GPT Image 2 给宠物用品生成生活场景图：3 种可用场景 + 宠物尺度一致性怎么控

宠物客户问得最多的一句：猫窝场景图生出来怎么像狗窝？这是品类做 AI 生图最头疼的事——尺度失控。GPT Image 2 上图叮AI 后（截至 2026-04，0.06 元/张起，公告），我们拆 3 种能用场景 + 尺度锁定实操。

图注：这张图难的不是猫好不好看，而是猫和猫窝的尺寸能不能对上

宠物用品的场景图为什么比普通电商难一截

家居、服装、美妆这些类目的 AI 生图翻车，翻的是光线、材质、色彩——也就是”不够像”。宠物用品多一层物理约束：商品要和一只特定体型的动物合理共处。猫窝内径要装下成年英短但不能大到像给大丹犬准备、自动喂食器高度要低于柯基鼻尖但不能低到腊肠犬得趴着吃、项圈宽度要贴金毛脖围但不能紧得像只套博美。每一层错位都会被消费者一眼看出来——宠物主对自家品种的体型是有精确感知的。

这些尺度关系在真实拍摄里是自然对齐的——摄影师摆上猫和猫窝，镜头一按就对上了。AI 生成是反过来：模型先画猫再画猫窝，比例靠训练数据的统计分布”对齐”。宠物品种差异巨大（布偶是新加坡猫的 3-4 倍、金毛是吉娃娃的十几倍），模型在生成时很容易混淆品种体型，画面比例整体走样。

一个做智能喂食器的客户上周发来一组 AI 生成的详情页素材找我们复盘：喂食器本身是给中小型犬设计的（槽口宽度 15cm），出图里却是一只大型金毛俯身在吃，视觉上喂食器被”压缩”成了一个小碗——买家看到这图会以为喂食器装不下自家成年狗。翻车原因不是 prompt 不好（客户的 prompt 写得很细），是参考图喂了一张”中等偏大型犬”照片，模型自动把产品尺度往狗的体型靠了。这种错位在宠物类目的出图里极其常见，占了我们复盘案例的 60% 以上。

于是宠物品牌最常翻的点是——白底图都有、prompt 也写了，想生成”产品 + 宠物 + 家居”的详情页素材，结果画面里猫是英短但猫窝像大丹犬款、狗是柯基但项圈直径像给金毛做的、食盆大得像个脸盆。这不是 prompt 写得不好，是尺度锚点没设对。

“单张还行、一套放一起就散”这个更上层的问题，我们在《宠物用品场景图为什么越做越散：系列一致性的 5 个失控点》里单独拆过，这篇只聚焦单张生成。

场景一：家居环境里的宠物用具生活图

走量最大的一类场景，目标是把一件商品”放进消费者家里”。

典型需求：品牌只有猫窝白底图，详情页首屏要一张”猫窝摆客厅、午后阳光、猫安静趴着”的氛围图。传统路径是找棚、借道具、请宠物模特（宠物拍摄成本是普通商品 2-3 倍，还得接受宠物不配合的常态），一张综合成本三位数起。AI 路线是白底 + 家居参考 + 同品种猫图，一次 0.06 元起。

适用产品覆盖大部分”家里用”的静态宠物用品：猫窝狗窝、陶瓷食盆、自动饮水机、入门猫爬架、毛绒玩具、宠物毯子、便携外出包（室内陈列态）。我们经手的一单猫窝系列，用一张白底跑了 8 种家居场景（北欧客厅、日式榻榻米、木质书房、布艺沙发、飘窗、床尾、儿童房），全套不到一块钱，半小时搞定原本一天的摆拍。

参考图组合：

1. 干净主体图（白底或纯色底，边缘清晰无毛边）
2. 家居场景参考图（和品牌调性对齐，日系就别给 loft 工业风）
3. 同品种宠物照片（尺度锚点的关键）

GPT Image 2 支持最多 5 张参考图，家居用足 3 张，留 1-2 张冗余给”纠偏”。具体参考图分工看《GPT Image 2 的 5 张参考图用法 Playbook》。

prompt 要点：

• 用途写死：“a cat bed placed on living room floor, a british shorthair cat lying inside the bed”，别写 “cat and bed together” 这种模糊表述
• 尺度关系具体化：“the cat fits snugly inside the bed with about 2-3cm margin on each side”
• 光线方向指定：“soft afternoon sunlight from the left window, warm tone”，不让模型默认硬光正午
• 构图留排版接口：“leave negative space on the right for text overlay”

尺度锁定技巧（宠物类目独有）：

• 宠物参考图选”该品种标准体型”——英短 3.5-4.5kg 成年猫、金毛 28-32kg 标准体型，别选胖成球或奶猫
• prompt 加尺度锚点句：“the cat bed is about 50cm in diameter, the cat is an adult british shorthair at 4kg”——尺寸用英文数字写进去，模型对数字比形容词敏感
• 翻车了就补一张”宠物 + 同类商品对比照”作为第 4 张参考，第二轮就稳。别死磕 prompt，模型对视觉示例的学习效率远高于文字

