AI 修图需求单怎么写:先把输入说清楚,再谈出图效率
很多团队第一次用 AI 修图,习惯把需求写成一句话:背景干净一点,产品高级一点,整体自然一点。
这句话像一个没有参数的函数。输入不完整,输出就只能靠猜。修图师猜错了,AI 也会猜错,而且 AI 猜错的速度更快。
更稳的做法,是先写一张小需求单。它不需要像品牌手册那么厚,但要把四类输入讲清楚:目标画面、材质边界、禁改范围、导出规格。
图注:需求单先定义输入,后面每轮修改才有判断依据。
第一栏:目标画面,不要只写审美词
高级、干净、通透、质感好,这些词都可以留在需求里,但不能单独存在。它们要被翻译成画面参数。
比如背景可以这样写:
| 模糊写法 | 可执行写法 |
|---|---|
| 背景高级一点 | 背景偏暖白,接近米灰,不要纯白 |
| 产品亮一点 | 正面曝光提高,但瓶身边缘不能过曝 |
| 阴影自然 | 阴影向右后方落地,边缘柔,不要悬浮 |
AI 修图最怕只有方向,没有约束。方向告诉它往哪里走,约束告诉它哪里不能越界。
第二栏:材质边界,决定能不能修得像实物
同样是提亮,玻璃、纸盒、金属、皮革的处理完全不同。
玻璃瓶可以增强边缘高光,但不能把瓶身修成塑料;纸盒可以压暗脏点,但不能抹掉纸张纹理;金属可以清理杂反光,但不能把拉丝方向改乱。
需求单里建议每个主要材质写一行:
| 材质 | 可以优化 | 不允许改变 |
|---|---|---|
| 玻璃瓶 | 高光更顺、瓶身更透 | 不新增不存在的瓶型反光 |
| 纸盒彩盒 | 去灰、保留印刷清晰度 | 不抹掉压纹和纸纤维 |
| 金属盖 | 清理脏反光 | 不改金属颜色和结构线 |
这一步写得越清楚,后面越少出现好看但不像货的结果。
第三栏:禁改范围,比修改意见更重要
禁改范围是 AI 修图需求单里最容易被省略的一栏。
但真正出问题的,往往不是没有改够,而是改过头。包装文字被重绘、LOGO 边缘被软化、食品大小被放大、镜片反光把眼神遮住,这些都不是审美问题,是交付风险。
可以直接写成清单:
- 不改 LOGO、产品型号、规格参数。
- 不改变瓶型、口径、边缘比例。
- 不新增实物不存在的配件、标签、功能点。
- 不把瑕疵修到影响成色判断,二手、生鲜、母婴类尤其要写清楚。
这几条像单元测试。出图再好,只要触发禁改项,就不能过。
第四栏:导出规格,别留到最后才补
很多返工不是图修错,而是尺寸、命名、压缩方式最后才被发现。
需求单开头就写导出要求:
- 平台:淘宝主图 / 京东详情 / 小红书封面 / 抖音橱窗。
- 尺寸:1:1、3:4、16:9 或平台指定像素。
- 背景:透明、白底、浅灰底或场景底。
- 命名:SKU_角度_版本号,例如
A102_front_v2.png。 - 是否保留 PSD 分层、是否要无水印预览图。
如果团队用 产品精修工作流 或 电商批量处理,这部分最好固定成模板。每次新项目只改变量,不重写规则。
一张可复制的需求单模板
可以直接从这 8 行开始:
| 字段 | 写法 |
|---|---|
| 使用场景 | 淘宝主图 / 详情页 / 广告图 |
| 目标画面 | 背景、光线、阴影、构图 |
| 主体材质 | 玻璃 / 金属 / 纸盒 / 布料等 |
| 可优化项 | 去灰、补光、清污点、统一色温 |
| 禁改范围 | LOGO、文字、结构、规格、瑕疵边界 |
| 参考图 | 1-3 张,不要放 20 张互相冲突的图 |
| 验收人 | 只保留一个最终口径人 |
| 导出规格 | 尺寸、格式、命名、是否保留源文件 |
需求单不是为了让流程变慢。它像接口文档,先把输入输出定义清楚,后面每次调用才不会变成随机试错。
如果只记一句:不要把 AI 修图需求写成愿望,要写成可检查的输入。
相关文章
新手设计师 90 天 AI 修图上手路线:从抠图到独立交付
应届生进设计公司 3 个月还没法接活?本文按 30/60/90 天三阶段拆解新手训练目标和里程碑,附 5 个常见瓶颈解法。
AI 修图前后对比怎么看:别只看好不好看
AI 修图前后对比不能只看画面是否更漂亮,还要看结构、材质、卖点和风险信息有没有被改变。本文给一套审核方法。
商品图上线前质检清单:12 个容易漏掉的小问题
商品图上线前最容易漏掉的不是大瑕疵,而是文字、边缘、阴影、色差、尺寸和命名这些小问题。本文给一套发布前质检清单。
修图返工率为什么会越改越高:电商团队的 4 个交付断点
很多电商团队不是修图能力不够,而是需求、素材、审核和交付口径没有对齐。本文用一次返工案例拆解修图返工率上升的原因。
推荐阅读
厨房小家电溶图实战:破壁机融入日式厨房场景
用图叮AI产品溶图打光将破壁机产品图融入日式厨房场景,自动处理复杂家电的光影和倒影关系,替代手动调图层混合模式。
服装面料质感校准实战:上身图中的真实感还原
面向服装电商设计师,解决AI换装后面料质感失真问题,按面料类型给出针对性的校准方法和验收标准。
5 单大订单失败的根因分析:几千到几万元订单为什么砸了
把 5 单从 ¥3000 到 ¥15000 的 AI 修图大订单失败拆开来看,会发现真正坏掉的几乎都不是图本身——是拍板人换了、风格词虚了、尺寸没锁、平台规则放到最后、屏幕颜色骗过了所有人。每单还原冲突现场和损失账。
工业品 B2B 商品图的采购决策清单:让采购方隔着屏幕能做出判断
工业品 B2B 采购周期长、决策链多。商品图不是拍得好看就行,而要让采购方隔着屏幕完成能不能装、能不能用、能用多久的判断。整理一份以采购视角出发的图片自检清单。