GPT Image 2 在服装鞋包电商的模特上身和 SKU 一致性：4 个典型场景实操

服装电商的痛在上身。平铺图便宜，但一挂到详情页就显得”没人气”；外拍模特有质感，但五种颜色五个尺码拍一轮下来预算见底。GPT Image 2 这轮能把参考图组合做到相对稳定，我们把服装店最常碰到的 4 个场景拆开讲，每个都给出参考图怎么搭、prompt 要怎么写、大约多久出一张、以及哪里最容易翻车。

图注：服装电商的模特上身，本质是把”平铺图 + 人”两件事合成一张能传达穿着效果的成片。

为什么服装电商特别需要”上身 + 一致性”

先说为什么这件事在服装比在别的品类更刚需。3C、家居、美妆，拍一组主图基本就能交差，后续 SKU 换颜色大多靠调色。服装不行：同一件 T 恤有白、黑、浅灰、浅粉、军绿五个颜色，换色之后袖口的阴影、胸前的 logo 反光、布料垂坠感都会变。买家点进详情页看到的那张主视觉，决定了他愿不愿意往下翻价格。

老做法是请模特一天拍五个颜色，摄影 + 后期 + 模特档期三头赶，成本压在每件 SKU 上能到两三百块。改造之后，一组基础拍摄 + AI 换色换角度，边际成本降到每张几毛钱——但前提是 AI 出图不能崩：脸不能换、身材不能变、衣服版型不能走样。这正是 GPT Image 2 这一代（截至 2026-04）可以吃下的活。

关于基础能力和参考图机制，我们在 GPT Image 2 能力边界 和 参考图组合玩法 里讲过，本文只聚焦服装场景怎么落地。

场景一：单款多色 SKU 一致性

适用卖点：同款多色 T 恤、连衣裙、卫衣、polo，颜色 3-8 个。

最高频的一个场景。品牌今年春季上了一款基础圆领 T，有 5 个颜色，需要 5 张详情主图，模特、姿势、光照、背景都要一致，只有衣服颜色不同。如果真人拍，模特得换 5 次衣服重复同一个姿势；AI 做则是一次拍摄 → 五次参考图投喂。

图注：同一模特 + 同一姿势 + 5 色衣服的 SKU 宫格是服装电商最高频的需求之一。

参考图组合（5 张槽位用满 3 张）：

• 槽位 1：基础色（通常是白色或黑色）模特实拍上身图
• 槽位 2：目标颜色的白底平铺图
• 槽位 3：色卡或 Pantone 色块特写（防颜色漂移）

prompt 要点：

参考图 1 为模特姿势与面部基准，保持模特身材、发型、面部特征、姿势、拍摄视角完全一致；参考图 2 为目标服装的版型与细节；参考图 3 为目标颜色。生成：模特穿着参考图 2 的 T 恤（颜色以参考图 3 为准），其他所有元素与参考图 1 保持一致。

耗时估算：单张 40-60 秒，5 色 SKU 串行跑约 5 分钟；批量时建议并发两路，控制在 3 分钟内。

可能翻车点：

1. 颜色漂移：只投一张成品图作为参考，模型容易把颜色做偏（浅粉变粉紫、军绿变墨绿）。靠色卡参考图把颜色拉回来，或者在 prompt 里加”颜色 hex 值 #E8A5B0 为准”辅助描述
2. 袖口/领口细节掉边：某些颜色的布料明暗差异会让领口线条糊掉。验收时必须把 5 张并排放大 200% 对比，领口不齐就得重跑
3. 模特微表情差异：就算姿势一样，嘴角和眼神可能每张略有浮动，要求极致一致的品牌方可以指定”面部与参考图 1 完全一致”

场景二：白底平铺图升级为模特上身图

适用卖点：没预算请模特、库里只有供应链白底平铺、上架急、SKU 多到拍不过来。

这是中小卖家的刚需。1688 拉来的白底平铺图，挂到详情页”像挂在衣架上没人气”，转化率比上身图差一截。以前要靠摄影师外拍，现在可以直接把平铺图喂给模型，2 分钟出一张上身图。

