企业官网建设流程全解析

1. 从“中文翻车”到“一次过稿”：我为什么重新捡起图像生成

做电商设计和自媒体配图这行的朋友应该都有体会，过去一年半里，图像生成模型在英文提示词下的表现已经相当能打，但一碰到中文场景就集体“水土不服”。我印象最深的是去年帮一个做茶叶的客户做中秋礼盒主图，提示词里写了“一轮满月挂在徽派马头墙上方，前景是青瓷茶盏与桂花枝”，结果模型给我吐出来的画面里，月亮上莫名其妙多了几个像甲骨文一样的字符，茶盏上的“福”字直接变成了三只眼睛的鬼画符。那段时间我的工作流基本是：用图像模型出底图，再花两三个小时在PS里手动修文字、换元素，效率低到怀疑人生。

这次 GPT Image 2.5 出来之后，我第一时间拿它跑了三个真实项目：一张中秋主题海报、一套电商主图、一组模特换装图。结论先放这儿——中文文字渲染的准确率有了质变，提示词理解的中文语义对齐也明显上了一个台阶。以前需要反复抽卡十几次才能碰上一张文字不崩的图，现在基本三到五次就能出可用的稿子。这篇文章我不打算复述官方文档里那些参数说明，而是把我这三组实操的完整过程、踩过的坑、以及我总结出来的一套中文提示词写法拆开讲清楚，适合做电商视觉、自媒体配图、以及想用 API 批量出图的朋友参考。

先明确一下这篇文章能帮你解决什么：如果你之前被中文文字生成折磨过，想知道新版到底强在哪、怎么写出稳定出图的中文提示词、怎么通过 Python SDK 把出图流程接进自己的批量生产管线，那接下来的内容应该对你有用。我会从整体设计思路讲到具体参数，再到问题排查，尽量做到你照着抄就能复现。

2. 三组实操的整体设计思路与方案选型

2.1 为什么选这三个场景来验证

我选中秋海报、电商主图、模特换装这三个场景，不是随便挑的。它们分别对应了图像生成在实际业务里最难的三个维度：中文文字渲染、商品主体一致性、人物姿态与服装迁移。中秋海报考的是模型对中文字形结构和书法笔触的理解，电商主图考的是商品细节保留和背景可控性，模特换装考的是人物身份保持和服装材质还原。这三个维度如果都能过，基本说明这个模型可以进生产流程了。

从技术选型上讲，我这次全程走的是 API 调用而不是网页端。原因很简单：网页端抽卡效率太低，而且没法做参数化的批量测试。用 Python SDK 调 API，我可以把同一组提示词跑十次，统计文字准确率和构图稳定性，这对判断模型是否“可投产”至关重要。另外 API 调用能固定 seed，方便我做 A/B 对比——比如同一张海报，只改提示词里“书法字体”和“宋体”这两个词，看输出差异有多大。

2.2 提示词策略：中文为主、英文为辅的混合写法

这里有个很多人会踩的坑：以为模型支持中文了，就全用中文写提示词。实测下来，纯中文提示词在语义理解上没问题，但在一些专业视觉术语上，中英混合的稳定性更高。比如“景深”这个词，模型有时候会理解成“深色的景”，但写成“浅景深（shallow depth of field）”就非常稳。我的做法是：主体描述、文字内容、情感氛围用中文写，镜头语言、光影术语、渲染风格用英文补充。

具体到中秋海报，我的提示词结构是这样的：先写画面主体和构图（中文），再写文字内容和字体要求（中文），最后补一句渲染风格和画质要求（英文）。这个顺序不是随便定的，模型对提示词前段的权重更高，把最不能错的中文文字放在前面，能显著降低翻车率。

2.3 参数配置的取舍逻辑

GPT Image 2.5 的 API 里几个关键参数我调了不少次，这里直接给结论。size我统一用 1024x1024 做测试，正式出图电商主图用 1024x1536 竖版，海报用 1536x1024 横版。quality参数分standard和hd两档，实测hd在文字边缘锐度和材质细节上提升明显，但出图时间大约多 40%，批量生产时我会先用standard抽构图，选中后再用hd重出。

