如果你在网上卖货，你一定清楚那些不一致的产品照片正悄悄向你征收"隐形税"。一张照片在纯白背景上灯光明亮，下一张昏暗发灰，第三张则是手机随手一拍、背景杂乱。即使买家说不上来哪里不对劲，他们也能感受到这种不一致，而像 Amazon 这样的市场平台会偏爱干净、标准化的图片。好消息是：你不再需要重拍整个商品目录来解决这个问题。借助合适的 AI 模型和一条批处理流水线，你可以一次性标准化所有产品图片。
本教程将完整演示这一过程。我们先手动打磨一件产品以理解其中的操作要领，然后在工作流编辑器中搭建一条可复用的批处理流水线，一次性处理整个文件夹。读完之后，你将拥有干净的纯白背景、重新打光的主图，以及贯穿整个商品目录的统一观感。
标准化对电商为何如此重要
一致的图片为网店带来三大好处。它让你的合集页面看起来专业、可信。它让你符合市场平台的规则（例如 Amazon 的主图就要求纯白背景）。它还能消除让买家犹豫的视觉摩擦。
在 Photoshop 中手动处理既慢又更糟：会出现漂移——每张图片得到的处理都略有不同。AI 改变了这道算术题。你只需定义一次外观，然后把它原样应用到一次 20 张图片上。如果你想了解为什么流水线优于一次性编辑的更宏观论述，请参阅为什么工作流胜过一次性提示词。
核心编辑操作及其背后的模型
Floniks 将每项常见的产品图处理任务映射到一个专用模型。你不必死记硬背，但了解底层是什么在干活会很有帮助。
| 任务 | 模型 |
|---|---|
| 移除背景 | fal-ai/imageutils/rembg（用 BiRefNet 实现干净边缘） |
| 放大 / 增强 | Clarity Upscaler / Aura SR |
| 修复瑕疵 / 污点 | FLUX Pro inpainting / SDXL inpainting |
| 重新打光 / 主图 | image-to-image |
关于何时使用各模型的几点说明：
- 移除背景会剥离原始场景，得到干净的抠图。
rembg快速可靠；BiRefNet 在头发、皮毛、网纱或透明包装等棘手边缘上表现尤为出色。 - 放大会重建细节和分辨率。当源照片偏小或偏软，或你需要印刷级主图时使用它。
- **局部重绘（Inpaint）**修复局部问题：灰尘、划痕、杂散反光，或你忘记撕掉的价签。你用节点内的蒙版画笔在瑕疵上涂出一个蒙版，模型只会重新生成那一块区域。
- 重新打光 / 重塑风格使用 image-to-image，无需影棚就能为一张平淡的目录照片赋予风格化、主图级别的灯光布置。
如需对这些编辑基本功的更深入介绍，AI 图像编辑指南对每一项都有详细讲解。
A 部分：手动打磨一件产品
在自动化之前，先在 AI Image 中手动处理一件产品。这能让你对后续在批处理中复用的设置建立直觉。
- 打开 AI Image 并上传一张产品照片。
- 运行移除背景。对于干净简单的产品选
rembg；如果主体有纤细或飘逸的边缘则切换到 BiRefNet。你会得到一张可放在纯白上的透明抠图。 - 用 image-to-image 运行重新打光。用平实的语言描述你想要的外观，例如："柔和的影棚灯光，纯白无缝背景，产品下方有柔和阴影，电商主图。"这会在不改变产品本身的前提下重塑灯光。
- 如果发现瑕疵，运行局部重绘：在瑕疵上刷出一个蒙版，让 FLUX Pro 或 SDXL inpainting 重新生成那一块。
- 检视结果。满意后，记下你所用的确切措辞和设置。这套配方就是整个商品目录的模板。
**专业提示：**把你的重新打光提示词写成一份可复用的"风格简报"。一份简短、具体的简报（"纯白背景，左上主光，柔和阴影，无道具"）在一个批次中产生的结果远比含糊的提示词更一致。
B 部分：搭建批处理流水线
现在我们把这套单件配方扩展到整个文件夹。前往工作流编辑器，从左到右组装下列节点。关于画布和节点类型的完整讲解，请参阅深入工作流编辑器。
- imageBatch — 先放下这个节点。你可以一次加载多达 20 张图片，并且可以把整个文件夹拖到它上面，而无需逐个上传文件。这是你的输入桶。
- 移除背景 — 把 imageBatch 连入一个背景移除节点。依照 A 部分相同的边缘逻辑选择
