同一款香薰机 AI 场景图，给 1 张、3 张、5 张参考图会差在哪？

一台白色香薰机，5 张参考图，18 张首轮结果。2026 年 5 月 9 日晚上，我在杭州滨江办公室把这组内部复盘素材重新看了一遍：同一个商品，输入参考图从 1 张加到 3 张，再加到 5 张，画面确实越来越像能投放的生活场景，可商品本体不一定越来越稳。

图注：一张、三张、五张参考输入的工作台对比

这篇不写提示词大全。它只盯一个单一主体：一款圆角白色香薰机，顶部有出雾口，侧面有一颗小按键，底部贴着容量和功率标签。复盘问题也很窄：做 AI 场景图时，到底是少给参考图让模型自由发挥，还是多给参考图把商品锁死？

我的结论先放前面。参考图不是越多越好，而是要分层。1 张图容易丢材质，3 张图最适合多数电商详情页，5 张图只有在团队能写清禁改字段时才值得用。否则，多出来的参考会把模型带进另一个方向：场景更丰富，证据更混乱。

如果你还没准备参考包，可以先看站内那篇 AI 生图参考图包交付 SOP。本文往后走一步，只讨论同一款商品在三种输入路径下的差别。

第一层：只给 1 张主商品图，模型会把空白补成想象

1 张参考图的好处很明显：快。运营小周把白底香薰机图拖进去，只补一句“放在卧室床头柜，柔和晨光，真实家居摄影”，3 分钟后就能拿到一批看起来顺眼的图。通勤路上刷手机，第一眼我也会觉得这条路径最省心。

问题出在第二眼。

团队实际经验里，这 6 张首轮图有 4 张都把商品当成了“家居小电器的概念物”。有一张把顶部出雾口补成了香薰蜡烛的开口；有一张把侧面按键磨掉，只留下干净圆弧；还有一张把底部标签藏进阴影里，手机端完全看不到容量信息。画面更像样板间，商品却不像那台商品。

这不是模型差，而是输入太单薄。1 张主图只告诉模型外形，它不知道材质锚点、出雾结构、按键位置和标签边界谁更重要。模型会按“床头柜上的白色小物”去补常识。常识对氛围有用，对 SKU 保真不够用。

这条路径适合什么？适合做情绪草稿、选场景方向、给运营看“这款商品放在卧室大概是什么感觉”。它不适合直接进详情页首屏。只要图里要承担商品解释，就不能只给 1 张参考图。

这个判断和 AI 生图场景图 vs 原图精修 里的分界一致：从零造氛围是一类任务，保住真实商品是另一类任务。别把草稿路径当交付路径。

第二层：给 3 张参考图，商品开始站稳，但场景会变保守

3 张参考图是我更愿意推荐给小团队的路径。我们当时的组合是：一张主商品白底图，一张顶部出雾口和按键的局部图，一张卧室床头柜场景参考。三张图各管一件事：商品轮廓、商品证据、场景方向。

效果马上变稳。6 张结果里，出雾口没有再被改成蜡烛口，侧面按键保留得更清楚，底部标签虽然不一定每张都可读，但至少没有被整个抹掉。香薰机也不再被模型放大成加湿器大小，床头柜、书、台灯都退到陪衬位置。

代价也出现了：场景变保守。

因为模型同时接收了局部图和场景图，它会更谨慎地围着商品做构图。画面通常是 45 度角、床头柜、浅色墙、一本书或一只杯子。安全，稳定，也有点像同一个模板。若你的任务是出 20 张投放素材，这会显得重复；若你的任务是详情页 2-3 张场景图，这反而是优点。

我会把 3 张参考图路径叫作“电商可交付基线”。它不追求最惊艳，而是先让商品站住。站住以后，才谈光线、道具和构图。站不住，任何氛围都是后面的解释成本。

复盘时我们把这条路径拆成 4 列：主体比例、材质边界、功能位置、场景可信度。18 张样张里，3 张参考图组在前三列最稳，第四列不是最亮眼。这个结果很像做普通评测：得分最高的不一定是最刺激的方案，而是失误最少的方案。