还有一个容易被忽略的参数是style。如果你要做写实电商图，千万别用vivid，它会把颜色饱和度拉得很高，商品颜色失真。我一般用natural，色彩还原更准。海报类可以适当用vivid增强视觉冲击力，但文字部分要单独在提示词里强调“文字颜色准确、不偏色”。

3. 中秋海报实操：中文文字渲染到底稳在哪

3.1 第一版提示词与翻车记录

我先说第一版翻车的经历，这样你能直观感受到新旧版本的差距。第一版提示词我写的是：“中秋海报，一轮圆月，徽派建筑剪影，前景桂花枝，中间写‘花好月圆’四个大字，书法字体，暖色调。” 结果出来的图，月亮位置对了，建筑剪影也还行，但“花好月圆”四个字里，“圆”字里面的“员”写成了“贝”，而且笔画粘连严重，像是毛笔没墨了硬拖出来的。

这个问题在旧版模型里非常普遍：模型把汉字当成图形来画，而不是当成有结构的文字来渲染。它知道这里应该有一团黑色的、像字的形状，但不理解汉字是由偏旁部首按规则组合的。GPT Image 2.5 的改进在于，它似乎对常用汉字的字形结构有了更强的先验知识，尤其是“花好月圆”“中秋快乐”这类高频词，基本不会写错字。

3.2 优化后的提示词模板与参数

第二版我把提示词改成了分段式写法，并且加入了字体和排版的明确约束：

画面主体：中秋主题海报，画面中央是一轮巨大的满月，月光洒在徽派马头墙建筑群上，前景左侧是青瓷茶盏和桂花枝，右侧留白用于文字排版。 文字内容：画面右侧竖排书写“花好月圆”四个字，字体为行书书法，笔画清晰、结构准确，文字颜色为深墨色，与背景形成对比。 渲染风格：中国风插画，暖黄色调，柔和光影，浅景深，高清细节，8k resolution, cinematic lighting.

参数上我用了size=1536x1024、quality=hd、style=natural。这里有个细节：竖排文字一定要在提示词里明确写“竖排”，否则模型默认横排，而且横排时文字容易和画面元素重叠。另外“右侧留白”这个描述很关键，它相当于给文字预留了安全区域，避免文字压在建筑或月亮上导致可读性下降。

3.3 文字准确率实测与对比

我用同一组提示词跑了十次，统计“花好月圆”四个字的完全正确率。结果是：十次里有七次四个字全部正确，两次有一个字笔画轻微变形但可辨认，一次“圆”字内部结构出错。这个准确率放在实际工作里已经可以接受了，因为即使出错，也只需要局部重绘或者PS微调，不像以前要整张重做。

对比旧版模型，同样的提示词，旧版十次里只有两次四个字全对，而且那两次的字体风格完全不对，像是黑体硬掰成书法。新版在字体风格的一致性上也好了很多，行书就是行书，不会突然混进一个印刷体。

3.4 海报实操的注意事项

这里分享几个我踩出来的经验。第一，文字内容不要超过六个字，超过六个字之后，模型对每个字的注意力会被稀释，出错率明显上升。如果海报确实需要长文案，建议分两次生成，或者把长文案拆成主标题和副标题，主标题用模型生成，副标题后期加。

第二，避免生僻字和异体字。我试过用“朤”这种生僻字，模型直接画成了一团墨。常用字库里的字基本没问题，但生僻字还是老老实实用PS加吧。

第三，文字颜色要和背景有足够对比度。我试过让文字用金色写在浅黄色月亮上，结果文字几乎看不见。提示词里最好明确写“文字颜色为深墨色”或“文字带深色描边”，这样模型会主动加强对比。

4. 电商主图实操：商品一致性与背景控制

4.1 商品主图的核心难点

电商主图和海报不一样，海报可以天马行空，主图必须商品主体不变形、颜色不偏色、背景干净且可替换。我这次拿一个白瓷茶杯做测试，要求生成一张放在木质茶盘上的主图，背景是虚化的中式书房。

第一版提示词我写的是：“白瓷茶杯放在木质茶盘上，背景是中式书房，虚化，暖光。” 出来的图杯子形状还行，但杯口变成了椭圆形，而且杯身上的釉色偏青，和实物不符。这就是典型的商品一致性不足：模型把“白瓷”理解成了“青白瓷”，而且透视关系没控制好。

