賣家實用指南:用一張商品照規劃出四種上架圖片
賣商品時,有一張清楚的照片還不夠,買家也想看商品放在生活中的樣子、材質細節,以及背面或側面。文章建議先替四張圖片各寫一句用途,再用材質、光線和背景等具體描述,讓它們看起來像同一件商品。以 PixBloom 為例,可以先做白底主圖,再依序做情境圖、近拍和第二角度;每張都縮小到手機縮圖大小檢查。這樣安排圖片,能先回答買家的疑問,也比較不會讓人收到商品後才發現外觀和想像不同。
賣商品時,有一張清楚的照片還不夠,買家也想看商品放在生活中的樣子、材質細節,以及背面或側面。文章建議先替四張圖片各寫一句用途,再用材質、光線和背景等具體描述,讓它們看起來像同一件商品。以 PixBloom 為例,可以先做白底主圖,再依序做情境圖、近拍和第二角度;每張都縮小到手機縮圖大小檢查。這樣安排圖片,能先回答買家的疑問,也比較不會讓人收到商品後才發現外觀和想像不同。
做遊戲原型時,常常程式還沒寫完,找或製作合適的 3D 模型就先花掉很多時間。作者用 Idol Max 試著把流程縮短:上傳一張圖片,就能拿到附有 UV 和 2K 紋理的 GLB;還可以加上骨架、預覽模型,並匯出 360° GIF 或 MP4 分享。模型可以直接放進 Three.js、Unity 或 Godot,作者也提到費用從 $10 起,採點數計費、不必訂閱。這不會取代手工製作的正式遊戲素材,但能讓原型、遊戲創作活動或客戶提案更快從圖片走到場景裡的模型。
用提示詞描述打光,常常很難讓每張圖片的光線都一樣。這篇教學介紹 AnyLight,一種用 LoRA 控制打光方向的方法:輸入主體清楚的圖片後,就能調整光線方向,重新打光時不用重做主體。它適合用在一組商品照、調整人像陰影,或讓一段影格中的光線逐步改變。不過,操作需要看懂節點圖並調整強度;皮膚和金屬對光線的反應不同,也不能期待同一種設定都好看。
拍綠幕影片時,背景光線不均會留下綠邊,人物的飛散髮絲也容易被一起抹掉。Gabriella Andrews 開源了 Zapmatte 背後的影片去背流程,先用 Robust Video Matting 處理人物,再依人物附近的背景顏色去除綠幕,最後修掉頭髮和皮膚上的綠光。這套流程也能處理藍幕和青幕,並輸出透明影片、遮罩或換上新背景的影片;一般沒有綠幕的影片則不適用。文章也提供安裝與執行方式,並說明不同輸出格式適合搭配哪些剪輯工具。
手動把每段提示詞貼進圖片工具很花時間,批次生成也可能讓角色細節跑掉。作者實測讓 Meta 的 Muse 撰寫指令碼,再透過 PixAI API 先生成一張圖片,確認設定後才批次送出另外四張。五張圖都保留了角色的銀色短髮、琥珀色眼睛和透明雨傘,但衣服樣式和場景細節仍有變化。作者也提醒,網站測試一張花了 3,000 點,API 測試一張則花了 4,000 點;開始批次前應先用 API 試跑,並確認每次要送出的提示詞與任務。
同一張臉用不同的黃金比例計算器測,結果可能不一樣,因為各工具抓的臉部位置和比較標準不同。它們會量幾段距離,再用一段距離除以另一段;轉頭或歪頭時,距離變化不同,數字就會跟著變。常見的 4 個數字分別比較臉長和臉寬、兩眼間距和眼睛寬度、鼻寬和兩眼間距,以及嘴寬和鼻寬。只有臉長與臉寬會用到 1.618,其餘是常見比例參考;而且髮際線被頭髮遮住時,工具可能把額頭當成臉的頂端,讓臉長算得較短。 計算器會把 3 項比例和參考值的差距換成分數,再取平均,所以分數也受計分方法影響;看各項比例通常比只看總分更有用。想讓照片結果穩定些,可以正面看鏡頭、把相機放在眼睛高度、稍微站遠,並放鬆閉嘴。這些數字只描述某張照片裡幾段距離的比例,不能當成美貌、健康或個性的標準;上傳自拍前,也要留意照片會在哪裡處理、儲存多久。