如果你要建立复审表，可以接着对照 AI 商品场景图的 5 个证据区。主体比例、接触阴影、材质边界、包装文字、禁用道具，正好能接住这条路径的验收。

第三层：给 5 张参考图，细节更足，也更容易互相打架

5 张参考图看起来最专业。我们的组合加了两张：一张材质近景，展示磨砂塑料表面的细颗粒；一张竞品风格参考，展示更高级的暖灰卧室构图。注意，竞品风格参考不带品牌和 logo，只借光线、机位和道具密度。

这组结果最像广告片。床头柜材质更好，窗光更细，香薰机表面不再像普通白塑料，出雾也更有空气感。若只看朋友圈预览，5 张参考图组最容易赢。

但它的问题也最难解释。

材质近景要求“保留磨砂颗粒”，风格参考又要求“柔和高级、低对比”。两者放在一起，模型有时会把颗粒压成奶油质感。主商品图要求按键在右侧，场景参考里的床头柜光线来自左侧，模型为了让高光更顺，会把侧面明暗关系重排，按键边缘跟着变软。更麻烦的是底部标签：材质图和风格图都不关心标签，它在多参考输入里反而变成低权重信息。

图注：材质、按键和底部标签的漂移检查

这就是 5 张参考图的真实门槛。它不是“多给资料就更准”，而是“多给资料后要写清优先级”。主商品图高于材质图，材质图高于场景图，场景图高于风格图。禁改字段也要写得硬：出雾口形状不改；按键位置不改；底部标签只能提亮，不能重写；商品比例不能为了床头柜构图而缩小。

没有这层优先级，5 张参考图会互相争夺模型注意力。出来的图很漂亮，返检却会变慢。内部复盘里，小周花在 5 张参考图组上的筛选时间是 3.5 小时，最后可用图并不比 3 张参考图组多。这个数字只代表本次团队复盘，不代表行业均值，但足够提醒我们：输入复杂度会转化成审核复杂度。

这三条路径该怎么选

如果只做首轮方向探索，用 1 张主商品图。它快，适合看卧室、浴室、书桌、礼盒场景哪个方向更有感觉。别把它直接交给客服或详情页同事。

如果要上详情页，我选 3 张参考图：主商品图、关键局部图、场景参考图。它能平衡速度和保真，也方便团队复核。多数电商小团队真正缺的不是更复杂的输入，而是一条能反复使用的基线。

如果要做品牌级场景大片，再考虑 5 张参考图。前提是有人能写禁改字段，有人能做二次返检，有人能判断“这张图漂亮，但商品证据不够”。否则，5 张参考图只是把不确定性藏得更深。

这里也要说清边界。香薰机、蓝牙音箱、小家电、杯具这类商品，3 张参考图路径通常够用。服装、珠宝、母婴用品、工业件会更敏感，因为尺码、材质、安全结构和标签承担的责任更重。它们也能用这套方法，但局部图和禁改字段要更细。

图叮适合放在 3 张参考图和 5 张参考图之间做一件事：把商品证据拉回到可复核状态。你可以让图叮先处理真实商品图，锁住轮廓、材质、标签和局部证据，再把稳定素材放进场景生成链路。这样做不一定最炫，却更像能交付的流程。

如果要把今天的复盘压成一句可迁移规则，我会写得很短：参考图数量决定想象空间，参考图分层决定交付稳定性。

下次再有人问“能不能多丢几张参考图让它更准”，不要急着点头。先问四个问题：哪张是主商品真相？哪张只负责材质？哪张只负责场景？哪些位置不允许模型猜？这四个问题答清楚，1 张、3 张、5 张都能用；答不清楚，给 10 张也只是把风险摊薄到更多画面里。