4.2 用参考图加提示词锁定商品

GPT Image 2.5 支持传入参考图，这是解决商品一致性的关键。我的做法是先用手机拍一张茶杯的正面照，背景干净，然后通过 API 把这张图作为参考传进去，提示词里写：“保持参考图中茶杯的形状、比例和釉色不变，将茶杯放置在木质茶盘上，背景为虚化的中式书房，暖色侧光，商品摄影风格。”

这里有个参数细节：参考图的权重需要调。API 里有个image_weight之类的参数（不同 SDK 命名可能不同），我一般设在 0.6 到 0.75 之间。太低的话商品会变形，太高的话背景换不动。实测 0.7 是个比较平衡的值。

4.3 背景虚化与光影控制

电商主图的背景虚化程度直接影响商品突出度。提示词里我用了“浅景深（shallow depth of field）”和“背景虚化（bokeh background）”两个英文术语，比单写“虚化”效果好很多。光影方面，我明确写了“暖色侧光，来自左上方，茶杯右侧有柔和阴影”，这样模型会按照指定方向打光，而不是随机发挥。

还有一个技巧：在提示词里写“商品摄影风格（product photography）”，这个词会让模型自动套用商业摄影的构图和布光逻辑，出来的图直接就能用，省去了很多后期调整。

4.4 主图批量生成的参数模板

如果你要批量生成多个商品的主图，我建议把提示词做成模板，只替换商品名称和参考图。下面是我用的 Python 代码骨架：

import openai client = openai.OpenAI(api_key="你的API_KEY") def generate_product_image(product_name, ref_image_path, output_path): prompt = f""" 保持参考图中{product_name}的形状、比例和颜色不变， 将其放置在简约木质台面上，背景为虚化的中式书房， 暖色侧光来自左上方，商品摄影风格， 浅景深，高清细节，8k resolution, product photography. """ with open(ref_image_path, "rb") as f: response = client.images.edit( model="gpt-image-2.5", image=f, prompt=prompt, size="1024x1536", quality="hd", style="natural", n=1 ) # 保存图片逻辑略

这个模板我跑了五个不同商品，杯子、茶壶、香炉、书签、折扇，主体一致性都保持得不错，背景风格也统一。唯一需要注意的是，参考图的背景越干净，商品锁定效果越好。如果参考图本身背景很乱，模型会分不清哪些是商品哪些是背景。

5. 模特换装实操：人物身份保持与服装迁移

5.1 换装任务的特殊性

模特换装和前面两个场景有本质区别：它要求人物面部特征、身材比例、姿态基本不变，只替换服装。这比单纯生成一个人穿某件衣服难得多，因为模型很容易把脸也一起改了。我这次用的是一个虚拟模特的基础图，要求换成三套不同风格的中式服装：汉服、旗袍、新中式外套。

第一版我直接写：“把图中人物的衣服换成红色汉服。” 结果脸变了，身材也变了，背景还多了一堆莫名其妙的屏风。问题在于提示词没有明确“保持面部和姿态不变”，模型就自由发挥了。

5.2 身份保持的提示词写法

优化后的提示词我加了明确的约束：“保持参考图中人物的面部特征、发型、身材比例和站姿完全不变，仅将服装替换为红色交领汉服，服装材质为丝绸，有暗纹刺绣，背景保持纯色灰底不变。”

这里的关键词是“完全不变”和“仅将服装替换”。“仅”这个字很重要，它告诉模型只改服装，其他都别动。另外“背景保持纯色灰底不变”也要写，否则模型会自作主张换背景。

实测下来，面部保持的准确率大概在八成左右，十次里有两次脸会有轻微变化，但整体辨识度还在。如果对脸部要求极高，建议换装后再用面部修复工具过一遍，或者把换装图作为参考图再生成一次，二次锁定面部。

5.3 服装材质与细节的还原

服装材质是换装的另一个难点。丝绸、棉麻、缎面、纱质，这些材质在光影下的表现完全不同。提示词里要具体写材质名称和光泽特征。比如旗袍我写的是“深蓝色缎面旗袍，有光泽感，盘扣细节清晰，开叉处有蕾丝滚边”。出来的图缎面光泽很到位，盘扣也能看清，但蕾丝滚边有点糊，这个属于细节精度问题，后期放大修一下就行。

