Amazon メイン画像のピンポイント修正

プロンプト

不会 PS 的人，最想要的不是 AI 生图，而是“只改一个细节”

做亚马逊电商图时，最搞心态的往往不是“从零做图”，而是卡在一个极小的局部：

整张图明明已经八九不离十了，就差一步：

背景不够干净；

想换个 SKU 颜色；

画面多了一处杂光或不需要的道具；

需要单独腾出一块文案排版区；

保留产品主体，只改变场景和光影氛围。

会 PS 的人顺手点两下蒙版就搞定了。但对不会 PS 的人来说，这简直是死局：

重新用 AI 生一张？原本调对的视角、材质、结构全被重置；

找外包美工？沟通、排期、确认的时间成本比重做一张还高。

为了改动 5% 的细节，往往要倒回去承受 50% 的无效返工。

所以这次测 GPT Image 2.5，核心不在于看它出图有多惊艳，而在于看它能不能真正听懂一句话：

“只改这里，其他地方一律别动。”

我直接拿了一张烘焙场景图做破坏性测试。桌面上既有核心产品烤盘，又有背景人物，左侧还有一盘带面包的杂物。

我给 Sunburst 下的指令非常具体：

“把桌面左边的盘子换成金色的，去掉面包，换成一只杯子；其他人物、烤盘和厨房一律别动。”

出来的结果精准得有点超出预期： 它准确定位到了画面最左侧那个极小的边缘区域，把盘子与面包精准替换为一只金色杯子。

最关键的是，中间作为核心产品的烤盘纹理、面包焦度，以及背景人物的动作与神态，没有发生任何像素级的形变和跑偏。

这正是电商修图最需要的控制力。评测这类任务，标准极其务实：

结构保真：核心主体轮廓、比例有没有被带偏变形？

微观细节：产品原有的质感有没有被抹平糊掉？

边缘与光影：局部改动后，新物件与桌面的反光是否符合物理规律？

克制程度：有没有擅自给画面加戏？

交付成本：改完之后，还要不要人工二次修补？

做电商的都知道，图“好看”没有任何意义。主体变形、细节变质，上线就是货不对板。

AI 生图真正的商业落地点，不是凭空画一张艺术画，而是稳稳接管那些繁琐、零碎、改起来最折磨人的局部微调——把不该有的杂物换掉，把该留的核心资产焊死在画面里。

OpenAI 两个模型的分工也清晰体现出来：

Flare：速度极快，适合前期快速试场景、探方向；

Sunburst：主体锁定与指令遵从极稳，专治这种需要精准替换边缘道具的交付硬活。

这次测试直接跑在 ZenMux 的图片编辑接口上。

平台目前有上线限时活动：

充 $50 到账 $70

充 $100 到账 $150

限时 7 天 / 单账号限兑一次

👉 测试入口：http://zenmux.ai

日本語訳

Photoshop が使えない人が一番欲しいのは、AI での画像生成ではなく「一箇所だけを直す」ことだ

Amazon の EC 画像を作るとき、最もメンタルを削られるのは「ゼロから作る」ことではなく、ごく小さな一部分で詰まることだ：

画像全体はもうほぼ完成しているのに、あと一歩だけ足りない：

背景が十分にクリーンでない；

SKU の色を変えたい；

画面に余計な光や不要な小道具が入り込んでいる；

コピーのレイアウト用スペースを別途空ける必要がある；

商品の被写体は残したまま、シーンと光・影の雰囲気だけを変えたい。

Photoshop が使える人ならマスクをちょっと触るだけで済む。しかし Photoshop が使えない人にとって、これはまさに詰みだ：

AI で一枚作り直す？せっかく合わせたアングル、質感、構造がすべてリセットされる；

外注のデザイナーに頼む？コミュニケーション、スケジュール調整、確認の時間コストは、作り直すより高い。

5% のディテールを直すために、50% の無駄なやり直しを強いられることがよくある。

だから今回 GPT Image 2.5 を試す核心は、出力がどれほど驚くべきものかではなく、次の一言を本当に理解できるかどうかにある：

「ここだけを変えて、他の場所は一切触らないで。」

私は焼き菓子シーンの画像をそのまま持ち出して破壊的テストを行った。テーブルの上には中心となる商品の天板があり、背景には人物がいて、左側にはパンが載った皿という余計な物もある。

Sunburst に与えた指示は非常に具体的だ：

「テーブル左側の皿を金色に替え、パンを外してカップに差し替える。他の人物、天板、キッチンは一切動かさない。」

出力結果は予想を少し超える精度だった： 画面の最も左にあるごく小さな端の領域を正確に特定し、皿とパンを金色のカップ一つに正確に置き換えた。

何より重要なのは、中央の中心商品である天板のテクスチャ、パンの焼き色、そして背景人物の動作と表情に、ピクセル単位の変形やズレが一切起きなかったことだ。

これこそ EC のレタッチに最も必要なコントロール力だ。この種のタスクを評価する基準は極めて実務的だ：

構造の忠実性：中心となる被写体の輪郭や比率が崩れて変形していないか？

微細なディテール：商品本来の質感が潰れてぼやけていないか？

エッジと光・影：局所的な変更後、新しい物体とテーブルの反射は物理法則に合っているか？

抑制の度合い：勝手に画面へ余計な要素を足していないか？

納品コスト：修正後、さらに人手で二次修正が必要か？

EC をやっている人なら誰でも知っている通り、画像が「きれい」であることに意味はない。被写体が変形し、ディテールが劣化すれば、公開した時点で商品と違うものになる。

AI 画像生成の本当のビジネス上の着地点は、ゼロからアート作品を描くことではなく、煩雑で細かく、修正が最も苦痛な局所調整を着実に引き受けることにある——不要な物を差し替え、残すべき中核アセットを画面に溶接したように固定する。

OpenAI の 2 つのモデルの役割分担もはっきりと表れている：

Flare：速度が極めて速く、序盤にシーンを素早く試し、方向性を探るのに向く；

Sunburst：被写体のロックと指示への追従が極めて安定し、端の小道具を正確に差し替える必要があるこうした納品の難仕事に効く。

今回のテストは ZenMux の画像編集インターフェースで直接実行した。

プラットフォームでは現在期間限定キャンペーンを実施中：

$50 チャージで $70 着金

$100 チャージで $150 着金

期間限定 7 日間 / 1 アカウントにつき 1 回まで

👉 テスト入口：http://zenmux.ai

出典

原作者

Passenger0522

公開日

2026-09-09

原典

元の投稿を見る ↗

収録元

xianyu110/awesome-gpt-image2.5 · 2097594649846444370 · MIT