参考图组合（用 2-3 张）：

• 槽位 1：衣服的白底平铺图（正面、反面各一张更稳）
• 槽位 2：目标模特风格参考（可以是品牌历次拍过的模特、Pinterest 截图、甚至一张 AI 预生成的”标准脸”）
• 槽位 3（可选）：目标场景（街拍背景、工作室纯色背景等）

prompt 要点：

参考图 1 为服装款式和颜色的绝对依据（版型、颜色、logo 位置、扣子细节必须还原），参考图 2 为模特的面部与体型依据。生成一张模特穿着参考图 1 服装的上身照，模特需与参考图 2 保持一致，场景为浅灰无缝纸商业棚拍，全身或四分之三身，光线均匀。

耗时估算：单张 60-90 秒（含一次重跑的缓冲）；熟练后一件衣服 2-3 分钟出三张候选。

可能翻车点：

1. 版型走样：平铺图是圆领，出图变 V 领；平铺是短袖，出图变中袖。prompt 里必须逐条锁死关键细节（“圆领、短袖、下摆直剪、无口袋”）
2. logo 扭曲：品牌 logo 在 AI 生成时经常变成”类似 logo 的糊团”。解决办法是 AI 出图后在图叮 AI 里二次修图，把 logo 局部替换回高清原图
3. 布料质感偏塑料感：廉价感来自光照平均、材质模糊。出图时在 prompt 里加入布料描述（“棉质平纹、自然垂坠、有轻微起皱”），能显著改善

白底升级的交付流程我们在 服装电商试穿交付 里讲过闭环，可以对照看。

场景三：多角度展示（正/侧/背）

适用卖点：外套、连衣裙、有设计细节的服装（腰带、褶皱、后背剪裁）；详情页需要多角度展示。

图注：三角度并排是服装详情页的标配，模特身材、发型、妆容在三帧中必须完全一致。

详情页里三角度展示（正面、侧面 90 度、背面）是展示版型的最佳方式。真人拍需要摄影师盯着模特严格站在同一个位置转身，AI 的挑战在于三张图里”是同一个人穿同一件衣服”。

参考图组合（3 槽位各占用 1 张）：

• 槽位 1：模特正面基准照（已上身成品）
• 槽位 2：衣服的平铺或白底照（正、背各一张最好）
• 槽位 3（生成侧面/背面时用）：之前生成的正面成品图本身回投作锚点

prompt 要点（以生成侧面为例）：

参考图 1 为模特正面基准（保持面部、身材、发型、妆容、站姿重心完全一致），参考图 2 为服装细节依据。生成同一模特同一服装的侧面 90 度视角，模特朝向画面左侧，双手自然垂放，背景与参考图 1 保持一致的浅米色无缝纸。

耗时估算：三张一组大约 3-5 分钟；第一张做好后，后两张用它做锚点能显著降低翻车率。

可能翻车点：

1. 身材比例漂移：侧面图中模特突然”瘦了”或”高了”。必须把正面图作为参考图 1，明确要求身材比例一致
2. 背面剪裁走样：衣服的后背如果有特殊剪裁（露背、绑带、拉链），AI 常常自己发挥。必须有背面平铺图作为参考图 2
3. 光影方向不一致：三张图的光源方向要统一，否则拼起来像三次拍摄。在 prompt 里锁死”光源来自画面右上方 45 度”

多角度的更完整流程可以参考 服装虚拟试穿多角度工作流，那篇按 phase 走了一遍完整交付。

场景四：上新专题海报

适用卖点：品牌每月上新、季节主题活动、双十一双十二大促、私域朋友圈首图。

图注：上新 banner 把 5-10 件单品合成一张画面，考验的是构图和光影一致性。

一张 banner 上要出现 5-10 件单品，如果每件都找模特拍再用 PS 合成，成本最起码五位数。AI 能做的事是先把”模特 + 单品”的基础素材批量生成，再在一张大画布上重新构图。这不是纯一张 prompt 出图能完成的，需要两阶段。

