AIGC 产品渲染实战：用 AI 10分钟做出商业级产品效果图
“老师，我照着教程用 Midjourney 生成的产品图，光影是挺炫，但产品形态完全不对，客户说像‘科幻垃圾’。”
这是上周训练营里一位做智能硬件创业的学员发来的求助。他花了三天时间，用各种咒语尝试生成一款蓝牙耳机的渲染图，结果不是耳机腔体变形，就是按键位置错乱。这其实是 AIGC 产品渲染中最典型的痛点：AI 不懂物理，更不懂你的产品结构。
但如果你掌握了正确的“控制”逻辑，AI 不仅能还原产品，还能在 10 分钟内给你输出一套可以直接放进官网、详情页甚至亚马逊 listing 的商业级效果图。今天这堂课，我们不讲虚的，直接拆解两个实战案例：一个是硬表面小家电，一个是软体材质（如背包）。你会看到如何用 Stable Diffusion + ControlNet 结合 Photoshop (Beta) 生成式填充，把“不可控”变成“精准可控”。
第一步：为什么你直接生成会翻车？—— 认知重构
很多设计师用 AI 做产品图，第一反应是打开 Midjourney，输入“product render, studio lighting, 8k”。结果得到一张很漂亮、但完全不是你的产品的图。原因在于，MJ 是文生图模型，它没有你的产品 3D 模型或实拍图作为约束条件。
商业级产品渲染的核心是 “一致性” 。我们需要的是“我的产品”在“AI 想象的环境”里。所以，正确的工作流是：
1. 产品主体：用一张你的产品实拍图（白底图最佳）作为输入。
2. 场景与光影：交给 AI 生成，但通过 ControlNet 的 Depth 或 Canny 模型，锁定产品的轮廓和空间关系。
3. 细节强化：使用 Photoshop Beta 的生成式填充，针对局部材质（如金属高光、皮革纹理）进行精准“PS”。
下面，我们进入第一个案例实操。
—
案例一：10分钟出图——智能保温杯的商业场景图
工具准备：Stable Diffusion WebUI (Automatic1111) + ControlNet 扩展 + 一张产品白底图。版本建议 SD 1.5 模型（如 Realistic Vision V5.1），对产品材质表现更友好。
核心操作流程：
1. 预处理（30秒）
打开你的产品图（建议 PNG 透明底或纯白底）。在 ControlNet 中，上传这张图，点击“启用”和“完美像素模式”。预处理器选择 depth_leres（利用深度信息，能更好保留杯身的圆柱体结构）。模型选择对应的 control_v11f1p_sd15_depth。
2. 关键词策略（2分钟）
不要写“a cup”，要写“insulated stainless steel tumbler, matte white finish”。重点在于材质描述。负面提示词必填：`deformed, bad anatomy, distorted, extra limbs, blurry, low quality`。
3. 参数设置（1分钟）
- 采样器：DPM++ 2M Karras
4. 生成与筛选（3分钟）
点击生成。你会得到 4 张图。重点看杯口螺纹和把手（如有）是否扭曲。如果扭曲，把 ControlNet 权重提升到 0.9。如果光影不够高级，降低权重到 0.7。
5. 后期增强（3分钟）
将选中的图拖入 Photoshop Beta。用选框工具选中杯身主体，在提示词栏输入“add subtle brushed metal texture”，点击生成。PS 会生成 3 个图层供你挑选，选择最贴合光影的那个，用蒙版擦除不需要的部分。
—
案例二：软体材质进阶——户外背包的“无中生有”
硬表面物体相对容易控制，但遇到软体材质（如帆布、皮革、尼龙）时，ControlNet 的深度图往往会让包看起来“硬邦邦”的。因为深度图无法捕捉褶皱和自然垂坠感。
解决方案：结合“线稿”与“图生图”重绘
1. 线稿约束
在 ControlNet 中，预处理器选择 canny（边缘检测），模型选择 `control_v11p_sd15_canny`。Canny 会提取背包的轮廓和主要缝合线。权重设置为 0.6（低权重，允许 AI 在轮廓内创造自然的褶皱）。
2. 图生图重绘（Denoising）
