二手绘本图别修成新书:书脊、内页折角和 ISBN 要留证据
2026 年 5 月 10 日晚,我把今天的素材账本拉成一张很小的 trend chart:83 个 item 里,二手商品只出现 1 次;近 30 天素材包有 659 个 item,二手题多半还是手机、平板、耳机、相机、无人机这类数码。绘本和旧书几乎没被单独写过。这个空位挺有意思,voilà,二手绘本不是低风险小纸品,它只是单价低到很多团队不愿意为它单独算一张返检表。
客服同事真正怕的,也不是书拍得不够漂亮。她怕的是买家收到后追问三件事:书脊是不是压过,内页有没有折角,ISBN 和版本是不是对得上。主图修得像新书,短期可能更好点;但如果成色证据被磨掉,售后解释会变贵。按我做产品图的算法,这不是审美题,是 SKU 单价和工时题。
图注:清理层和证据层先分开
数据一:二手书不是文具新品,成色证据要单独算
内部复盘只读了两组数:项目博客里已有 1117 篇 markdown,近 30 天素材包有 659 个 material slug。里面有不少纸品、手账、签到本和文具题,但二手绘本这种“低客单、强成色”的商品没有形成稳定方法。这个数字不代表市场规模,只说明内容库里的风险角度偏向硬件和高价商品。
为什么要把绘本单独拎出来?因为它的证据很分散。书脊能说明翻阅强度,封面覆膜能说明保存状态,内页折角能说明儿童使用痕迹,ISBN 和出版社信息能说明版本,赠品贴纸或点读贴还能影响套装完整度。新品文具图更多看纸色、装订和印刷,逻辑可以参考笔记本纸面材质和装订边的修图取舍。二手绘本要多一层:不能把“旧在哪里”修没。
团队实际经验里,我会把旧书图分成 clean layer 和 evidence layer。clean layer 是拍摄灰、桌面脏点、无关反光、临时手印。evidence layer 是书角磨损、书脊压痕、内页折角、贴纸边、ISBN 区、版权页和套装件数。前者可以交给图叮 AI 批量处理,后者要先锁区。顺序反了,单张图会更亮,整组商品事实会更薄。
数据二:客服先问哪里旧,不先问哪里美
内部复盘里,客服小唐给过一个很朴素的检查顺序:先看封面四角,再看书脊,再看内页,再看版权页。她不关心封面是不是“更高级”,她关心这本书的成色能不能用图讲清。上海闵行一个二手仓的上架台面上,旧书一摞一摞走,运营没有时间每本写 200 字说明,图片就要承担一部分解释。
举个明确的假设场景,不当真实客户数据:同一套 12 册启蒙绘本,A 版主图把封面擦得很亮,书角也顺手补圆;B 版主图没有那么新,但能看见 2 本书的轻微折角、1 处书脊压痕和 ISBN 区。买家如果只看列表,A 版可能更顺眼;买家如果关心“是不是准新”,B 版更诚实。客服后面少解释的,往往就是这些不够漂亮的小区域。
这和二手平板商品图别修成准新的逻辑相同。平板看屏幕划痕和边框磕碰,绘本看书脊、折角和内页状态。品类变了,底层账还是同一本:把成色说清楚,比把瑕疵藏干净更省售后。
数据三:图叮适合清理干扰层,不适合替书改年龄
图叮的价值在这里很明确:把背景、光线和非证据干扰收拾干净,让旧书看起来被认真整理过,而不是像从地摊上随手拍的。比如桌面灰点、封面临时指纹、棚灯反光、边缘色偏,都属于安全区。它们不改变书的真实年龄,只改变展示秩序。
危险也在这里。绘本封面有大面积插画,AI 很容易把细碎磨损当成插画噪点,也容易把书角补得过于圆滑。ISBN 区更不能让模型猜字。原图可读,就提清晰度、压反光、裁掉无关桌面;原图不可读,就补拍版权页,不要让 AI 生成一串看似像条码的小纹理。Photoshop 25.4 做小选区也一样,mask 不能压进证据区。
按 SKU 单价算,二手绘本通常没有高价 3C 那么宽的修图预算,所以流程必须短。我的建议是 4 个动作:导入前先圈证据区;图叮只跑 clean layer;导出后做 150% 局部复核;成色争议图单独留原图对照。这个流程不花哨,但比“每张人工慢慢修”更可控。和二手小家电客服视角一样,图叮负责清理,客服证据不能让模型替你重写。