模糊圖片放大後常會失去細節,Magnific AI 把這個問題變成生成式圖片工具的切入點。文章回顧兩位創辦人如何先分享提示詞實驗和教學,累積創作者社群,再推出付費服務;工具用分塊式潛在擴散技術放大圖片,並讓使用者調整新細節的生成幅度,以及畫面和原圖的相似程度。文章也整理了 Magnific AI 被 Freepik 收購的過程,並從中討論小型團隊如何結合 AI 程式工具、產品設計與社群曝光來發展事業。
把大圖片切成小塊放大時,接縫附近可能和整張圖片一次處理的結果不同。作者用 Real-ESRGAN General x4v3 放大一張 480×480 圖片,逐步增加每塊周圍保留的原圖範圍:留 33 畫素時,超過 1,100 萬個輸出值中仍有 3 個差 1 階;留 34 畫素時,所有輸出值都相同。作者也依模型的卷積層結構推算原因,並說明這是推論,沒有另外驗證。這個數字只適用於這個模型;相同畫面也不代表放大的細節是真實的,因此不適合拿來辨認身分、做鑑識或確認 OCR 文字。
Nonogram 是看著每行、每列旁的數字填格子,最後拼出圖片。開發者想替自己的遊戲準備 9,000 道題目,便把圖片轉成三種大小的格子,再用程式檢查題目能不能靠邏輯解出、答案是否只有一種,最後還請人看拼好的影像不像原本的東西。結果,9,680 張候選圖片中,15×15 只有 1,579 張通過,約六分之一;25×25 則有 6,473 張通過,約三分之二。 有些圖雖然能解,格子太小卻看不出畫的是什麼;還有些題目太容易,例如左右對稱,填完一半就能照著補另一半。最後遊戲收錄了 9,000 道題目,也加上規則,限制太對稱或第一輪就能填出大部分格子的題目比例。這顯示題目有唯一答案還不夠,還得看圖片清不清楚、玩起來有沒有挑戰。
想做新產品時,很容易一口氣塞進很多功能,結果每一樣都做得不完整。作者獨自做了一個 AI 圖片放大線上服務,先把最重要的流程做好:使用者上傳圖片,就能看到放大後的結果,也把載入、出錯和顯示成品的步驟整理好。Firebase 負責登入和即時資料,Cloudinary 處理圖片,Next.js 和 Tailwind 用來打造服務與介面。作者認為,先做好一條完整、順暢的使用流程,再根據第一批使用者的回饋決定要加什麼,才更有機會讓人願意再回來。
Mermaid 圖表一複雜,常會出現文字擠在一起、方框排得很死板的問題。diagram-design 提供 45 種 HTML 和 SVG 圖表樣式,可搭配 Claude Code、Cursor、Codex 和 GitHub Copilot 使用,讓 AI 助理做出更好讀的技術圖表。文章也整理了不用綁信用卡的官方 API 選項,例如 Google AI Studio 每天有 1,500 次免費請求,OpenRouter 的免費模型約每天可用 200 次;若要使用 Claude 3.5 Sonnet,則可透過 Google Cloud 或 AWS 的雲端額度。
藝術作品放在群組聊天室裡,容易散亂,也不方便按地點或標籤查詢。作者做了一個作品網站,訪客看到的是快取好的頁面,作者則能透過管理介面新增作品或修改資料;每次修改後,網站會清除所有頁面的快取,避免有些頁面沒更新。作品圖片會先在上傳者的瀏覽器縮小成幾種尺寸,方便網站用在縮圖和卡片上。作者選擇清除整站快取,因為只更新受影響的頁面較容易出錯,可能讓網站內容前後不一致。
想讓 AI 生成的賽車照著參考影片轉彎,作者發現只用深度影片還不夠:畫面裡的賽道和護欄太複雜時,模型可能看不清路線。於是作者另外準備一張賽道圖片,讓 MiniMax H3 看清楚彎道在哪裡,再用深度影片帶出鏡頭和車子的移動。對照結果發現,只用深度影片時,車子的起點、鏡頭跟拍和轉彎方向都比較接近參考片;加上更多動作指示後,車子反而從不同位置出發,還往另一個方向轉。這提醒我們,先用場景圖片和深度影片確認基本效果,才看得出額外指示改變了什麼。
