電商商品圖與營銷素材生成
電商作圖一般組合三類模型:對話模型根據商品資訊寫生圖提示詞,影像生成模型出場景圖和營銷素材,影像編輯模型在實拍圖上換背景、調氛圍。影像模型大多按張計費,按每月上新 500 個商品、每個出 4 張場景圖和 2 張換背景圖估算,用最低價分組計算,模型費用每月約 ¥1,002。
價格更新於 2026年11月13日 下午6:08
月成本估算
假設:每月上新 500 個商品;每個商品用對話模型寫一組提示詞(輸入約 600 tokens、輸出約 400 tokens),生成 4 張場景圖,再在實拍圖上做 2 次換背景,共 2,000 次生成、1,000 次編輯。
業務問題
每上一個新品都要準備白底圖、場景圖、詳情頁配圖和投放素材。外拍加修圖成本高、週期長,大促前更是排不過來。
影像模型可以按文字描述生成場景圖,也能在實拍圖上換背景、換配色。難點是商品本身不能走樣:logo、文字、結構都得和實物一致。
常見做法是以實拍白底圖為底做編輯,只讓模型改背景和氛圍;純文字生成的圖更適合做氛圍素材和創意測試,上線前再人工檢查商品細節。
推薦模型組合
推薦模型按即時目錄自動選取,價格取各模型最低價分組,更新於 2026年11月13日 下午6:08。點模型名可檢視全部分組價格。
生成場景圖與素材(影像生成)
¥0.3 / 次標準分組
根據提示詞生成場景圖、海報底圖和廣告創意,按張計費,適合一次出多個版本做投放測試。
換背景與改圖(影像編輯)
nano-banana-proGoogle
¥0.4 / 次標準分組
上傳商品實拍圖,只改背景、光線或擺放環境,商品主體保持不變,比純文字生成更容易和實物保持一致。
寫提示詞與賣點(對話模型)
qwen3.5-plus通義千問
輸入 ¥1.12 / 輸出 ¥6.72 每百萬 tokens國產模型分組
根據商品屬性和目標人群批次寫生圖提示詞、標題和賣點短句。呼叫次數少,費用見下方估算。
參考架構
- 1
整理素材
每個商品準備一張清晰的白底實拍圖,整理好名稱、材質、顏色、目標人群和要表現的使用場景。
- 2
寫提示詞
用對話模型把商品屬性轉成生圖提示詞,統一寫明畫面風格、光線、構圖,以及不能出現的元素。
- 3
生成與編輯
氛圍圖用影像生成模型一次出 3 到 5 個版本;需要和實物嚴格一致的主圖,用影像編輯模型在實拍圖上換背景。
- 4
及時轉存
介面返回的圖片連結是臨時地址,拿到後立即下載,存進自己的物件儲存,再進入審核流程。
- 5
人工審核
檢查商品形狀、logo、文字和顏色是否與實物一致,確認素材使用權後再上架或投放。
成本估算
假設:每月上新 500 個商品;每個商品用對話模型寫一組提示詞(輸入約 600 tokens、輸出約 400 tokens),生成 4 張場景圖,再在實拍圖上做 2 次換背景,共 2,000 次生成、1,000 次編輯。
| 專案 | 模型 | 用量假設 | 費用 |
|---|---|---|---|
| 撰寫生圖提示詞 | qwen3.5-plus | 500 次 × 輸入 600 + 輸出 400 tokens | ¥1.68 |
| 生成場景圖 | doubao-seedream-5-0-260128 | 2,000 次 | ¥600 |
| 換背景與改圖 | nano-banana-pro | 1,000 次 | ¥400 |
| 合計(每月) | ¥1,002 | ||
按各模型最低價分組的即時價格計算,價格更新於 2026年11月13日 下午6:08。
只含模型呼叫費用,不含儲存和人工審核成本。影像模型多為按次計費,同一模型的不同解析度版本、不同分組價格不同,表中按最低價分組計算;不滿意重新生成的次數也要算進去。
示例程式碼
先用文字生成一張場景圖,再在白底實拍圖上換背景。返回結果可能是臨時連結,也可能是 base64,拿到後立即儲存。
import base64
import os
import requests
from openai import OpenAI
client = OpenAI(base_url="https://www.tutujin.com/v1", api_key=os.environ["TUTUJIN_API_KEY"])
def save(image, path):
"""Results come back as a temporary URL or as base64. Store the file right away."""
if image.b64_json:
data = base64.b64decode(image.b64_json)
else:
# some image hosts reject requests without a browser-like User-Agent
r = requests.get(image.url, headers={"User-Agent": "Mozilla/5.0"}, timeout=120)
r.raise_for_status()
data = r.content
with open(path, "wb") as f:
f.write(data)
# 1. a lifestyle scene from a text prompt (prompts can be written by qwen3.5-plus)
scene = client.images.generate(
model="doubao-seedream-5-0-260128",
prompt="A white ceramic mug on a wooden breakfast table, soft morning light, product photography",
)
save(scene.data[0], "mug-scene.png")
# 2. keep the real product, change only the background
with open("mug-white-background.png", "rb") as f:
edited = client.images.edit(
model="nano-banana-pro",
image=f,
prompt="Keep the mug exactly as it is and place it on a marble kitchen counter",
)
save(edited.data[0], "mug-marble.png")常見問題
每月 500 個新品作圖要花多少錢?
按每個商品 4 張場景圖、2 次換背景,再加一組提示詞估算,用最低價分組計算約 ¥1,002。影像模型按張計費,重新生成的次數越多,費用越高。
生成的商品圖會和實物不一樣嗎?
有可能,純文字生成時更明顯,logo、文字和細節都可能被改動。需要和實物一致的主圖,建議用實拍圖做影像編輯、只改背景,並人工核對。
返回的圖片連結能一直用嗎?
不能。介面返回的連結是臨時地址,過一段時間就會失效,拿到後要立即下載並轉存到自己的儲存。
生成的圖片可以商用嗎?
能否商用、是否涉及他人的商標或肖像,需要結合模型提供方的使用條款和你上傳素材的來源自行確認。我們不對生成內容的版權歸屬做判斷。
這麼多影像模型怎麼選?
先用同一組提示詞在幾個模型上各生成幾張,對比效果和單價,再定主力模型;需要改實拍圖的場景,選支援影像編輯介面的模型。
