GPT Image 2 做美妆电商产品图：口红、眼影、护肤 3 类瓶身与色号实操

美妆品类的产品图一到上新就卡住：口红金属管拍不出细腻金属感、眼影盘十二色上盘后色号漂移、精华玻璃瓶高光一打就过曝。截至 2026-04，图叮AI 已经把 GPT Image 2 跑过不少美妆订单，这篇按口红、眼影、护肤三大类拆开讲每类的痛点、参考图怎么搭、prompt 怎么写、以及哪些点人工仍然要盯。

图注：口红、眼影、护肤三大类各自有不同的材质难点，AI 切入点也不一样

为什么美妆这条线要单独讲

在讲三个品类之前，先把”美妆产品图为什么比一般品类难”说清楚，不然后面的参考图组合和 prompt 模板读起来没根。

美妆产品的买家决策路径跟服装鞋履完全不同。消费者会把详情页图放大到最大倍率看膏体切面、看盘内珠光、看瓶身透光。任何一个地方 AI 没画对，实物到手时退货理由直接写”色号跟图不一样""质感跟图不一样”。所以美妆图的及格线比很多品类都高——“看上去 90% 像”在这个品类里等同于不合格。

再加一层约束：美妆三大主材（金属电镀管、哑光压粉、透明玻璃）的光学表现都不容易。金属管是镜面反射 + 微观漫反射叠加，哑光粉体是次表面散射，玻璃瓶是折射 + 局部全反射。AI 模型学到的是这些现象的统计分布而不是真正的光路，所以 GPT Image 2 在美妆线上的最大价值不是替代精修，而是替代场景合成和色号扩展——把已经拍好的干净主体，放到昂贵棚景里，或者在一张主图基础上批量生成多个色号变体。

有了这层认知，下面三类的拆解才站得住。新读者也可以先看总体上线公告《GPT Image 2 在图叮AI 正式上线》补背景，价格从 0.06 元/张起，美妆场景单张成本跟外包一张精修相比差出两个量级。

第一类：口红 · 金属管身与色号批量

口红是美妆类目里最适合用 GPT Image 2 的一类，原因是主体结构稳定、色号需求量大、金属管在柔光下的表现 AI 训练数据覆盖得比较好。

图注：金属管身口红是 GPT Image 2 在美妆线表现最稳的一类主体

典型痛点 有三个。一是管身高光带控制不住——拍摄阶段随便打一盏光就容易把管体右侧烧成一条白线，细节全丢；二是色号上盘（口红膏体切面的颜色）和管身涂装颜色视觉上经常”对不上”，明明一支”豆沙色”成品，拍出来膏体偏冷、管身偏暖；三是品牌系列图的”一致性”——同一批十二个色号的口红，拍摄跨了两天换了灯位，后期再拉色号卡都有轻微色偏。

参考图组合 建议这样搭：1 张干净白底的主体正面图（管身锐利无抠图毛边）+ 1 张品牌调性图（比如该品牌官网已有的产品氛围大图）+ 1 张色卡参考图（把需要的膏体色号直接印在色卡上拍一张清晰图）。如果要做场景化主图，再加 1 张场景参考（如米色大理石台 + 丝绸手帕）。GPT Image 2 在图叮AI 上支持最多 5 张参考图，口红场景用到 3-4 张基本够了，再多反而让模型”不知道听谁的”。多参考图的搭法细则见《GPT Image 2 的 5 张参考图用法》。

prompt 模板 可以照这个骨架改：

keep the lipstick tube shape, metallic finish and proportions unchanged,
only change the background to warm beige marble with soft side light.
metallic cap: rose gold, soft specular highlight on left edge only,
no overblown reflection.
lipstick bullet color: muted mauve-pink (#C08480 reference),
matte finish, clean diagonal cut.
camera angle: 30 degrees front-right, product centered, 
30% empty space on top for copy.

四个关键词建议尽量锁死：管身造型（keep unchanged）、高光位置（left edge only）、膏体色号（给十六进制色值 + 质感描述）、构图留白（给版式留接口）。缺了其中任何一个，生成图大概率会漂移。prompt 结构化写法可以对照《GPT Image 2 prompt 写法总结》这篇。

可能翻车点 有两个：一是金属管接缝处偶尔会出现 1-2 像素的”融合糊化”，要用 PS 反选边缘做一次锐化；二是同一系列批量生成多个色号时，膏体色号的一致性会比单张差约 15%，最好把十二个色号分成 3-4 组批次，每组用同一张主体图 + 同一条 prompt + 只改色号色值，批次内一致性会明显好于一把梭哈。口红色号批量生产的完整流程可以看《美妆 SKU 多色号批量生成》。

