AI 营销内容批量生成：一张产品图 × 多套文案 × 多种场景 = 上百套素材

晚上十一点，运营群里蹦出一条消息：「这版素材不好看，能不能把背景从沙滩换成雪山？每个渠道的文案也再给两个版本？」如果靠人干，这意味着重拍、重修、重写、重排。第二天中午能交付都算快的。

现在有人跟你说，AI 能在一小时内搞定：一张产品图，生成 100 个场景，每个场景配 5 条文案，最后产出 500 套素材。你第一反应多半是：「营销号的吹牛又开始了。」但这不是吹牛——只是它拆开以后没有你想得那么神秘，它是一条由好几项技术拼起来的流水线。

让 AI 画一百次，画的还是同一个产品

我最早以为，「批量生成素材」就是打开 Midjourney，输入「把保温杯换成雪山背景」就完事了。直到我自己试了一次才发现：模型会给你画出 100 个完全不同的保温杯，形状飘了、logo 糊了、颜色偏了。因为扩散模型根本不知道「这个杯子」是什么，它只见过「一堆像素」。

要让 AI 每次都画同一个产品，有几种思路。早期靠 LoRA——拿几十张产品图微调模型，让模型记住你的杯子长什么样。但 LoRA 的缺点是每次产品更新都要重新训练，还要花 GPU 时间和调试技巧。后来出现的 ControlNet 和 IP-Adapter 解决了大部分问题。ControlNet 负责约束生成的结构，IP-Adapter 负责保持产品的细节。两者可以同时用。

如果你没听过这几个词，用一句话理解：ControlNet 是骨架，IP-Adapter 是皮。骨架保证形状不变，皮保证材质和颜色相近。LoRA 则是给模型「补课」，让它学会一个固定的风格或物体。

方案	核心作用	训练需求	适合场景
LoRA	学会固定风格或物体	需几十张图微调	批量生成统一画风的品牌物料
ControlNet	用结构信息约束形状	无需训练，即时启用	保证产品的外形轮廓不漂移
IP-Adapter	参考图细节注入	无需训练，即时启用	让产品图的外观特征融入生成

2023 年我在 ComfyUI 里搭过一套工作流：输入一张产品图，提取深度图作为 ControlNet 的条件，再把原图过一遍 IP-Adapter，最后用不同的 prompt 控制场景——雪山、书房、咖啡馆。出来的杯子形状基本一致，就是环境在变。当时感觉自己掌握了魔法，后来发现这套东西已经成了很多电商图片工具的标配。

多套文案，本质上是变量替换

图像的问题解决后，文案反而简单。你用 GPT 或任何大模型，把产品信息、场景关键词、语气风格做成变量，然后用几十行的 Python 脚本批量调 API。50 个场景 × 每条 3 个版本 = 150 个请求，用不了几分钟，成本不到一块钱。

但这里有个很常见的失败模式：模型生成的 50 条文案看起来像同一句话换了几种说法。你一眼扫过去全是「随时随地，享受生活」。为什么？因为它真的不知道你的产品好在哪。我的经验是，在 prompt 里强制放三个具体的卖点，比如「350ml 容量」「52℃ 恒温」「单手开盖」，并且明确要求每条文案必须包含其中一个。这样产出才有差异。

「上百套」的数学其实很简单

就是排列组合。场景 20 个，文案 5 套，图片 1 张，结果是 20×5=100 套内容。但真实落地的时候，你还得考虑平台比例：抖音要 1080×1920，小红书要 1242×1660，朋友圈要 900×383。所以通常是先生成一张主图，再用传统图像处理做九宫格裁剪，或者用 AI 识别主体后重新构图。这套动作不是扩散模型做的，但也是 pipeline 里不可缺少的一环。

一条完整的批量素材流水线大致是这样的：

上传产品图，提取前景和深度图
用 ControlNet 锁定产品轮廓
用 IP-Adapter 注入产品的外观特征
输入场景 prompt 批量生成背景图
用 LLM 生成多种文案
按照各平台尺寸自动裁剪出图
人工初筛，删掉明显有问题的结果

看起来很美，用起来有四个大坑

产品细节失真是第一个。AI 几乎不会正确绘制产品上的小字。印着 "MOUNTAIN" 的杯子，生成后经常变成 "MOUNTAI" 或是一团鬼画符。扩散模型本身对字符的建模能力弱，解决办法是生成完成后再用原图覆盖产品区域，或者干脆用 ControlNet 的 Canny 约束来保住文字边缘。

光源方向不一致。产品原图是左侧打光，AI 生成的场景光却从右边来，看起来就很假。趁早让设计团队提供 360° 环境光照图，AI 才能把场景光和产品光对齐。

版权风险。目前主流模型都是拿全网图片训练的，你生成的「咖啡店一角」可能和某位摄影师的实拍高度雷同。用在商用素材上之前，务必看平台授权条款。想彻底稳妥，就用自己的场景图训练一个风格 LoRA。

同质化。大家都在用同一个模型，生成的结果自然趋向平均。我的真实感受是：AI 能降低你完成一张图的门槛，但提高不了你识别好坏的能力。真正拉开差距的，是你是不是训练了专属风格模型。

我现在怎么搭这套流水线

目前我用 ComfyUI 作为主引擎，底模型用 SDXL 或 Flux，ControlNet 深度图锁形状，IP-Adapter 锁外观，最后用 Python 脚本调 LLM API 批量出文案。一台 4090 生成 100 张需要四五个小时；如果你上云 GPU 并行，40 分钟就能跑完。速度不是问题，问题在于筛选。

说句大实话：AI 能帮你把草稿箱填满，但最终哪些素材真正有效，还是取决于你对人的理解。AI 是放大器，不是创造者。