影像太大時,常會切成小區塊交給不同工作者處理;為了看清區塊邊緣,每個人可能還得多讀旁邊一圈資料。如果每個人都把讀到的範圍寫回去,後完成的人可能蓋掉別人的結果。這篇教學用 Python 規劃每個區塊負責寫哪裡、需要讀哪裡,以及處理後該留下哪一部分。以 5 欄、4 列的影像為例,切成每邊 3 格、外加 1 格周邊資料的區塊後,邊緣較小的區塊也會保留下來,每個輸出位置仍只由一個區塊負責。這套做法只檢查座標安排,不會讀取實際影像或執行模型;使用時還得另外確認影像邊界和無效畫素要怎麼處理。
我原以為筆電的 8 GB VRAM 會先卡住本機生圖,實際測試時,16 GB 系統記憶體也成了限制。這次用 ComfyUI 跑了 126 次生圖,其中 13 次出錯;使用兩個 ControlNet 的流程曾當機,但原因還沒查清楚。部分慢速紀錄被認為可能和 Windows 把資料暫存到硬碟有關,現有資料卻無法證明是它造成延遲。 例如,使用 IPAdapter 和 OpenPose 的流程,中位數花了 51 秒,系統記憶體讀值達 16.0 GB。作者因此建議,這臺筆電每張流程圖最多用一個 ControlNet,並替系統記憶體留空間;這是這次實驗的實用做法,不代表其他電腦也一定跑不了更多。看 GPU 記憶體還不夠,也要留意整臺電腦的記憶體和工作負載。
手機上的 3D 商品展示器如果太慢,顧客得等模型出現,滑動頁面也可能卡住,還會耗電。做得順的關鍵,是讓模型和貼圖更精簡,並等展示區出現在畫面上或顧客點選後,再載入 3D 內容;畫面沒變化時也不用一直重畫。頁面一開始可以先放商品靜態圖片,並替展示區預留空間,避免載入後版面跳動。 例如,傢俱模型可以移除看不見的部分,把木紋等細節放進貼圖,再依手機效能或縮放程度切換模型細節。觸控操作則要適合手指:單指旋轉、雙指縮放,雙擊回到原位。這些做法能讓 3D 商品更快出現、操作更順,也能減少耗電。
想用 AI 生成影片,常得按片付費;這篇教你免費執行 Wan2.2,並說明電腦沒有顯示卡時可以怎麼做。一般電腦可透過 ComfyUI 使用 5B 模型,生成 720p、每秒 24 格的影片;也能上傳照片,把靜態圖片做成影片。沒有 NVIDIA 顯示卡的人可試 Google Colab 的免費 T4,但免費資源不保證有空位,閒置時工作階段也會結束,影片要記得存到 Google Drive。文章提醒,5 秒影片可能要花幾分鐘生成,14B 模型則需要更多顯示卡記憶體;從 5B 和短片開始比較容易上手。
想讓老舊或沒有獨立顯示卡的裝置也能生成圖片,模型就得夠小,還要能在瀏覽器裡運作。文章說明一種做法:用 GAN 生成固定型別的圖片,把較多運算留給低解析度部分,再縮減高解析度部分,並透過 ONNX Runtime Web 讓模型在瀏覽器執行。它也建議使用 FP16 減少模型大小、把模型留在瀏覽器快取,並先試 WebGPU,無法使用時改用 CPU。這種方法適合範圍明確的圖片;若要依提示詞生成各種內容,就得用更大的擴散模型,壓縮後品質也可能下降。
Midjourney 和 Leonardo 的月費 $30 方案看起來差不多,實際上計算額度和不限量範圍都不同。Midjourney Standard 提供 15 小時快速生成時間,快速額度月底會重置,慢速不限量生圖則涵蓋產品內的模型;Leonardo Premium 提供 25,000 個 Fast tokens,沒用完的額度可以累積,但不限量生圖只涵蓋列出的 15 個模型,部分第三方模型仍會扣點數。文章也整理了兩家的影片功能、團隊方案和生成作品的使用權差異,方便依常用模型、是否需要累積額度及團隊人數挑選。
想要大尺寸圖片,或修改圖片時不想讓畫質變差,可以怎麼做?作者用三種 ComfyUI 工作流程測試 MiniMax H3-Image,並表示它能用 6 步直接生成約 16.8MP 的原生 4K 圖片,不必先做小圖再放大。一種流程用來從文字生成圖片,一種修改單張參考圖,另一種最多參考 16 張圖片,適合讓不同角度或同一組產品的畫面保持一致。參考圖片越多,所需記憶體和時間也越多;作者建議只有兩張參考圖時使用單圖流程。這些流程不含模型權重,也可以透過 RunningHub 線上使用。
