一张商品图批量生成6张亚马逊Listing图+3套视频的AI工作流

这次我们聊一个偏落地的问题：只有一张商品图，怎么批量产出 Amazon Listing 需要的 6 张展示图和 3 套视频方案？不是讲概念，而是把一条可以照着做的 AI 素材生产线拆开，从技术选型、环境准备、ComfyUI / WebUI 工作流、批量脚本到合规边界全部过一遍。如果你在做跨境电商、代运营，或者想用本地 AI 工具替代重复 P 图工作，这篇文章可以直接收藏。

这套方案的核心思路并不复杂：先抠图拿到透明底的商品素材，再通过图像生成模型做多场景合成，输出主图、卖点图、尺寸图、细节图，最后用图生视频模型把静态图转成动态视频。真正的难点在于批量稳定性、商品特征保持、显存控制和输出合规，这几块都会在下面展开。

文中涉及的工具链都以“通用方案”描述，具体模型名、端口、参数需要按你选择的实际项目替换。这些不是某个闭源工具的私有限定配置，而是本地 AI 工作流里常见的做法。

1. 核心能力速览

需要先说明：本文不是某一个固定开源项目的安装手册，而是一条“AI 电商素材批量生产方案”的搭建思路。你拿到这篇文章后，可以根据自己手上已有的 WebUI、ComfyUI 或图生视频工具，把对应环节替换进去。

为什么这么设计？因为市面上没有一个工具能一次性完美完成“抠图 -> 场景图 -> 尺寸图 -> 视频”全链路。更务实的做法是拆成可替换的模块，哪个环节工具成熟就用哪个。

2. 6 张 Listing 图和 3 套视频方案的拆解

在谈技术之前，先明确目标输出。Amazon Listing 的图片位不是随便放的，每个位置承担不同转化任务。

2.1 6 张图的角色拆分

这 6 张图不一定要全部由 AI 生成。更合理的分工是：主图、场景图、细节图用 AI 优化；尺寸图需要精确数字，建议用脚本或 PS 模板叠加标注；卖点图里的文字也要后期加上去，避免 AI 生成乱码英文。

2.2 3 套视频方案的拆解

视频方案的技术难点和图片不同。图生视频模型可以把一张静态图变成动态画面，但“商品旋转”“多角度展示”这类需求并不总能一次生成成功，可能需要先生成多个视角的静态图，再拼接成视频。另一种路线是使用 3D 建模渲染，但入门成本更高。对大多数卖家来说，最快见到效果的方式是：先用 AI 生成几帧关键视角图，再用视频合成工具做成转场视频。

3. AI 生图工作流整体设计

整体流程可以拆成下面几个阶段：

原始商品图 -> 抠图 -> 透明底 PNG -> 主图/场景图生成 -> 文字标注与尺寸标注 -> 图生视频 -> 人工复核

3.1 抠图阶段

抠图是整条链路的地基。如果商品边缘抠不干净，后面所有合成图都会出现白边、残影或背景污染。

可选方案：

• 本地工具：rembg、SAM、Stable Diffusion WebUI 的抠图插件
• 在线 API：云抠图服务，适合批量处理但不适合敏感商品数据
• ComfyUI 抠图节点：可以嵌入到工作流里，一次跑通不用导出中间文件

抠图完成后，建议统一导出为透明背景 PNG，命名规则尽量包含商品编号，方便后续批量脚本识别。

3.2 场景生成阶段

这是整个工作流中变数最大的环节。场景图的核心要求是“商品特征不变形、光影协调、场景真实”。

常用技术组合：

• 图生图：把商品图作为输入，用提示词控制新背景
• ControlNet：用 Canny 边缘图或 Depth 深度图约束商品形状，防止结构跑偏
• Inpaint 局部重绘：只替换背景区域，保留商品主体
• LoRA / 风格模型：如果需要统一品牌风格，可以训练商品专属 LoRA

