3 段式多模型接力是否值得：抠图 + 生成 + 超分在商品精修里的账

去年有一家做母婴餐具的小卖家来找我们，她说上个月花了两天时间搭了一套”最专业的 AI 精修流水线”：先用抠图模型把硅胶勺从白底图里切出来，再把切出来的 PNG 喂给生成模型补背景，最后过一遍超分模型放大到 3000px 交付。听起来很严谨。问题是她第一批跑了 80 张，返工率 45%。她问我哪个环节出问题了。

我看了她的流程记录，告诉她：3 个环节都出了问题，而且它们彼此叠加。

这就是 3 段式多模型接力的真实处境——它的优势是真实的，它的代价也是真实的，而且代价会随着链路变长而非线性放大。这篇文章想认真谈谈，这条路到底值不值得走，以及什么情况下值，什么情况下不值。

单模型是什么，接力是什么

先把两条路说清楚。

单模型路径：上传原图，图叮AI 的「万物精修」或「产品溶图打光」直接出结果。模型内部处理抠图、调光、增强这几件事，用户不感知中间状态，通常 20-40 秒出图。这是绝大多数用户的日常路径。

3 段接力路径：把精修拆成 3 个显式步骤——第一段用抠图专模型拿到干净的产品 PNG，第二段用图生图或 inpainting 模型给这张 PNG 补场景或做材质增强，第三段用超分模型把最终输出放大到交付分辨率。每段用各自最擅长的模型，结果在精度上理论上优于全包的单模型。

两条路的出发点都没问题。分歧在于，当你把 3 个模型串在一起的时候，它们的假设不一定相容。

接力损失：模型 A 的假设和模型 B 不一致

这是 3 段接力最容易被低估的风险，而且它不是随机的，是系统性的。

举一个具体的例子，来自那家母婴餐具的案例：

抠图模型在处理硅胶勺的时候，判断勺子底部有一小片”柔和过渡阴影”——它把那片阴影当成背景的一部分，切掉了。这个决策对纯白底的电商主图来说是对的。但第二段生成模型接到这张 PNG 的时候，它拿到的是一把”底部悬空”的勺子——没有接触面，没有阴影参考。生成模型不知道这把勺子原来是放在什么表面上的，于是它自由发挥，补了一个”看起来像是在玻璃桌上”的阴影。交付的图里，硅胶勺飘在玻璃桌上，买家会觉得那不像厨房里的东西。

问题的根本是：抠图模型的”干净”定义和生成模型需要的”上下文”是矛盾的。 抠图模型的目标是去掉一切不属于主体的像素；生成模型的目标是基于上下文生成合理内容，而阴影和接触面恰好是它最需要的上下文线索。两个模型分别在自己的任务定义里做出了最优决策，但串在一起之后结果反而更差。

这种接力损失不只出现在抠图→生成这个接缝处，也出现在生成→超分之间。超分模型的训练数据大多是真实摄影图片，它对那种”AI 生成特有的平滑纹理”会有自己的处理习惯——有时候会把 AI 生成的细节过度锐化，有时候会把本来就没细节的区域”补”出它认为合理的纹理。你得到的最终图，有些地方比预期更锐，有些地方的纹理来自超分模型的想象，而不是原来的产品。

时间代价：为什么从 30 秒变成 3 分钟

单次出图时间从 30 秒涨到 3 分钟，这个数字看起来不大——每张多花 2.5 分钟，批量处理 100 张就是多花 4 个小时。但真正让时间代价变大的不是这 2.5 分钟本身，而是接力链路下的返工逻辑。

单模型路径的返工是这样的：一张图出来不满意，重跑一次，30 秒，完。参数调一下，再跑，再 30 秒。可以在一两分钟内完成多次迭代。

3 段接力路径的返工是这样的：第三段的超分结果不满意，你需要回溯——是超分参数的问题，还是第二段生成的质量不够，还是第一段抠图时就丢了关键信息？定位问题本身就要花时间，然后从定位的那一段开始往后复跑。如果问题出在抠图阶段，你得把后面两段全重跑一遍。3 段 × 1 分钟/段，加上等待和传参时间，一轮完整复跑通常在 4-6 分钟。

如果一批 100 张图里有 20 张需要返工，你的真实处理时间是：100 张 × 3 分钟（首次）+ 20 张 × 5 分钟（复跑）= 300 + 100 = 400 分钟，差不多 7 个小时。同样 20% 的返工率，单模型路径的时间是：100 × 0.5 分钟 + 20 × 1 分钟 = 70 分钟。

这个差距是 6 倍。返工率越高，差距越大。

调参复杂度 × 3，错误溯源变难

接力链路还有一个隐性代价，就是调参工作量。

单模型的调参是在同一个界面里改几个参数——风格强度、细节保留、背景填充类型。你可以快速建立参数和结果之间的感知连接，调几次就摸到了。

3 段接力的调参是这样的：抠图模型有它的前景检测阈值、边缘羽化、阴影判断开关；生成模型有它的 guidance scale、strength、seed、步数；超分模型有它的放大倍率、锐化强度、降噪级别。这 3 套参数相互独立，每套都要单独熟悉，而且它们之间存在耦合——超分的锐化参数和生成模型的输出风格是有交互效应的，调一个可能需要补偿性地调另一个。

更难的是错误溯源。当你看到最终输出有问题的时候，你面对的是 3 个”嫌疑人”。大多数情况下，3 段里有 2 段是好的，只有 1 段出了问题——但要找出哪 1 段，你需要分别检查 3 个中间输出。这在单张调试的时候还好，但当你在批量处理中发现有一批图系统性出问题的时候，溯源成本会快速上升。