做海報、選單時,AI 常把自己編出來的文字弄得像亂碼。作者用同一套方式測試 Grok Imagine Image 2.0:每個提示詞只生成一次,不重抽;七次都通過,其中一張海報的演員名單和工作人員名單,全是模型自己編的,每個字都看得清楚。測試共花 64 credits,約 $0.42。Grok 也能照提示保留人物的臉和衣服,再把背景換成夜間街頭慶典;但每張圖要 74–85 秒,只輸出 JPEG,最多可用三張參考圖。這次結果顯示,它能處理其他模型容易出錯的自創文字,但使用時仍要看工作需要和功能限制。
想把家人的照片變成感恩節影片,最重要的往往不是提示詞,而是照片選得好不好。照片轉影片工具會從靜態照片接著生成幾秒動作,所以臉和細節可能改變;場景也要短而簡單,作者發現約 10 秒適合說完一個小笑話。像是兩人一起舉叉子時,如果照片裡只有一個人,模型可能會憑空補出陌生人;照片裡人太多,則可能只留下其中一張臉。挑清楚、腰部以上、光線正常的照片,並確認人數符合場景,成品通常更容易看懂。使用別人的照片前,也要先取得同意。
一次請 GPT Image 2.6 做出一整組動態貼圖,角色可能每張都長得不太一樣。這篇文章建議分兩步:先做一張靜態角色圖,確認外型和顏色都對了,再把它當成每張貼圖的參考,只要求模型改動作、不改角色。像水豚穿著黃色雨鞋,可以先確認牠的樣子,再讓牠揮手做成 GIF。完成後還要檢查角色是否走樣、動畫接得順不順,出錯時也要分清楚是設定有誤,還是服務暫時出問題。這樣比較容易找出問題,也能減少整組貼圖看起來不像同一個角色的情況。
在小型 GPU 上跑圖片生成模型常會佔用不少記憶體,和 AI 助理使用 MCP 工具時,每次對話都重新處理舊內容也會浪費資源。Unsloth 這次推出 Inkling 2 Mini,並更新多項桌面功能:Linux 和 macOS 載入 GGUF 圖片模型時,記憶體用量減少 52% 到 66%;Mac 可替整段影片換上新風格;使用 MCP 的聊天則只處理新內容,在工具測試中少用 83% 到 87% 的提示詞 token。更新也修正了圖片生成、檔案匯入和模型訓練等問題。
推薦理由:這次更新同時改善小型 GPU 的圖片生成、Mac 影片改風格與 MCP 對話處理,可看出 Unsloth 如何擴充套件桌面端的使用情境。
一次處理很多張圖片時,瀏覽器當掉或其中一張失敗,可能讓人得從頭重做,甚至下載後才發現少了幾張。removebg.studio 說明批次去背工具可以怎麼處理這些狀況:每張圖分開記錄,重試時只重跑沒完成的圖片;把進度和結果存在裝置上,重新開啟後接著處理;下載前列出成功與失敗的圖片,並附上清單。文章也提醒,工具應先告知裝置能處理多少圖片,而在本機執行時仍要保持瀏覽器分頁開啟。
想生成高解析度圖片或修改圖片時,畫質、文字呈現和價格都是挑選工具時會考慮的事。可靈推出 Kling Image 4.0,主打原生 8K 影像生成、真實感、一組圖片的一致性和文字呈現。Artificial Analysis 的評測中,它的文生圖排名第 7、圖片編輯排名第 6;相較 Kling Image 3.0 Omni,兩項排名的 Elo 分數都提升超過 225。黑色星期五優惠期間,2K 圖片每張最低 $0.022,原生 8K 每張最低 $0.033。
推薦理由:Artificial Analysis 的排名與 Kling Image 3.0 Omni 比較,呈現新模型在文生圖和圖片編輯上的變化,也提供不同解析度的價格資訊供讀者參考。
要在 iPhone 上生成圖片,除了模型要跑得快,也得避免記憶體用量過高而讓程式當掉。作者示範如何把 Stable Diffusion 接上 SwiftUI,並在 iPhone 16 上用 20 步生成圖片,實測約 7.5 秒。轉換模型時要同時開啟兩個設定,才能讓運算走神經網路引擎;生成過程也可重用注意力資料,並在解碼圖片前釋放暫存。作者提醒,SDK 沒有直接提供注意力快取的介面,這部分需要依自己的程式架構實作;步數增加也會讓生成時間變長。