rembg或 BiRefNet。批次中的每一张图片都会得到完全相同的处理。 - 放大 — 把抠图连入 Clarity Upscaler 或 Aura SR，让每件产品都以一致、清晰的分辨率输出。这正是让缩略图和放大视图看起来锐利的关键。
- styleLock — 这是保证一致性的节点。styleLock 把同一种外观锁定在整套图片上，使第 1 张和第 20 张共享相同的灯光与处理，而不会逐渐漂移。把你在 A 部分得到的风格简报喂给它。
- fileBatchOutput — 把链条末端接入这个收集节点。它会把每一张处理后的图片汇集成一个整洁的输出集，供你一并下载。
你的流水线读作：imageBatch → 移除背景 → 放大 → styleLock → fileBatchOutput。
**专业提示：**如果你想为每件产品生成不止一种外观，例如一张白底主图加上一张风格化的生活场景变体，就添加一个 batchRender 节点，从相同的输入生成多种变体。一次运行，每件产品多个精修版本。
C 部分：运行并收集结果
- 流水线接好后，点击运行。编辑器会按顺序让批次依次通过每个节点，对每张图片应用相同的操作。
- 运行完成后，打开 fileBatchOutput 一次性下载整套图片。
- 每个输出也会保存到你的素材中心，托管在 Cloudflare R2 上，因此即使你关闭编辑器，处理后的图片依然可用。无需守着下载进度。
**可靠性说明：**如果任何单次生成失败，其积分会自动退还。你只为真正产出的图片付费，这在你一次跑 20 张时尤为重要。关于积分如何运作，请参阅价格。
D 部分：用 consistencyEval 快速质检
一个批次只有真正一致才有价值。与其用肉眼审视 20 张图片，不如让系统给它打分。
- 添加一个 consistencyEval 节点，或针对你的输出集运行它。它会以 0–100 的尺度自动评分一致性。
- 高分意味着你的商品目录呈现为一个连贯整体：相同的背景、相同的灯光逻辑、相同的取景观感。低分则标记出漂移。
- 如果分数低于预期，就收紧你的 styleLock 简报（更具体的灯光与背景措辞）并重新运行。反复迭代，直到这个数字让你满意。
**专业提示：**把 consistencyEval 当作你的发布门槛。挑一个你满意的阈值，在批次达标之前不要发布。它把"我看着还行"变成了一个可复现的标准。
把一切整合起来
回报是这样一个商品目录：每件产品都坐落在干净的纯白背景上，被重新打光到一致的主图标准，并放大到统一分辨率——全部在一次流水线运行中产出。日后你新增产品时，无需重新发明任何东西：把它放进同一个 imageBatch 节点，运行，搞定。无论你的商品目录增长得多快，你店铺的视觉身份都保持锁定。
先在 AI Image 中用慢办法处理一件产品，建立对这些操作的信任，然后让工作流编辑器把这份品质贯穿到你所售卖的一切之上。
常见问题
我该如何为产品照片获得白色背景？
运行移除背景模型（rembg，或针对纤细边缘用 BiRefNet）把原始场景剥离成干净的抠图，然后放到纯白上。在批处理流水线内执行此操作会对每件产品应用完全相同的处理，因此你的整个商品目录都能满足像 Amazon 纯白主图规则这样的市场平台要求。
AI 能批量编辑商品目录吗？
可以。在工作流编辑器中，imageBatch 节点一次加载多达 20 张图片（拖入整个文件夹），你把它依次串接移除背景、放大和 styleLock 节点，最后用 fileBatchOutput 收集所有结果。一次运行即可标准化整套图片，而不必逐张编辑。
我该如何让所有产品图片保持一致？
使用 styleLock 节点把同一种外观锁定在整个批次上，然后用 consistencyEval 验证，它会以 0 到 100 自动评分一致性。如果分数偏低，就收紧你的风格简报并重新运行。这能在发布之前（而非之后）捕捉漂移。
如果生成失败或我丢失了文件会怎样？
失败的生成会自动退还积分，因此你只为成功渲染的图片付费。所有输出都会保存到你在 Cloudflare R2 上的素材中心，因此运行结束后你处理过的图片仍然可访问。