我们前阵子经手过一个国货品牌的秋冬口红系列图，12 个色号 + 3 种场景 = 36 张主图，原本外包报价小两千、工期四天。换成”摄影棚只拍一支裸管参考 + GPT Image 2 换色换景”的路径之后，出图在图叮AI 里跑了约四个小时，PS 人工补锐和贴字贴号字再花了半天，整体单张平均成本降到个位数元。这个订单里真正让客户满意的不是省钱，而是”12 个色号放在一张 3×4 系列图里，视觉一致性肉眼看不出差别”——这件事单靠摄影棚跨两天补拍反而更难做到，因为棚里换日期就等于换了一次环境光。

第二类：眼影 · 盘内多色与珠光哑光混排

眼影盘是美妆里最难的一类，难点集中在”盘内多色同时在场”。

图注：眼影盘十二色一次全在场，哑光和珠光质地混排，AI 最容易翻车的一类

典型痛点 三个。第一个是珠光与哑光混排时，AI 生成图里哑光色的质感容易”做出珠光味”——因为模型学到的”眼影”视觉特征里有相当比例来自带亮片的珠光色；第二个是盘格之间的分隔线，真实盘子是厚度均匀的塑料边框或磁吸凹槽，AI 生成时这条线经常画歪或画糊；第三个是内盖镜面反射的控制，镜面反射把盘内色全映射进去，用力不对整张图就成了”镜子里又一个眼影盘”的套娃视觉。

参考图组合 建议：1 张俯拍的干净盘内色块图（十二格都能看清）+ 1 张该品牌官方色号分布示意图（最好是平面矢量图，把每格色值标得清清楚楚）+ 1 张产品包装外壳参考图（盘身闭合状态）。场景化时可再加 1 张桌面 flatlay 参考，但眼影盘本身就是画面主角，场景留白不需要太多。

图注：把五张参考图平铺在桌面上排好，再决定哪几张喂给 GPT Image 2，能省掉一半漂移

prompt 模板：

eyeshadow palette, 12 shades in 3 rows × 4 columns grid,
keep the exact shade positions and color values from reference image 1.
palette frame: matte white plastic, 2mm uniform border between shades.
textures: shades 1-3-5-7-9-11 matte finish, 
shades 2-4-6-8-10-12 shimmer with fine pearl particles.
inner lid mirror: visible but softly reflective, 
do not duplicate the whole palette visually.
top-down flat lay, neutral beige paper background, 
soft diffused light from above.

三个建议锁死的点：盘内色号位置（直接引用参考图 1）、哑光和珠光的分布（按格子编号区分）、镜面反射的收敛（softly reflective）。

可能翻车点：一是珠光亮片颗粒感经常偏大，像撒了闪粉而不是压粉里自带的细腻亮片——这点用当前 GPT Image 2 版本（截至 2026-04）还没法完全解决，生成后要人工在 PS 里用亮度/对比度局部压一下亮片区；二是色号 7 号和 8 号这种相近棕色，AI 生成时常会画成几乎同色，所以相近色号一定要在 prompt 里用色值拉开（比如 #8B5A3C vs #A47456）；三是如果参考图的色号分布图分辨率太低，AI 会”瞎猜”格子顺序，导致十二色错位——参考图本身的清晰度比数量更重要。

眼影盘还有一个容易被忽视的点：出图交付之前最好让 QC 拿一把真实的盘子放在屏幕前肉眼对一次色。AI 生成的棕色系眼影在屏幕上看常常偏暖偏橘，跟实物放一起对比就会发现差了半个色阶，这种偏差走批量印刷的详情页几乎看不出来，但走小红书封面图（用户会拿截图对色买）就容易出事。一次对色投入大约 3-5 分钟，能过滤掉 70% 以上的色号退货投诉。

第三类：护肤 · 玻璃瓶反光与透光质感

护肤产品图的核心是瓶身的光学表现，特别是透明或半透明玻璃瓶的”高光位置 + 透光层次”这两件事。

图注：精华瓶左侧的高光带只铺 40% 高度不过曝，是这类图能不能过审的第一关

典型痛点 四个。一是高光带过曝——真实摄影棚里调高光要反复试拍，AI 一次就生成的图高光几乎全过曝；二是透光质感失真，液体本身有轻微琥珀色或乳化质感，AI 生成时常做成”一瓶白开水”或”一瓶奶昔”两个极端；三是瓶身标签（logo、产品名、规格）AI 无法准确复原，生成图里的文字基本都是模糊字符；四是压头/滴管的金属配件经常画错比例，压头过大或滴管过长都很常见。