适合切入的是详情页首图、主图、场景卡、社媒投放的批量产出。详情页 12 图矩阵这种场景，能把拍摄预算压掉七成。思路和电商批量生产流水线对齐。

人工补救点：宠物毛发和商品接触面常有 1-3 像素”融合糊化”（像”猫陷进猫窝一小块”），PS 模糊画笔在边缘描一圈能救；阴影方向和主体光向对不上，人工补一层投影图层。另外猫窝、狗窝这类软质织物的”凹陷感”（宠物压出来的坐卧痕迹）AI 经常画得太浅，高端线的素材建议人工再叠一层 dodge&burn 加深凹陷区域，能把商品质感从”像玩具模型”拉回到”真实可用”。

场景二：产品 + 宠物模特的户外合成图

专门对应”图里没宠物就卖不动”的品类。

图注：狗绳、项圈、外出包这类户外品，图里没狗基本腰斩转化率

典型需求：新品宽幅胸背带，详情页要”中型犬戴着在公园草地散步”。宠物户外拍摄难度比室内高一个量级——光线不稳、狗不配合、街景杂乱、路人入镜，一组素材一整天起。AI 用商品白底 + 户外公园参考 + 同类品种狗照就能组合出来。

适用产品：牵引绳、项圈、胸背带、外出包、宠物雨衣、狗鞋、便携饮水瓶、户外食盒、宠物推车。室内用品不建议走户外合成，使用语境对不上。

参考图组合：

1. 主体图（商品白底，或已戴在其他宠物身上的摆拍——得把”其他宠物”P 干净，否则模型会学坏）
2. 户外场景参考（公园、街道、海滩，背景越简洁合成质量越高）
3. 同品种宠物参考（选标准体型）
4. 可选：主人手部特写（画面要人手牵绳时，给张手持姿势参考，否则模型画手常翻车）

prompt 要点：

• 动作状态：“the dog is calmly walking beside the owner, leash gently pulled but not taut”，松紧度要给出
• 光线：“golden hour natural light, warm sunset tone, soft rim light on the dog”，户外走黄金时段光线，中午硬光的阴影必翻车
• 背景模糊度：“background slightly blurred to emphasize the product and dog”
• 主人身份模糊化：“partial view of owner’s hand and lower body only, face not visible”，不让人脸入画，避免在人脸上翻车拉低质感

尺度锁定技巧：

• 品种关键词具体到”品种 + 体重”：“a medium-sized golden retriever, about 30kg adult”，别只写 “a dog”——模型默认画的 “dog” 体型飘忽
• 牵引绳长度和抓握位置在 prompt 里讲清：“leash about 1.5 meters long, handler holding near the handle, dog about 1 meter away”
• 首轮体型偏大或偏小，下一轮换”同场景已有尺度锚点”的参考图（比如人 + 同品种狗合照）
• 项圈、胸背带这类贴合型产品，prompt 要指定”正确佩戴、无松垮或勒脖”：“the harness fits the dog properly without slipping or choking”

适合切入的是户外用品详情页 + 直播贴片图 + 短视频封面 + 落地页主视觉。本来就要”产品 + 宠物 + 环境”三元素齐全，AI 合成 ROI 远高于外拍。

人工补救点：牵引绳和项圈的接触点（扣环、D 型环、卡扣）常画糊，这些是用户放大看的细节，人工补一层高清图层最保险。prompt 通用技巧看《GPT Image 2 prompt 编写模式》。

场景三：宠物用品规格对比展示图

把同一款商品的不同规格（S/M/L、多色、多容量）以一张图展示完整。

图注：规格展示图的关键是产品之间的相对比例要对——这正是 AI 最容易搞砸的地方

典型需求：一款陶瓷猫碗有 S/M/L（直径 12cm / 15cm / 18cm），详情页规格图要把三种尺寸并排展示”差异到底多大”。光靠数字用户没感觉，得看图。

适用产品：多规格电商主流品类全部适用。宠物食盆、宠物窝、牵引绳（不同长度）、航空箱、宠物衣服、自动喂食器、猫砂盆。

参考图组合：

1. 三张同款不同规格的白底图（关键——别只给一张让模型”推想”其他规格，推出来几乎一定不准）
2. 网格布局参考（2×2 或 3×1 样式）
3. 可选品牌色调参考

这场景和前两个根本区别是——GPT Image 2 不承担”生成主体”，只负责”把已有主体按布局组合”。主体精度完全依赖你喂的白底质量。

prompt 要点：

• 明确是”组合布局”任务：“compose a product specification comparison image, three bowl sizes placed side by side on neutral background”
• 规格差异显式描述：“three sizes: small (12cm), medium (15cm), large (18cm), the size differences should be clearly visible”
• 统一光线和阴影：“uniform soft top lighting, consistent drop shadow for all three products”
• 背景纯净度：“clean light grey seamless background, no texture”

