Google Product Studio 之后，绿植商品图要先分清传播图和证据图

3 张图，2 个用途，1 个最容易被忽略的边界。2026 年 5 月 19 日下午，我复盘一组绿植店铺素材时，运营同事把 Google Merchant Center 的 Product Studio 文档发到群里：AI 可以给商品生成场景、提高分辨率、去背景，还能把商品图做成视频。她问得很直接：“那我们是不是可以少拍很多场景图？”

我没有马上回答。叶面别打过度光，盆土湿不湿一眼能看出来。绿植商品图不是只要“更像生活方式大片”就够了，它还要让买家判断叶片状态、株形密度、盆器尺寸和到手预期。AI 场景图当然有价值，但它解决的是传播问题，不是商品证据问题。

截至 2026-05，我看的是 Google 官方 Merchant Center 帮助文档：Product Studio 的入口包含生成场景、提高清晰度、去背景、生成视频等能力；Google 另有 AI-generated content guidance，要求 AI 生成图片保留 IPTC DigitalSourceType 元数据；商品数据规范里也持续强调图片要准确展示销售商品，不能误导。来源分别是 Product Studio、AI-generated content 和 商品图片规范。这些规则放在一起看，趋势很清楚：平台在接受 AI 进入素材生产，同时也在要求团队说清楚图像从哪里来、图里展示的商品是否真实。

事件不是“AI 会不会替代拍摄”，而是图片被分成两种工种

内部复盘里，那组素材来自一家上海闵行的绿植店，真实项目脱敏后保留关键条件：47 个 SKU，包含龟背竹、琴叶榕、青苹果竹芋和几款多肉组合；原图来自门店自然光和仓库补光混拍；运营要在 3 天内做完淘宝主图、小红书封面和详情页首屏。

过去这类任务会被揉成一句话：把图修好看一点。现在不行了。Product Studio 这类工具把“传播图”做得更容易，商品放进客厅、阳台、办公桌、礼品包装场景，画面会更有购买想象。但绿植的“证据图”仍然要回到实拍本体：叶片是否卷边，土面是不是刚浇过水，盆口直径有没有被透视拉大，根系露出是否会引发到货争议。

这就是本轮趋势真正影响电商团队的地方。不是所有图都要进 AI 场景，也不是所有图都要坚持原相机直出。团队要先给图片分工：一类负责被看见，一类负责被核对。

图注：传播图与证据图先分工，再进入不同工具链

如果你以前习惯把商品图和活动图放在同一个文件夹，可以先看这篇关于商品替换与详情页工作流的旧文。那里讲的是换商品时如何保持详情页逻辑；这篇讲的是 AI 场景生成之后，哪一类图不该被场景感带跑。

传播图可以更大胆，但它不能替你证明叶片状态

Google Product Studio 这类能力适合处理外层表达。举个很小的绿植场景：一盆 45 厘米高的青苹果竹芋，原图是在仓库白墙前拍的，盆器好看，叶片也顺，但背景像库存登记照。运营要做小红书封面，用 AI 生成一个窗边木桌、浅色窗帘、旁边放一本书的环境，这个方向是合理的。

它的价值不只是“更美”。传播图能让买家理解尺度和使用场景：放在书桌上会不会太大，放在床头柜会不会挡光，办公室白墙前是否显得空。对绿植店来说，这类图能减少“想象成本”。植物是有呼吸感的，场景能把这种呼吸感放大。

但传播图不能替代证据图。内部复盘里有一张琴叶榕，原图叶面有轻微水渍和一处运输摩擦痕。AI 场景一生成，画面变暖，窗边光很好，叶面反光也顺了。问题是，水渍和摩擦痕被弱化后，客服后面就很难解释“发货前商品状态”。如果买家收到后发现同一片叶子有痕迹，争议不一定来自瑕疵本身，而是来自图片没有提前说清楚。

所以我会把传播图放在第二步。第一步仍然是证据图：白底主图、规格图、叶面细节、盆土状态、包装清单。这些图先用图叮做局部清理和一致性修正，去掉灰尘、背景杂物和色温偏差，但不抹掉会影响购买判断的真实状态。土湿不湿一眼能看出来，修图时也应该让它看得出来。

这和图叮 AI vs Canva Magic Studio 的商品主图分工是同一条线：模板和场景工具负责把图变成传播素材，图叮负责把商品本体先修稳。顺序一反，后面就会花更多时间解释。

证据图要锁住 4 个位置：叶面、盆土、规格、批量一致性

绿植商品图最怕修成塑料感。

图注：叶面、盆土、规格和批量色温都要可核对

很多 AI 修图会默认追求“干净”和“高级”，这两个词放在人像或家具上未必错，放在植物上就容易过度。叶片的筋脉、卷边、虫咬旧痕、自然色差，都是买家判断鲜活程度的线索。修没了，图会好看，信任会变薄。

