淇经AI实践 | 没有素材,怎么AI原生长出一整套产品物料
客户:江西普圆 · 行业:米面制品 · 发布:2026-09-11
客户简介
江西普圆食品是江西赣州的米面轻食制品工厂,品牌「贡食丰」,产品覆盖米粉、面条、年糕三大系列,主供餐饮渠道。
品类很细——同样叫「粉」,米粉、土豆粉、空心粉、湿粉条、沙河粉的粗细、截面、孔洞、透明度都不一样;同样叫「面」,鲜切面、刀削面、宽面、碱水面、面鱼、热干面各有各的形态语言。品类越多,物料越难统一:每个品类都要有自己的产品海报,但整套海报放在一起,必须像同一个品牌做出来的。
项目简述
客户要做全系列产品海报,但手上只有产品白包实拍——没有成品菜式图,没有成套拍摄素材,也没有为十几个品类逐个开棚拍的预算与档期。
传统做法只剩两条路:按品类逐个拍(贵、慢、档期难排),或者拿现成图凑(风格不统一,品牌口径也不统一)。
淇经数科用 AI 原生的方式接下这件事:从实物白包判读出发,用生成的方式构建碗内成品主图,再按统一版式渲染成整套产品海报,并配上一道口径门禁守住品牌表达——在没有素材的地方,把关键推广物料长出来。
这件事为什么难
-
「像」很容易,「对」很难:生成一碗面不难,生成这个品牌的这一款面很难。空心粉曾经被写成「细中空米粉 2
3mm」,而实物是 79mm 的短粗圆管——方向反了,整批图作废。 -
品类越细,越不能套模板:十几个品类的形态参数各不相同,一套提示词打天下必然出错。
-
模型只对「常见画面」有先验:白色片状年糕泡进汤里,在生成模型的先验里等价于「白萝卜汤」的经典图像——不把它从那个构图里拽出来,任何通道都会往萝卜片上漂。
-
品牌口径不能靠人盯:客户是现代化大厂,「工坊 / 手工 / 手作 / 凌晨4点」这类作坊感表达必须全部清出;而模板级文案一旦定稿,就会印在每一张海报上。
-
交付规格不将就:高清大图不能用小图插值放大,否则细节一放大就软。

交付亮点
-
先把实物量成参数:起步动作不是打开生成,而是做判读——拿白包实拍逐张量出毫米级形态参数(粗细、截面、孔洞、长度、颜色、透明度、表面质感),再把这些参数写进提示词。判定顺序因此固化下来:先怀疑描述,再怀疑模型。
-
把品牌口径写进代码:禁用词库进脚本,每次出图前自动扫描全部文案,命中即拒绝出图,不靠人工复核。整套海报的口径因此统一到同一套表达:红色徽章统一为「大厂鲜制」,副标题保留「头道粉 / 头道面 / 头道糕」的产品特性。
-
一次只改一个变量:从同一张底图出发,每轮只改一个变量(汤色 / 数量 / 排列 / 视角),把画面逐级收拢到成品尺寸下可辨——一次只改汤色的效果,明显好过汤色与质感同时改。
-
高清大图不靠放大:交付的 2160×2880 版本不是把小图插值放大,而是按目标尺寸重新渲染全部素材,避免放大带来的软化与失真。
设计呈现


走在大模型的能力边界上
「白色片状年糕泡在汤里」是这一代生图模型公认的难区:模型会把白色圆片优先解释成萝卜片。
我们把提示词做到了极致——汤色、数量、排列、视角四个抓手逐个收敛之后,这个品类终于过线;但即便如此,在 2160×2880 的成品尺寸下放大细看,光滑白色米糕的微观质感仍与已验收基线存在差距,两轮机器判读给出的理由甚至互相矛盾(一次判过锐、一次判偏软)。

这不是哪一家模型的问题,而是这一代生成模型共同的能力边界:它已经能理解「这是一碗年糕汤」,但还画不出米糕表面那种致密、微哑光、没有气孔的质感。我们做的事,是在边界这一侧把可交付的部分做到位——识别到天花板就停止盲试,把「完美级」交给现场补拍,不用无限试错消耗客户的项目周期。
而我们正好是走在这条边界上的公司。 今天模型画不出的质感,明天会成为常规;今天还要靠四个抓手才稳得住的高危构图,明天可能一句话就能成。
可以确定的是:随着模型能力往前走,品牌物料一定会更加 AI 原生化——提前在边界上跑通流程、沉淀规范与门禁的团队,才是那个接得住的人。
客户反馈
全系列产品海报交付后,普圆的产品视觉统一到同一套版式与同一套品牌口径:从「每个品类各自表达」变成「整套海报像一次做出来的」。统一版式一次定义即可在全品类复用,后续新品补充只需替换主图与文案参数,不必重新设计版式。
关于淇经数科
淇经数科是数字 AI 驱动的数字增长机构。我们把 AI 装进内容生产线:AI 视觉与创意发散、短视频脚本与分镜、信息图与数据可视化、批量素材的自动化生产——让品牌的内容产能追上增长节奏。
如果您的团队也在为「内容永远做不完」发愁,欢迎联系我们,看看内容工厂可以怎么搭。
上海淇经数字科技有限公司 · change@changingplus.com