尺度锁定技巧（这个场景尤其重要）：

• 规格相对比例用像素数显式指定：“small bowl at 300px width, medium at 375px width, large at 450px width, proportionally accurate”
• 首轮比例对不上，把每个白底主体图的尺寸事先等比缩放好再喂给模型——模型把参考图的物理尺寸作为”视觉权重”
• 规格对比图用 1:1 或 3:2 画布，避免超宽画幅空间分配犯错
• 别让模型同时处理”颜色 + 尺寸”两个维度，一张图只解决一个，合成版太容易翻车

适合切入的是详情页规格说明区、移动端规格卡、店铺首页多 SKU 展示。这些场景要求视觉精确而不是氛围感，GPT Image 2 是”批量生成规格卡”的生产力工具。

人工补救点：数字标注（12cm / 15cm / 18cm）一定用 PS 后期叠加文字图层，别让 AI 画文字——AI 画的数字几乎百分百错位或乱码，这是行业共识。AI”不能画什么”的清单看能力边界。

关于”规格能不能画成尺寸参照图”的边界提醒

讲完 3 个场景，有一个容易踩的坑需要单独拎出来：场景三的”规格展示图”和”宠物尺寸参照图”是两件事。

规格展示图是产品和产品之间的对比（三个食盆并排），没有宠物入画，尺度问题只要白底精确就够。一旦画面里出现”宠物 + 商品”作为尺寸参照（消费者问”这个猫窝多大，看猫进去就知道”），边界就复杂得多——虚构宠物肖像、特定品种代表性、医疗用品参照场景，都涉及合规判断。比如一张”AI 生成的英短 + 伊丽莎白圈”的尺寸参照图，如果被消费者误解为”特定宠物医疗建议”，是会触发医疗器械广告合规问题的。

我们单独拆了《宠物用品电商：猫狗尺寸参照图的 AI 生成与合规边界》，把”能做的（通用品种代表图）、不能做的（特定宠物肖像 / 医疗用品尺寸图）、灰色地带的（功能性用品）“分清楚，做尺寸参照图之前强烈建议先看那篇。

尺度锁定方法论：把”英短猫”和”金毛 30kg”写进 prompt

跑完几十单之后的三条经验：

第一，品种名具体到常见品种级别。“猫""狗""中型犬""小型犬”这些抽象词 GPT Image 2 处理稳定性很差——训练数据里每个抽象词对应无数具体品种，每次生成体型都在飘。“a cat” 改成 “a british shorthair cat”、“a dog” 改成 “a golden retriever” 或 “a corgi”，稳定性肉眼可见提升。

第二，体重数字写进 prompt。“adult british shorthair at 4kg” 比 “british shorthair” 再提升一档。数字让模型更接近”标准成年个体”，不给你一只奶猫或大胖子。

第三，单物尺寸 + 宠物体型同时给出。“a 50cm diameter cat bed with an adult british shorthair at 4kg inside”——产品尺寸和宠物体型同时作为锚点，首轮翻车率从 60% 压到 20% 以下。

三条的底层逻辑一致：GPT Image 2 对具体数字和品种名的响应优先级高于对形容词的响应。把脑子里”这张图样子”的要求翻译成数字和专有名词，模型服从度会好很多。

还有一个容易被忽略的细节——尺度锚点要从第一张参考图开始设对，不能指望后续 prompt 纠偏。模型处理多轮对话时对首轮参考图的”视觉印象”有粘性，如果首轮给了一张错误体型的宠物（比如把一只偏瘦的小奶猫传上去），后面再追加”standard adult at 4kg”的文字锚点也拉不回来。正确做法是生成前先把主力品种的”标准体型参考图”组建好一个图库（每个品种 5-10 张），每次调用时从图库里挑一张最接近目标场景的喂进去，别让模型自己从文字推断。

最后一段不算总结的话

宠物用品做 AI 生图不是”会写 prompt 就能搞定”——这个类目藏着一层额外的物理约束（品种 × 体型 × 商品尺寸 × 场景空间），任何一维失控画面就散。

实操建议是：前期用 0.06 元/张起的成本跑 20-30 张小样，把 3 种场景的参考图组合跑熟，把主力品种 + 主力商品的 prompt 锚点写明白，沉淀成”品牌专属 prompt 模板库”——之后每季度新品上架直接套模板，单张几分钱、系列感一次到位。

“猫窝生成得像狗窝""柯基画成柴犬”这些翻车，不是 AI 的问题，是尺度锚点没设对。设对了，它就是你 2026 年最便宜的一条素材生产线。