在对比图中夸大地贬低竞品这可能导致 Listing 被下架。尺寸图上的数据必须真实不能为了让产品显得更轻薄而修改尺寸。第五如果团队超过 3 人建议把商品图、提示词、生成图片、视频脚本都统一存放在共享目录中按 SKU 建文件夹。视觉资产和代码资产一样需要版本管理意识。举个例子保温杯改了新款颜色只需要复制之前的目录把product字段从黑色改成白色重新生成一遍即可这样既节省时间又不容易出错。9. 总结从一张商品图到 6 张 Amazon Listing 图、3 套视频方案本质上是一次视觉资产的工程化拆解。不要把 AI 当成一个“瞬间变出 6 张图”的魔法棒而要把流程拆成四段先做透明底和白底素材再按主图、场景图、功能图、细节图、尺寸图、对比图的角色分别生成或加工然后把脚本配置成可复用模板最后用图生视频和剪辑工具把图片组装成不同定位的视频方案。真正提高效率的地方在于提示词可以沉淀图片素材可以复用视频脚本表可以标准化。第一次执行这套流程确实需要花时间但跑通之后每个新品的图片和视频制作时间会被压缩到一个非常可观的范围内。下一步建议你先拿一个现有产品试跑一遍完成第 4 节的资产处理再生成一张场景图和一张功能图最后做一条 15 秒的主图视频。跑通这个最小闭环后再逐步扩展到全套 6 张图和 3 套视频方案。这样即使中途遇到工具版本或平台规则变化你也能快速调整不至于整个流程卡住。