场景生成不是一次就能成功的。同一张商品图，建议一次生成 4 到 8 张候选，再人工挑选。批量脚本里要支持“多候选 + 保存全部”的模式。

3.3 尺寸图和卖点图阶段

尺寸图不建议直接用 AI 生成。AI 生成的数字和尺码标注很可能出错。常规做法是先生成干净的背景图，再用 Python Pillow 脚本叠加尺寸线和文字。

卖点图的文字同理。AI 生成的英文卖点容易出现拼写错误，这在 Amazon 审核中会被拒。可以用 Python 脚本把卖点文本渲染到图片指定位置，保证文字准确。

3.4 图生视频阶段

静态图生成后，视频方案可以有两个发展方向：

• 直接把主图或场景图交给图生视频模型，让它生成短动态视频
• 先生成多视角图，再用剪辑工具做成转场视频

前者适合展示动态效果，比如液体倒入、烟雾飘动、商品轻微旋转；后者适合展示结构细节。两种方式可以并行，先跑一条最轻的链路验证效果。

4. 环境准备与前置条件

无论选择哪种工具组合，环境准备都建议先做一次统一检查。

4.1 基础环境

如果你是本地部署，先确认这台机器的基本状态：

# 查看显卡型号和显存 nvidia-smi # 检查 Python 版本 python --version

常用组合是 Windows 10/11 或 Ubuntu 20.04+，Python 3.10/3.11，CUDA 版本要和你安装的 PyTorch 匹配。具体版本不要去猜，装完 PyTorch 后跑一行命令验证：

python -c "import torch; print(torch.cuda.is_available())"

输出为 True，说明 GPU 可用。如果为 False，优先检查驱动版本和 PyTorch 版本是否匹配。

4.2 磁盘与模型文件

图像生成模型体积不小。Stable Diffusion 系底模通常 2GB 到 7GB 一个，ControlNet 模型 1GB 到 2GB，LoRA 几十 MB 到几百 MB。图生视频模型更大。建议磁盘预留 50GB 以上，避免模型下到一半空间不够。

4.3 显存要求

显存是本地部署最关键的指标。不同模型差异很大，无法一概而论。经验上：

• 纯 512x512 单图推理，6GB 显存可尝试
• 1024x1024 图生图，建议 8GB 以上
• 图生视频通常比单张图片更吃显存，建议 12GB 以上更稳妥

这里必须强调：上面只是经验判断，实际占用取决于模型版本、分辨率、步数和 ControlNet 是否开启。买机器或租 GPU 之前，先用小分辨率跑一遍，用 nvidia-smi 看实际显存占用。

4.4 不想本地部署怎么办

如果本机显存不够，可以用云 GPU 实例，按小时计费，跑完批量任务就释放。也可以直接使用商业图像生成 API，把商品图上传到服务端生成结果。缺点是敏感商品图存在数据外传风险，生成结果也可能受服务商审核限制。

5. ComfyUI / WebUI 工作流搭建

这里用 ComfyUI 为例，讲清楚一条典型工作流包含哪些节点。如果你用的是 Stable Diffusion WebUI，对应操作可以换成图生图 + 局部重绘，逻辑一样。

5.1 ComfyUI 节点链路

典型的场景图生成工作流：

Load Image -> Remove Background -> Load Checkpoint -> ControlNet -> KSampler -> VAE Decode -> Save Image

节点作用说明：

5.2 提示词模板

场景图提示词不要写太长，重点写清楚：风格、环境、光线和画质。

正面提示词示例：

white studio background, product on a wooden desk, natural sunlight, professional e-commerce photography, ultra realistic, 8k, high detail

这个提示词只是模板。真实使用时，需要把“product”语义和商品类别换成实际产品描述，比如“wireless earphones”“stainless steel water bottle”。如果商品有品牌 logo，建议在提示词里不要出现品牌名，防止 AI 生成错误图案。

