为什么我放弃了传统方案，改用 DALL-E
一切从一个加班的深夜开始
去年 11 月，我们团队接了个电商客户的项目：要为一款新上市的咖啡机生成大约 120 张产品场景图——咖啡机放在不同风格的厨房里、不同时段的自然光下、搭配不同配色的台面。客户的预算只够拍一组实拍图，剩下的全靠后期。
我最初的方案是走传统路线：实拍一组基础素材，然后用 Photoshop 合成。听起来可行，对吧？我干了十年设计，抠图、调色、透视校正都不在话下。
结果第一个场景我就干了 4 个小时。咖啡机的阴影方向和厨房背景对不上，金属机身的反射里没有环境信息，客户一看就说“假”。更糟的是，一改需求——比如“把厨房换成奶油色法式风格”——我几乎就得从头再来一遍。
那天晚上我算了笔账：120 张图，按这个速度要 480 个工时。客户的预算撑不起，我的腰也撑不起。
我是怎么转向 DALL-E 的
其实生成式绘图工具我早有耳闻，但一直有个执念：“生成的东西不精准，产品图差一个像素客户都能看出来。”直到我发现 DALL-E 3 可以直接在 ChatGPT 里用自然语言迭代修改，我决定认真试一次。
第一步：把产品“喂”进去
DALL-E 本身不能直接上传一张图就完美复刻你的产品（这是我踩的第一个坑，后面细说），所以我的工作流是这样的：
- 用实拍的咖啡机图作为参考
- 用文字尽可能精确地描述产品外观
- 生成场景后，主要靠把实拍产品抠出来合成
我的第一批提示词写得很烂，比如：
a coffee machine in a kitchen
出来的图咖啡机长得五花八门，没一台跟客户的产品对得上。这就是我说的坑：DALL-E 对具体产品的还原靠的是描述精度，不是魔法。
第二步：学会写“产品档案”式提示词
后来我改成这样写：
A modern espresso machine with a brushed stainless steel body,
rounded rectangular silhouette, a small circular LCD display on
the front panel, two orange accent knobs on the right side, and
a portafilter attached below the spout. The machine sits on a
white marble countertop in a bright Scandinavian-style kitchen,
morning sunlight coming from a window on the left, shallow
depth of field on the background.
关键心得有三条：
- 把产品特征固化成一段“标准描述”，每次复用，只改场景部分。我把这段话存在备忘录里，管它叫产品 DNA。
- 光源方向必须写。不写的话阴影经常乱来，后期合成会露馅。
- 明确构图和景深。"shallow depth of field on the background" 这一句能让背景虚化，正好掩盖生成图和实拍产品之间的细微差异。
第三步：建立迭代流程
DALL-E 3 最好的地方就是可以在对话里改。比如生成结果里窗户位置不对，我直接说：
Move the window to the right side and make the light warmer,
like late afternoon.
它会保留大部分构图只改局部。搁传统 PS 里这叫“重打光”，得重做整个光影层；在这儿就是一句话的事。120 张图，我大概花了三个工作日完成初稿，加上返工，一周内交付。客户只挑出 11 张需要修改，修改方式全部是自然语言描述，平均每张 3 分钟。
实际效果对比
| 维度 | 传统 PS 合成 | DALL-E 工作流 |
|---|---|---|
| 单张耗时 | 3–4 小时 | 15–30 分钟 |
| 改需求成本 | 接近重做 | 一句话迭代 |
| 场景多样性 | 受素材限制 | 几乎无限 |
| 产品还原精度 | 100%（实拍素材） | 依赖后期合成 |
| 总工时 | ~480 小时 | ~40 小时 |
注意最后一行，也是很重要的一行：产品还原精度。这是 DALL-E 目前最诚实的短板。
实用技巧总结
- 产品 DNA 描述要一次写好，反复复用。 颜色、材质、按钮位置、logo 形状全写清楚，越具体越好。
- 产品本体还是用实拍素材合成上去。 生成图做场景和光影底板，产品图层用 PS 贴上去再统一调色。这是目前最稳的商单做法。
- 在同一个对话里连续迭代，DALL-E 会记住上下文，比每次新开对话省很多描述工作。
- 批量生成前先跑 3–4 张找找感觉，确认风格方向对了再放量，不然 120 张里 100 张方向不对会很难受。
- 商用注意版权条款，确认你的账户类型允许商用授权。
诚实的局限
- DALL-E 画不好文字。包装上的品牌名基本必糊，文字部分还得靠 PS 后期。
- 精细的产品细节（比如按键上的丝印图标）会随机漂移。
- 同一个提示词的生成结果没法精确复现，客户要是要求“和上一版一模一样但只改一个细节”，有时做不到，只能重新生成几轮挑最接近的。
- 人物手部偶尔还是会出现诡异结构，涉及人物的场景要多筛查。
我的结论
我不是“抛弃”了传统方案，而是重新分工了：DALL-E 负责场景生成和快速试错，PS 负责最后的精修和合成。以前 90% 的时间花在场景搭建上，现在这 90% 被压缩到了 10%，我省下来的时间反而能花在真正体现专业度的地方——产品质感的打磨。
如果你也在做大量重复性的场景图工作，我的建议是：别纠结“生成图够不够专业”，先拿一个小需求把我上面这套流程跑一遍，用你自己的项目算一笔工时账。数字会比任何文章都有说服力。