参考图组合：1 张干净白底的主体图（瓶身 + 标签都要清晰）+ 1 张该品牌的环境氛围图（米色调 / 冷白调等品牌视觉基线）+ 1 张高光参考图（可以是其他高级品牌官网的瓶身高光处理方式，供 AI 学”高光应该落在哪”）。这组参考图喂进图叮AI 的 GPT Image 2 通道，单张成本从 0.06 元/张起算，一个中等订单里跑三十张变体也就十几块钱的量级。

prompt 模板：

serum glass bottle, keep bottle shape, label position and dropper 
proportions unchanged from reference image 1.
glass: frosted matte on the body, transparent on the shoulder and neck, 
warm amber liquid inside visible through transparent area.
highlight: single vertical highlight band on left edge, 
covering bottom 40% of bottle height only, soft not overblown.
shadow: soft right-side shadow, bottle appears grounded on surface.
background: warm beige marble with subtle veining, shallow depth of field.
do not modify any text on the label.

两个关键约束：高光位置要给数值（bottom 40% of bottle height），防止 AI 把整个瓶身铺满白色高光；标签文字用”do not modify any text on the label”锁住，虽然这个指令对字面改动几乎兜不住（AI 依然会自行重绘文字），但能明显降低乱改概率。瓶身高光控制更细的做法单独写在《美妆瓶身高光控制》这一篇里。

可能翻车点：一是透明瓶肩位置的液位线经常画歪，生成图里液体”悬浮在瓶身中段”而不是有清晰的水平液面——要在 prompt 里加”clear horizontal liquid level line at 75% bottle height”；二是标签上的产品名和规格字几乎必定乱码，所以生成图的标签区域在交付前要用 PS 拉原始白底图的标签位贴回去（属于”AI 出壳，人工贴字”的标准做法）；三是金属压头的反光方向经常和瓶身反光对不上（AI 生成时会独立判断每个部件的光向），交付前用 PS 统一压一层环境光图层可以对冲。

完整从拍摄到交付的护肤产品图全链路，可以对照《美妆电商图片全流程 SOP》那篇看，它讲的是”整条流水线怎么走”，这篇讲的是”GPT Image 2 在这条流水线的哪些工位可以切进来”，两者是互补关系。团队排班时也建议按这个分工来：摄影师负责拍主体和标签字，AI 负责跑场景和批量，PS 负责最后贴字和统一环境光，三个角色各做一件事不互相踩脚。

三类放一起看：哪步让 AI 做，哪步留给人

前面三个品类拆得很细，最后把视角拉高一层给一个统一判断：GPT Image 2 在美妆线上的最优工位是”已拍摄主体的场景扩展 + 色号变体”，而不是”从零生成一张新产品图”。截至 2026-04，我们经手的美妆订单里，真正跑得顺的都是这个模式——先让摄影棚把主体拍干净（白底或纯色底，一张就够），然后在图叮AI 的 GPT Image 2 通道里跑 10-30 张场景变体 / 色号变体，交付前在 PS 里做一次边缘锐化 + 高光压暗 + 标签字贴回。

那些”从零让 AI 生成一张新产品图”的需求，基本都卡在两个点：一是标签字画不对（AI 暂时没法准确生成中英文产品名和规格字符），二是材质质感会漂（哑光做出珠光味、玻璃做出塑料感）。这两件事在当前模型版本里还没法靠提示词完全兜住，建议直接退回”拍摄 + AI 补景”的混合模式。

至于什么时候该用它、什么时候该跳过，有几个简单的判断口径可以参考：主体结构简单且量大（口红、单瓶精华）→ 上；同一系列多色号同时在场（眼影盘、腮红盘）→ 慎上，准备做批次一致性校对；需要精准复原品牌标签的图（新品首图）→ 不上，老老实实拍。把这三条写在 brief 上，美妆组的出图节奏就会稳很多。

最后留一个观察给运营同学：图叮AI 这边跑美妆订单最显著的变化不是单张成本（0.06 元/张起的价格本来就已经很低了），而是设计师愿意尝试的场景数量明显变多了。以前棚拍一套成本摆在那儿，客户通常只敢试两三个主视觉方案；AI 链路上来之后，一个系列顺手跑十几个场景备选是常态，最后挑中的那张往往不是最早 brief 里写的那套，而是在中间第 8 张 / 第 11 张里跳出来的”意料之外但就是好看”的那张。这个”试错成本塌下来之后创造力被释放”的效应，可能比任何单点节省都更值得在团队里慢慢消化。