5.3 WebUI 图生图替代

用 Stable Diffusion WebUI 时，操作路径是：

• 拖入商品图到 img2img
• 选择 inpaint 模式
• 用蒙版遮住背景区域
• 输入场景提示词
• 设置 denoising strength 在 0.5 到 0.7 之间

denoising 太低背景改不动，太高商品会变形。第一次测试建议从 0.5 开始，逐步上调。

6. 批量任务：怎么一次跑完多张商品图

单张商品图测试通过后，真正的效率提升来自批量脚本。目录结构建议如下：

project/ input/ product_a.png product_b.png output/ main/ scene/ detail/ video/

6.1 批量配置文件

批次参数和提示词放进 JSON 配置，不要写死在代码里：

{ "input_dir": "./input", "output_dir": "./output", "products": ["product_a.png", "product_b.png"], "scenes": [ "white studio background, main product image", "product on a wooden desk, office scene" ], "batch_size": 1, "seed": 42, "steps": 25 }

6.2 Python 批量调用 API 示例

如果你的图像生成服务是基于 Stable Diffusion WebUI 的 API，可以用下面的通用模板：

import requests import base64 import json import os API_URL = "http://127.0.0.1:7860/sdapi/v1/img2img" def read_image_as_base64(path): with open(path, "rb") as f: return base64.b64encode(f.read()).decode("utf-8") def generate_scene(product_path, prompt, output_path, steps=25): init_image = read_image_as_base64(product_path) payload = { "init_images": [init_image], "prompt": prompt, "steps": steps, "width": 1024, "height": 1024, "denoising_strength": 0.6, "batch_size": 1 } response = requests.post(API_URL, json=payload, timeout=300) response.raise_for_status() result = response.json() for i, img_b64 in enumerate(result.get("images", [])): img_bytes = base64.b64decode(img_b64) with open(output_path, "wb") as f: f.write(img_bytes) if __name__ == "__main__": generate_scene( product_path="./input/product_a.png", prompt="product on a wooden desk, office scene, natural light", output_path="./output/scene/product_a_scene_1.png" )

这段代码是通用模板。字段名可能因 WebUI 版本不同而变化，实际使用前先访问http://127.0.0.1:7860/sdapi/v1/sd-models确认服务正常。

6.3 批量失败重试

批量任务最容易遇到的问题是中间一张图生成失败，整个脚本中断。建议每次请求包一层重试逻辑，并把失败记录写入日志文件。

import time def generate_with_retry(product_path, prompt, output_path, retries=3): for attempt in range(retries): try: generate_scene(product_path, prompt, output_path) return True except Exception as e: print(f"attempt {attempt + 1} failed: {e}") time.sleep(10) return False

单个商品失败不要阻塞整批任务。跑完后再统一查看日志，补生成失败项。

7. 接口 API 与自动化集成

本地图像生成服务启动后，有两个用途：一是 WebUI 手动操作，二是 HTTP API 给脚本调用。

确认服务是否正常：

curl http://127.0.0.1:7860/sdapi/v1/sd-models

服务正常时会返回模型列表 JSON。如果这个接口都访问不了，先检查服务是否真的启动，再检查端口是否被占用。

图生视频服务同样可以通过 HTTP API 对接。下面是一个通用调用模板，具体请求格式以实际部署的模型服务为准：

import requests video_api_url = "http://127.0.0.1:8080/generate" payload = { "image_path": "./output/main/product_a.png", "prompt": "product slowly rotating on white background", "duration": 5, "fps": 24 } response = requests.post(video_api_url, json=payload, timeout=600) print(response.status_code) print(response.json())

图生视频任务通常比单张图片耗时更长，短则几十秒，长则几分钟。timeout 要设置得足够大，否则容易在等待过程中断掉。更稳妥的做法是：接口支持异步任务时，先提交任务拿到 task_id，再轮询查询任务状态。