工作流两阶段：

阶段 1 · 生成素材库

• 针对 5-10 件主推单品，每件用场景二的流程生成 1-2 张模特上身图
• 按品牌 VI 规范统一背景色（比如全部米白无缝纸）
• 成品保留到同一文件夹

阶段 2 · 合成构图

可以走两条路：

1. 全 AI 合成：用 GPT Image 2 的多图参考能力，把 3-5 张阶段 1 的成品作为参考图，在 prompt 里描述构图（“左侧一位穿针织衫的女模特，中间陈列三件平铺服装，右侧一位穿风衣的女模特，背景浅米色，光源均匀”）。优点是快，缺点是单品细节可能走样
2. AI + PS 半自动：阶段 1 AI 出素材，阶段 2 在图叮 AI 的画布里手动拖拽合成 + 统一调色。优点是可控，缺点是需要一点设计基础

prompt 要点（走全 AI 合成路线）：

以参考图 1、2、3、4 为构图元素依据（不可改变其中服装的款式与颜色），生成一张横版春季上新 banner：画面左侧为参考图 1 的模特造型，画面中间陈列参考图 3、4 的平铺服装，画面右侧为参考图 2 的模特造型，画面左上留白约 20% 用于后期叠加品牌标题，背景浅米色无缝纸，光源柔和均匀，整体风格克制高级商业时装感。

耗时估算：阶段 1 每件 2-3 分钟，5 件约 15 分钟；阶段 2 全 AI 合成 1-2 分钟出图 + 2-3 次迭代，约 10 分钟；总计 25-30 分钟出一张可用 banner。比外拍节省至少两个工作日。

可能翻车点：

1. 单品细节失真：合成时某件衣服的领口从圆领变成 V 领。阶段 2 可以分两张 banner 跑（每张只合成 2-3 件单品），再 PS 拼起来
2. 模特脸变形：画面中模特太小（占比 < 1/4）时，脸常常糊成一团。解决办法是 banner 里模特占比别太小，或者事后局部替换脸部
3. 品牌色走偏：画面里某件 T 恤的蓝色不是品牌指定的 Pantone 色。必须在 prompt 里精确给 hex，并在验收阶段用品牌 VI 色卡对比

一次真实的翻车

写到这里讲一个具体事件。2026-03 月有一家义乌的基础款服装卖家，5 款 T 恤 × 4 色 SKU = 20 张详情主图，按场景一的流程跑。前 3 款跑得很顺，到第 4 款出问题：模特的脸在 4 个颜色里”有三张是同一张，有一张明显变了个人”。

回头查参考图，发现他们前 3 款用的是同一个模特基准照（一张四分之三身正面），到第 4 款换成了另一张基准照（全身侧身四分之三）——两张基准照本来就不是同一个角度，模型在跨参考时做了”内插式”的面部推断，结果就是一张脸换了人。

解决办法是把所有 SKU 的基准照锁定成同一张，哪怕角度不完美也不换。从那之后他们的 SKU 主图都有一个”基准照档案”，每次拍摄第一件都拍一张大特写做永久锚点。这是那种文档里写不出来但一定要自己踩一次的细节。

4 个场景的选择顺序

按落地优先级排：

1. 场景二优先做（白底升级模特上身）——ROI 最高、门槛最低、对 SKU 图质量提升最明显
2. 场景一紧跟（单款多色 SKU）——熟悉参考图用法后，单款多色是批量出图的主战场
3. 场景三按需（多角度）——如果你的品类以基础款为主（T 恤、卫衣），一张正面图就够用；以设计款为主（外套、连衣裙）才值得做三角度
4. 场景四最后（上新 banner）——需要设计审美 + 图叮 AI 画布操作基础，适合有设计师的品牌

关于如何选择合适的 prompt 模板，prompt 写作模式 给了一组可复用的模板骨架；想了解 GPT Image 2 上线图叮 AI 的公告与价格，可以看 GPT Image 2 上线公告，这里只提一句：0.06 元/张起的定价让服装电商批量出图的边际成本降到真人拍摄的 1% 不到。

写在最后

服装电商不是最早用 AI 生图的品类，却可能是被 AI 改变最彻底的品类——因为这个行业天然存在”SKU 爆炸 + 模特贵”的结构性矛盾。四个场景合起来其实是一套渐进式的替换路径：从最小成本的白底升级，到批量 SKU 一致性，到完整的多角度详情页，最后到需要审美判断的 banner 合成。

没有哪个店铺应该一次性铺开做完四个场景。先从场景二做通一个 SKU，看着自己店铺里的第一件”从平铺变成了模特上身”的 T 恤能跑出高于原来 3-5 个点的 CTR，那一刻你会明白为什么要走这条路。

本文技术细节基于 GPT Image 2 截至 2026-04 的公开能力描述；定价、平台规则以图叮 AI 官方公告最新版为准。