那家母婴餐具卖家的 45% 返工率，有一半时间消耗在了”搞清楚是哪个模型的锅”这件事上。

讲到这里，我不得不承认一件事：我在最初接触接力路径的时候，也觉得”3 个专模型肯定比 1 个通用模型强”。这个直觉不能说错，但它是不完整的。3 个专模型串起来的结果，不是 3 个优势的叠加，而是 3 个优势 减去 它们在接缝处的摩擦损耗。什么时候收益大于损耗，什么时候损耗大于收益——这才是真正需要判断的问题。

接力的真实优势：什么情况下值

上面讲了这么多代价，不是说接力路径没价值。它有，而且在某些情况下是单模型路径很难替代的选择。

精度控制的边界是接力路径真正的优势点。单模型对整体处理做的是联合优化，它在精度和速度之间做了一个内部权衡，你没法干涉这个权衡。接力路径让你可以在每个阶段单独控制精度——比如，你可以在抠图阶段用最高精度的专模型仔细处理玻璃器皿的透射边缘，而不是接受全包模型在这里做的快速近似。

可组合性是接力路径的第二个优势。你可以混搭不同来源的最强模型——用 A 厂的抠图（它对透明材质最准），用 B 厂的生成（它的场景风格最符合你的品牌调性），用 C 厂的超分（它对织物纹理的保留最好）。单模型路径里你只能接受这一家的整体能力。

阴影和场景的精确控制是第三个优势，但这里要特别注意：它带来优势的前提是，你在第一段抠图时主动保留了接触阴影，而不是让抠图模型自动判断。换句话说，接力路径的优势需要你主动管理，被动接受 3 个模型的默认判断，你可能拿到比单模型还差的结果。

决策矩阵：什么场景选哪条路

这里把选型判断条件整理清楚。

优先选单模型的情况：

批量标准品，白底主图为主，品类是服装、日用、食品。这类图片的材质以哑光为主，边缘清晰，对阴影精度要求不高，单模型能覆盖 90% 的需求。时间成本更低，批量处理更顺畅。

时间紧张，当天要交付，每张图的返工容忍度低于 5 分钟。接力路径在这种情境下是个陷阱——你根本没有时间处理复跑的时间代价。

初次建立流程，还不熟悉各模型的参数边界。先把单模型路径跑通、摸出品类规律，再考虑引入接力。

可以考虑接力路径的情况：

透明材质或镜面材质，比如玻璃器皿、透明包装、金属抛光件。这类产品的边缘和材质信息在单模型里容易被损失，专模型的抠图精度有实质差异。

品牌级别的精修，单张图片的商业价值高，比如年货礼盒、高端护肤品、珠宝首饰。每张图的修图投入几十分钟是合理的，这个时间预算能支撑接力链路。

SKU 数量少但图片规格复杂，比如一款产品要出 5 个不同背景场景的版本。单一产品多次生成，接力路径的调参时间可以分摊到多个版本上，整体时间成本下降。

不适合接力路径的情况：

批量快速出图，每天处理 200 张以上，时间是主要瓶颈。接力路径在这里是反指。

原图质量差，分辨率低于 1200px，或者有严重的曝光问题。接力路径无法从根本上弥补原图的信息缺失，且超分模型在低质量输入上的表现会雪上加霜。

还在摸索 AI 修图的工作方式，每周出图量低于 50 张。接力路径的学习曲线和调参工作量在这个量级里不合算。

接力前必须做的一件事

如果你决定尝试接力路径，有一件事必须在第一段就做好，否则后面两段的努力可能全白费：主动指定哪些边缘信息要保留。

抠图模型的默认行为是”尽量把非主体的东西去掉”。这对白底图是对的，对需要送进生成模型的 PNG 不一定对。接触阴影、产品边缘的自然过渡、反光面在背景上的折射——这些在单纯看”抠图”的时候是噪声，在生成阶段是信号。

具体操作是：在抠图阶段调低”边缘羽化”的侵略性，把”去背景阴影”选项关掉，手动检查一遍中间 PNG，确认生成模型需要的上下文信息都还在。这一步花 5 分钟，能避免后面最常见的那一类接力损失。

---

那家母婴餐具卖家后来做了一件事：她把 80 张图分成两批——30 张是透明硅胶餐具（主要卖点是”看得清食材”，透明度是视觉核心），50 张是普通哑光餐具。前者走接力路径，后者走单模型。

前者的返工率从 45% 降到了 12%。后者的返工率本来就不高，单模型跑完，抽检一遍，发出去了。

她说：“我以前觉得必须给每张图都用最复杂的流程，后来发现是我对’精修’这件事的理解太笼统了。透明的需要接力，不透明的不需要接力，其实很简单。”

3 段接力不是最高级的流程，也不是最笨的流程。它是一个有适用边界的工具。边界之内，它给你的精度是单模型给不了的；边界之外，它给你的只是更多的复杂度。

相关参考：产品精修的整体流程可以先看《产品精修全流程：从底图清理到终稿的标准化 SOP》，材质相关的具体判断见《金属产品精修的”过/返工/不可用”判断矩阵》，批量生产中的时间成本分析可参考《AI 修图 vs 传统外包：10 万张/月规模的成本、交付周期、质量波动对比》，AI 修图失败案例的通用规律见《AI 修图为什么老翻车：4 个让我反复抓狂的真坑》，如果你在纠结计费模式，《AI 修图按张计费、按算力、按订阅，哪种最划算的真实账单复盘》里有真实账单对比。3 段接力里”模型 B 不知道模型 A 的决策”这种信息丢失，在文字/商标修复这种高精度子任务上尤其明显——6 种文字与商标修复路线实测 里的矢量回贴与多模型接力一样，关键是搞清楚每个环节”假设了什么”。