第一处是叶面。真实项目脱敏看，绿植店 47 个 SKU 里有 18 个 SKU 的叶片存在反光不均，有 7 个 SKU 有轻微边缘干尖。反光可以压，干尖不能随手消。图叮处理这类图时，我会把提示词写得很窄：只清背景灰尘、轻微压高光、保留叶脉和自然边缘，不做“重新长叶”。

第二处是盆土。盆土颜色、颗粒粗细、表面湿润度会影响买家预期。AI 场景生成有时会把土面统一成漂亮的深褐色，像刚浇完水。可实际发货不是每盆都处在同一湿度。绿植视觉里，盆土不只是背景，它是状态证据。

第三处是规格。盆口直径、植株高度、托盘大小、包装箱关系，决定买家收到后会不会觉得“图上比实物大”。证据图里要保留比例尺或参照物，不要为了构图把盆器拉高、把叶冠撑宽。这里可以延伸看家具材质纹理那篇：材质、比例、触感线索本质上都在回答同一个问题，图能不能替实物先说真话。

第四处是批量一致性。47 个 SKU 如果有的背景冷、有的背景暖，有的叶面被提亮到像塑料，有的还保留自然蜡质感，详情页会散。AI 场景图可以一张张好看，批量证据图却要一组组稳定。图叮更适合在这里做同批调色、边缘保护和局部返检。

Product Studio 适合放在哪一步，图叮适合放在哪一步

我会把流程拆成 5 步，而不是把所有素材都丢给同一个 AI 工具。

第一步，先做证据图清点。把主图、细节图、规格图、包装图分开命名，原图不要覆盖。可以借用AI 修图文件命名和版本管理里的思路，给每个 SKU 留 raw、retouch、scene 三个层级。文件夹不清，后面谁都说不清哪张是商品证据。

第二步，用图叮处理商品本体。清背景、修灰尘、压不必要反光、统一色温、保护叶面和盆土。这里的目标不是把植物修成“完美样机”，而是把它修到可上架、可核对、可追责。叶面有生命感，不要把它磨平。

第三步，给证据图做人工抽检。绿植品类尤其要看 4 个点：叶面是否被重绘，盆土是否被改湿，规格参照是否还在，批量色温是否一致。团队实际经验里，这一步最好由客服或商品负责人参与，因为他们最知道买家会问哪里。

第四步，再把通过抽检的图送进 Product Studio 或其他场景生成工具。让 AI 做窗边、书桌、阳台、办公室、礼品包装这类传播场景。场景图要标成 scene，不要混进证据图目录。

第五步，上线前检查元数据和使用位置。截至 2026-05，Google 官方文档已经把 AI-generated content metadata 写进商家指引。你不一定每个平台都马上遇到同样要求，但从现在开始给 AI 场景图单独留档，是更稳的做法。

什么情况下可以直接先做 AI 场景图

不是所有绿植素材都要先过完整证据链。如果你只是在做一张活动海报，商品不是具体售卖 SKU，或者图里只是表达“办公室绿植氛围”，那先做 AI 场景图没有问题。它是传播物料，不承担发货核对。

如果你卖的是仿真植物，证据重点也会变化。仿真植物要看的是材质、枝干接口、底座稳定性和色差，不是土湿不湿。流程仍然相同，只是证据位换了。

真正不能跳过图叮这一步的，是具体 SKU 的上架图。买家会按图核对叶片密度、盆器颜色、植株大小、包装清单；客服会按图解释到货状态；仓库会按图核对发货。只要一张图承担这些责任，它就不是单纯的“好看素材”。

给绿植店铺的简短判断

这轮趋势不用恐慌，也别兴奋过头。Product Studio 把 AI 场景图变得更顺，是好事。它让小团队不用每次都重新搭一个阳台、书桌或客厅角落，传播图的产能会明显变高。

但绿植电商真正容易翻车的地方，仍然在证据图。叶片状态、盆土湿度、规格比例、批量一致性，这些东西没有那么显眼，却最容易在售后里被放大。图叮应该放在前段，把商品本体修稳；Product Studio 放在后段，把稳定的商品图放进传播场景。

最后给团队留一张小清单：

• 原图不要覆盖，至少保留 raw、retouch、scene 三层。
• 证据图先过图叮，传播图再进 AI 场景生成。
• 叶面、盆土、规格、批量色温是绿植品类的 4 个抽检点。
• AI 场景图单独标注来源和用途，不要混作商品状态证明。
• 详情页首屏可以用传播图，规格和售后说明必须回到证据图。

植物可以被放进更好看的房间里，但不能被修到不像它自己。