批量任务的队列设计不需要太复杂。输入目录放商品图，脚本遍历目录，每个商品图按“主图 -> 场景图 -> 细节图”的顺序依次处理，输出目录按商品编号归档。如果有多张候选图需求，在 JSON 配置里加一个candidates_per_scene字段，每个场景生成多张候选项，人工检查后再统一压缩上传。

8. 资源占用与性能观察

本地跑图像生成，性能观察和显存监控是必做动作。

8.1 实时查看显存占用

nvidia-smi -l 1

这个命令每秒刷新一次显卡状态。重点观察：

• Memory-Usage 是否接近上限
• GPU-Util 是否在生成时波动到高位
• 是否有多个残留进程占用显存

生成结束后，如果显存没有释放，可能是进程残留或 WebUI 没有卸载模型。此时重启服务，或者用nvidia-smi找到残留进程后手动结束。

8.2 影响性能的主要因素

8.3 降低显存占用的通用手段

• 使用半精度模型
• 开启--medvram或--lowvram参数
• 降低单次 batch size，分批生成
• 不用时关闭 ControlNet 节点
• 如果只是背景替换，不叠加多个模型

显存占用必须以实际测试为准。不要只看别人贴的截图，同一张图、不同采样参数，占用能差出两个档次。

9. 常见问题与排查方法

最容易踩的坑是前两个：服务看着启动了但端口不对，API 请求正常提交但超时。建议每次跑批量前，先用小图单张测试，确认整条链路能通，再放大规模。

10. 合规与最佳实践

AI 生成商品素材不是“生成完就能传上去”。Amazon 对图片和视频有明确的审核要求，乱传会被拒或下架。

10.1 图片合规

主图必须遵守平台规范：纯白背景、商品占画面约 85%、无水印无文字。AI 生成的“白色背景”经常是灰白色或米白色，建议统一用脚本压成 RGB(255, 255, 255)。卖点图、尺寸图中的文字必须准确，不要出现 AI 乱码。涉及品牌 logo 时，要么使用授权素材，要么用局部重绘保留原图 logo 区域。

10.2 视频合规

视频中展示的商品功能必须真实存在。AI 生成的动态效果不能虚构商品不支持的卖点，比如一个普通保温杯在视频里出现“充电”演示，就属于虚假宣传。视频中如果出现真人、人脸、可识别的背景建筑或品牌商标，需要确认肖像权和场地/商标使用权。

10.3 工作流建议

• 第一次跑通先用 1 张商品图、小分辨率、低步数
• 每批生成结束后人工抽检 3 到 5 张，确认商品特征无误
• 模型文件、输入素材、输出结果分目录管理
• 批量任务必须保留日志，方便失败重跑
• 云 GPU 实例用完及时释放，避免计费
• 涉及未授权图片素材，不要放进批量任务

技术本身不复杂，复杂度都在“稳定量产”和“合规交付”上。把流程拆成小模块，每个模块单独验证，整体跑通后就能复用到不同商品上。

11. 总结与下一步

这条“一张商品图 -> 6 张 Listing 图 + 3 套视频方案”的生产链路，最值得先跑通的是“抠图 + 白底主图”这个小闭环。它耗时短、效果直观、能立刻接入现有上架流程。跑通后再扩展场景图、尺寸图和视频，每一步都在前一步基础上加能力。

最容易踩的坑也很明确：商品特征变形的控制、显存不足导致的随机崩溃、以及 AI 文字乱码。前两个靠参数调优和分批处理解决，最后一个靠“AI 生成底图 + 脚本叠加文字”规避。

后续可以继续扩展的方向不少，比如训练商品专属 LoRA 来保证同款商品多角度一致性，接入多视角扩散模型生成 360 度展示图，或者把图生视频模型接进批量队列做长视频分镜合成。这套工作流不需要一步到位，先把单链路跑稳定，再逐步加模块，才是性价比最高的做法。