将原始白底图发送到“图生图”选项卡。重绘幅度（Denoising strength）设置为 0.55。这个值很关键：低于 0.3，AI 不会改变材质；高于 0.75，产品形态会崩坏。
3. 材质注入
在正向提示词中，除了“outdoor backpack”，必须明确写“made of waxed canvas, leather straps, brass zippers”。AI 会根据这些材质关键词，在 Canny 限定的轮廓内“脑补”出织物的纹理和褶皱光影。
4. 光影合成
生成后，如果背包光影平淡，用 PS Beta 的“生成式填充”框选整个背包，输入“golden hour lighting, long shadows”，AI 会为整个图层重新计算光照方向，生成一张带地面投影的完整效果图。
—
总结与进阶建议
今天的两个案例，本质上是在解决 AIGC 产品渲染中的 “保真”与“创造” 的矛盾。ControlNet 是缰绳，提示词是鞭子，而 PS Beta 则是你的雕刻刀。
如果你想让效率再翻一倍，建议你关注以下三个进阶方向：
1. PBR 贴图生成：用 Stable Diffusion 的 Tile 模型，可以为一款产品生成无缝的凹凸贴图（Normal Map），直接用于 KeyShot 或 Blender 的材质节点，这能让你从“出图”升级到“出资产”。
2. 多视图一致性：尝试使用 IP-Adapter 插件，输入一张正面图，生成背面和侧面视角时，能保持配色和纹理一致，这是电商白底图阵列的利器。
3. 工作流固化：在 WebUI 中，把今天的参数（采样器、步数、CFG）保存为样式（Styles），下次遇到同类产品，一键加载，只需更换 ControlNet 里的产品图即可。
给学员的作业：找一件你手边的电子产品（鼠标、键盘、充电宝），用今天的“深度图 + 低 CFG”方法，生成 4 张不同场景（办公室、户外、咖啡馆）的渲染图。记住，不要追求一次完美，AI 工作流的核心是“生成-筛选-局部重绘”的循环。
—
常见问题 FAQ
Q1：我用 SD 1.5 生成的产品图放大后边缘有锯齿，怎么办？
A：这是高分辨率修复（Hires. Fix）没开。在 txt2img 界面，勾选 Hires. fix，放大算法选 `R-ESRGAN 4x+ Anime6B`（对硬表面物体效果好），放大倍数 2 倍，重绘幅度 0.3-0.4。注意，这一步会显著增加显存占用，建议 8G 显存以上使用。
Q2：ControlNet 总是报错“No module named ‘cv2’”，怎么解决？
A：这是 OpenCV 库缺失。不要手动 pip install，容易冲突。请打开 WebUI 的终端，运行 `pip install opencv-python`。如果还报错，检查你的 ControlNet 扩展版本是否为最新，旧版本不支持新版 SD WebUI 的 API 调用。
Q3：我想生成带 LOGO 的产品图，但 AI 总是把字写错，有什么技巧？
A：两个方案。方案一：在 PS 里把 LOGO 贴到产品图对应位置，然后降低该图层的透明度（比如 50%），再放入 ControlNet 的 Depth 模型，AI 会保留 LOGO 的大致轮廓。方案二：生成完干净的渲染图后，用 PS Beta 的生成式填充，框选 LOGO 区域，输入“a white printed logo, text: YOURBRAND”，但成功率较低。商业项目建议���方案一。
Q4：为什么我用同样的参数，生成的图风格差异巨大？
A：因为 CFG Scale 和随机种子 在起作用。CFG 太高（>10）会导致色彩过饱和，太低（<5）会导致画面灰。建议固定 CFG 在 7，然后通过锁定种子（Seed）来微调。找到一张满意的图后，点击“固定种子”，再微调提示词中的场景词（如把“studio”换成“forest”），就能在保持产品形态和光影风格的前提下改变背景。
Q5：PS Beta 的“生成式填充”需要排队，速度很慢，有替代方案吗？
A：国内网络环境下，PS Beta 确实不稳定。替代方案是使用 Stable Diffusion WebUI 的 Inpaint（局部重绘） 功能。把图片发送到 img2img，用画笔蒙版涂满要修改的区域（如杯身），设置 Denoising 为 0.6，然后只输入要修改的材质提示词。效果虽然不如 PS 的智能融合，但胜在完全本地化、免费、无限制。
评论(0)