汉服我写的是“红色交领汉服，丝绸材质，袖口和领口有金色暗纹刺绣”。这里“暗纹”这个词模型理解得不错，出来的刺绣是若隐若现的效果，不是那种亮闪闪的廉价感。

5.4 换装实操的避坑清单

第一，参考图的人物姿势越简单越好。站姿正面照效果最好，如果是坐姿或者手部动作复杂，模型容易在换装时把手部结构画崩。我试过一张手拿扇子的图，换装后扇子直接和袖子长在一起了。

第二，服装颜色避免和背景相近。我试过灰色背景配灰色新中式外套，结果衣服边缘和背景糊在一起，分不清哪是衣服哪是背景。后来把背景改成浅米色，问题就解决了。

第三，一次只换一套衣服。我试过在同一个提示词里写“换成汉服或旗袍”，模型直接生成了一件上半身汉服下半身旗袍的怪物。换装任务一定要明确单一服装类型。

6. 常见问题与排查技巧实录

6.1 中文文字渲染问题速查表

6.2 API 调用中的典型报错与处理

用 Python SDK 调 API 时，我遇到过几个典型问题。第一个是missing optional dependency类的报错，这个通常是 SDK 版本和依赖包不匹配，重新安装对应版本的包就能解决。第二个是maximum context length报错，这个在图像生成里比较少见，但如果你在提示词里塞了超长文本，或者参考图分辨率过高导致 token 超限，就会触发。解决办法是压缩提示词长度，或者降低参考图分辨率。

还有一个容易忽略的点：API Key 的权限和额度。图像生成接口的计费和文本接口是分开的，如果额度不足会直接报错。建议在批量跑图之前先用单张测试，确认额度和权限都正常。

6.3 出图质量不稳定的排查思路

如果你发现同一组提示词，有时候出图很好，有时候很差，可以从这几个方向排查。第一，seed 是否固定。不固定 seed 的话，每次出图都是随机初始化，质量波动是正常的。固定 seed 后，同一提示词的结果会稳定很多。第二，提示词是否有歧义。中文一词多义很常见，比如“苹果”可以是水果也可以是品牌，模型可能这次理解成水果，下次理解成手机。尽量用限定词消除歧义。第三，参考图质量。参考图模糊、曝光不足、背景杂乱，都会拉低出图质量。

6.4 我总结的独家避坑技巧

第一个技巧：先用低质量模式抽构图，再用高质量模式重出。standard模式出图快，适合快速验证提示词和构图，选中满意的结果后，固定 seed 再用hd模式重出，这样既省时间又省额度。

第二个技巧：提示词里加“无文字”或“纯画面”来避免意外文字。有时候你不想画面里出现任何文字，但模型会自作主张加一些装饰性文字。在提示词末尾加一句“画面中无任何文字元素”，能有效避免这个问题。

第三个技巧：批量生成时加随机延迟。如果你短时间内高频调用 API，可能会触发限流。我在批量脚本里加了 1 到 3 秒的随机延迟，稳定性提升明显。

第四个技巧：保存每次生成的提示词和参数。这个习惯帮我省了很多时间。每次出图后，我会把提示词、seed、size、quality 这些参数记在一个表格里，下次遇到类似需求，直接翻表格找参考，不用从头试。

7. 把出图流程接进生产管线的一些体会

这三组实操跑下来，我最大的感受是：GPT Image 2.5 在中文场景下的可用性已经跨过了“能看”的门槛，进入了“能用”的阶段。中秋海报的文字准确率、电商主图的商品一致性、模特换装的身份保持，这三个最难啃的骨头都有了明显改善。当然它还不是完美的，生僻字、复杂手部姿态、多服装混合这些场景依然会翻车，但至少在日常的电商和自媒体出图需求里，它已经能帮我省掉大量后期时间。

我现在的工作流是：用 API 批量抽构图，选中后用hd模式重出，文字和细节问题在 PS 里做最后微调。整个流程比之前纯手动设计快了大概三到四倍。如果你也在做类似的内容生产，建议先从单一场景开始试，把提示词模板跑通，再逐步扩展到批量生成。提示词工程这件事，说到底还是得自己动手跑几十次，才能摸清楚模型的脾气。