一张过稿表:旧书图按四层交付
我会让二手绘本上架图过一张四层表。
图注:四层返检板锁住旧书证据
| 层级 | 可以修 | 不能修 | 交付句子 |
|---|---|---|---|
| 封面 | 拍摄灰、临时指纹、局部反光 | 书角磨损、覆膜起边、明显压痕 | 封面要干净,但不要像新印刷样书 |
| 书脊 | 色偏、背景阴影 | 压痕、褪色、书名连续性 | 书脊是成色入口,不是装饰边 |
| 内页 | 暗角、拍摄黄光 | 折角、涂写、缺页提示 | 内页可读性优先于白净感 |
| 版本证据 | 透视、轻微反光 | ISBN、版权页、套装件数、点读贴 | 看不清就补拍,不补字 |
这张表解决的是沟通成本。修图师知道哪些区域能动,运营知道哪些要补拍,客服也知道以后怎么解释。Studio 里做 200 SKU 美妆瓶时,我最怕的不是高光难修,而是 brief 里没有边界。旧书更是这样。单价低,不代表可以把判断交给一句“修干净点”。
如果只能保留 3 张图,我会这样排:第一张封面主图,第二张书脊和四角局部,第三张版权页或 ISBN 区。套装书再加一张平铺图,说明册数、赠品贴纸和缺件情况。不要用一堆氛围道具盖住旧书状态。二手商品卖的是“我知道它旧在哪里”,不是“它看起来没旧过”。
数据局限:这不是旧书行业标准,只是修图侧的交付口径
这里的数据有边界。83 个今日 item、659 个近期素材包、1117 篇项目博客,只能说明我们自己的内容库和素材队列,不等于二手书平台全行业分布。客服小唐和上海闵行二手仓也是内部复盘口径,用来解释流程,不拿来冒充行业调查。
但这个限制不影响结论。二手绘本修图的核心不是“尽量新”,而是“干扰层清掉,成色层留住,版本层可核验”。明天真要改流程,别先换工具。先改 brief:白底清理,封面提亮,书脊压痕保留,内页折角保留,ISBN 不补字。图叮负责把可清理区处理稳,人工负责判断哪本书不该被修年轻。数据到这里就够了,再多一位小数没有意义。
相关文章
二手电纸书商品图 AI 修图 FAQ:屏幕残影、边框磕碰和序列号怎么查
二手电纸书商品图不能只修成准新。本文按屏幕残影、边框磕碰、背壳序列号、配件和图叮提示词,回答上架前最容易漏掉的返检问题。
二手黑胶唱片商品图怎么拆:盘面划痕、封套压角和版本贴别修假
二手黑胶唱片图不能按新品海报修。本文把盘面反光、封套压角、内页、版本贴和播放痕拆成 5 个证据区,帮卖家用图叮 AI 清理画面但不改成色。
二手咖啡机修图:修成九成新,还是保留使用痕迹?
二手咖啡机商品图不能只追求干净。本文从成色信任、售后风险、色彩偏差和批量交付 4 个维度,对比“修成新机”和“保留证据”两种修图策略。
二手耳机图修干净,还是保留触点、卫生网和序列号?
二手耳机商品图不能只追求成色好看。本文把修干净与留证据放在同一张对照表里,拆充电触点、耳塞卫生网、充电仓划痕和序列号位置该怎么处理。
推荐阅读
服装白底图渲染精修:AI消除褶皱还原面料垂坠感
用图叮AI全能渲染精修处理服装白底图,消除杂乱背景和不自然褶皱,精准模拟面料物理特性还原服装垂坠质感。
一款蛋糕两套图怎么对齐:堂食陈列与外卖到手图的批量出图 SOP
烘焙品牌同时经营门店和外卖,两套视觉目标完全不同:堂食主打陈列氛围,外卖主打到手可信。本文给出一套完整 SOP,从拍摄基准统一到色温校准,再到多平台批量分发,帮助烘焙团队用同一款产品高效出双套图。
银饰手链 AI 修图:修干净还是留证据
银饰手链商品图常卡在氧化、钢印和链节磨损。本文按销售主图与证据留存两种方案对比,帮商家判断哪些瑕疵能修,哪些信息要保留。
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
抠图模型、生成模型、超分模型拼成一条流水线,看起来精度更高,但单张出图从 30 秒变 3 分钟、返工要复跑全链。这篇文章用决策矩阵帮你算清楚:什么商品应该用接力,什么商品用单模型就够了。