網頁放了多種圖片格式時,瀏覽器一次只會下載符合條件的第一個檔案。作者用 Chromium 149、Firefox 151 和 WebKit 26.5 測試同一張照片,三種瀏覽器都選了 AVIF;檔案有 34,898 bytes,比 JPEG 的 79,671 bytes 少 56.2%。把 WebP 排在 AVIF 前面,瀏覽器就會改下載較大的 WebP。作者建議在每個來源標明格式,並確認檔案確實存在;如果格式標示可用、實際檔案卻不存在,瀏覽器可能不會改用備用圖片。這次只比較傳輸檔案大小,沒有測解碼速度;作者也提醒,不同圖片的畫質設定不一定能直接相比。
想讓自家寵物跳出哈士奇的紅遍影片,可以用兩種方法:套用 PhotoSway 的 Sassy Husky Dance 範本,或用 Seedance 2.0 搭配寵物照片和舞蹈影片當動作參考,請模型做出新影片。範本目前還在候補階段,還不能生成或付款;自己操作則要剪一段 5–10 秒的參考影片,並提醒模型只照著動作跳,別把原影片的哈士奇也放進來。 成品沒有聲音,可以到 TikTok 或 Instagram 加上原本的配樂。照片最好拍到寵物全身、光線清楚,背景也別太亂;如果第一次跳得不順,換一段短一點或更乾淨的參考影片再試,可能比重寫整段提示詞更有用。
只靠影片生成模型做長片段,花費高,結果也不容易控制。作者分享兩種把單張圖片變成 3D 場景的方法:深度圖能做出鏡頭移動、變焦和對焦效果,但畫面仍像被拉動的平面;Gaussian splats 則能讓鏡頭從不同角度觀看場景,卻可能露出原圖沒拍到的空洞。作者也展示細髮、薄物件等難處理的例子,並提醒 Apple 的 SHARP 權重僅供研究,不能用於商業影片。文中提到,作者做影片每分鐘花費 $20-30,部分鏡頭效果改用場景動畫可降到 10 cents,而控制也更精準。
圖片去背、壓縮或裁切,常得先把照片上傳到雲端,等處理完再下載;這會花時間,也可能讓私人照片留在別人的伺服器上。HelpMyIMG 把處理工作搬到使用者的瀏覽器裡,搭配 Web Workers、OffscreenCanvas 和 WebAssembly SIMD 來處理圖片,讓畫面不容易卡住,也不必把圖片送到後端。文中的測試用一張 12MB 的照片比較,HelpMyIMG 在瀏覽器內處理約 120ms,雲端服務則約 4.2 秒。這種做法能省下上傳等待,也讓照片留在自己的裝置上;不過,處理速度仍會受到使用者電腦硬體影響。
用 AI 畫塔羅牌時,常會遇到每張牌畫風都不一樣的問題。這套做法先挑一張牌當風格範本,每次都沿用相同的線條、配色和氣氛描述;像「權杖七」就畫出站在高處、用權杖抵擋下方攻擊者的人物。牌框、羅馬數字和牌名則另外用程式加上,讓每張牌的字型和位置都一致。最後把整副牌排在一起檢查,找出畫風跑掉或圖案不符傳統的牌再修改。這樣能讓畫圖和排版各自做好擅長的事,也讓牌組看起來更像完整的一套。
想移除照片裡的拍攝資訊,又不想讓畫質變差或顏色跑掉,可以直接處理 JPEG 檔案裡存放資料的區段。作者示範如何跳過 EXIF、XMP 和 IPTC 所在的區段,保留圖片畫素與 ICC 色彩設定;但移除 EXIF 也會刪掉照片方向資訊,可能讓照片橫著或倒著顯示,處理前要先讀取方向並旋轉畫素。
Apple 剛推出 Depth Pro 2 銳利且時間一致的公尺級單眼深度 HF: https://t.co/4IqIaKiLTY https://t.co/6tz6mq3HMv
Kling v4 Image 4.0 現已在 Cloudflare AI Gateway 上架。 https://t.co/4A7ZScNDp6