如何用 AI 生成一整套品牌视觉

生成一张有说服力的产品图，已经不再是难点。难点是生成第五张时，它看上去仍然属于同一个品牌——同样的 logo 几何、同样的字体、同样的标签文案、同样的材质、同样的光。

微软在 MAI-Image-2.5 的页面上公开了一组虚构蜡烛品牌 ORVA 的样例图。当营销素材看，它是五张好看的图；当证据看，它更有用：这是一个实打实的例子，展示了一组图里什么能保住、什么会悄悄漂移、以及漂移最后落在哪里。这让它成了一套流程的好骨架，而这套流程你可以用在任何一款够格的图片模型上。

本文讲怎么搭一套品牌视觉：生成的顺序、每张图该怎么写才能让品牌活下来，以及套图变大时必然冒出来的那一种失败。

一套图必须守住什么

单张图只需要好看，一套图必须自洽。在生成任何东西之前，先写下每张图里都必须逐字一致的东西——这份清单就是你的验收单：

不在这份清单上的东西都允许变化——正是这一点让它成为一套图，而不是五张复制品。清单刻意写得短。不变项列得越长，能被模型破坏的东西就越多。

第一步：在最简单的载体上锁定识别

从竞争元素最少的那张图开始。对一个品牌标记来说，就是这个标记单独出现在一种朴素材质上：

这张图只有一个任务：把字形做对。没有产品、没有场景、没有次级文案来抢保真度。这里用压印是个好办法，因为它逼着模型对唯一一套字形几何做出承诺——压凹的边缘必须沿着真实的字形轮廓走，于是错误会暴露出来，而不是藏在平面字里。

这张通过之后，它就是下游一切的参考图。不要在后面的提示词里再从文字重新推导 logo，把它带过去。

第二步：搭出主图

第二张图加入容器和完整标签，依然放在中性表面和可控光线下：

这张图必须做到位，因为之后每一张都要拿它来对。有三处细节值得专门审：

• **那个带音符的字母。**PARFUMÉE 里有一个 É。重音符、连字和非拉丁文字，是图内文字最先失败的地方——而蜡烛标签上的一行法语，恰恰是那种没人校对、直到印出来才发现问题的小字。
• **计量行。**NET WT. 8.5 OZ | 240 G 里混了小数、两套单位制和一个竖线字符。如果你的标签上有法规或合规行，就在这里验证模型撑不撑得住。
• **字级层次。**字标主导，产品描述次之，小字最小。一个拼写全对、却把三块文字给了同等视觉重量的模型，产出的仍然是没法用的标签。

第三步：把产品放进场景

主图通过后，套图开始向场景扩张。每张新图更换环境，同时继承产品：

这类图的提示词应该读作环境加上被继承的产品，而不是一份全新的描述。场景写细，产品用引用来指：

Place the approved candle on a light oak coffee table in a sunlit living room. Keep the label, glass colour, and black base band exactly as in the reference. Blurred mid-century armchair and woven vase in the background, hard morning light, soft shadows across the table.

形容词都给环境。产品只拿到一条保留指令。反过来做——每张图都把蜡烛重新描述一遍——正是套图漂移的原因，因为每一次新的描述，都是模型重新解释标签的一次新机会。

第四步：加入动态与氛围图

不是每张图都必须可读。有些的存在是为了节奏：

这张值得仔细读，因为它展示了可接受的模糊和漂移之间的区别。字标仍然清晰，小字不清晰。在一张动态图里这在物理上是对的——一个翻滚的罐子，小字本就该读不出来。判据是这种不可读在画面里有没有一个明确的成因。运动带来的模糊是一种风格；相机不动、产品静止却糊了，那是缺陷。

第五步：合影图，以及套图真正崩掉的地方

最后一张把产品放进同伴之中——每个品牌都需要的那张组合图：

看左边那个泵瓶。它的标签上布满了形似文字的笔画，但那不是任何一种语言的词。再回头看同一张图里蜡烛自己的小字——SCENTED CANDLE / BOUGIE PARFUMÉE 和那行单位，明显比主图里更软、更变形。

这就是值得记住的失败模式，而且它不是随机的：**保真度跟着注意力走。**被提示词点名的元素会被正确渲染。仅仅"在场"的元素，会在本该是文字的位置得到看起来合理的纹理。你往画面里加的物体越多，模型分给其中任何一个的预算就越少——所以道具最多的那张图，最可能在你根本没想到的某个标签上产出乱码。

实际的应对不是回避合影图，而是为它做规划：

• **不给次要物体任何文字。**没有品牌、没有标签的同伴物，在平铺图里既更真实，也不可能出错。
• **每张画面只点名一个主角。**明确说出哪个物体必须携带准确的品牌信息，其余的用通用形状和材质来描述。
• **先构图，再把标签作为第二次编辑加上去。**先生成这组排布，然后用一次定向编辑，把准确的字放到那个唯一需要它的产品上。
• **裁切作为兜底。**如果背景某个标签出成了噪点而构图其余部分是对的，收紧裁切比重新生成快。

让这套流程成立的顺序

整个工作流就是同一个原则用了五次——先确立不能变的东西，再改变它周围的一切：

1. **识别底板。**标记单独放在朴素材质上，先把字形定下来。
2. **产品主图。**完整标签、中性表面、可控光线。审音符、单位和层次。
3. **生活场景。**换环境，产品靠参考图和保留指令带过去。
4. **氛围与动态。**当画面自己交代了成因时，模糊是可以的。
5. **合影图。**一个被点名的主角、不带品牌的同伴、按原图分辨率审一遍。

每一步都继承上一步，而不是从头再来。这就是"一套图"和"五张相似的蜡烛照片"之间的区别。

常见问题

怎么让 logo 在多张 AI 生成的图里保持一致？

先定下一张识别图，然后把它作为参考图带下去，而不是在每条提示词里重新描述 logo。每一次新的文字描述，都是模型重新解释字形的一次新机会。

为什么 AI 图片里的文字会变成乱码？

最常见的原因是承载那段文字的元素没有在提示词里被点名。模型把保真度分配给它被问到的东西；没被点名的物体会得到形似文字的纹理。极小的字号、带音符或非拉丁的字符，以及拥挤的画面，也会导致这个问题。

一套产品图该用几张参考图？

从一张通过的识别图或主图开始，只在确实需要延续的东西上再加参考——通常就是产品和它的标签。参考图不是越多越好，每一张都在争夺对结果的影响力。

一套品牌图该用一条提示词还是多条？

多条。一张图一条提示词，每条都继承已通过的产品，这样每生成一张就有一个检查点，出问题时也能定位到具体元凶。用一条提示词要五张图，等于放弃了隔离故障的能力。

通过一张产品图之前该检查什么？

至少要看：字标几何、标签上每一行文案（含音符与单位）、字级层次、容器的材质与颜色，以及次要物体上任何可读的文字。要按原图分辨率检查，不要看缩略图。

AI 产品图可以商用吗？

这取决于模型的条款、你对上传素材所拥有的权利，以及产出是否侵犯第三方的商标或外观设计。为一个不属于你的品牌生成品牌化图像带有真实风险——发布前先核对服务商的商用条款。

在 OmniArt 上开始

打开 OmniArt 图片工作台，拿你自己的一个品牌把前两步跑一遍：一张识别底板，然后一张带完整标签的产品主图。到这里先停下，按原图尺寸审一遍小字再往下走——这两张图决定了剩下三张值不值得生成。

每一步背后的提示词写法，可以看微软公开的四条提示词里关于"给物体命名让编辑保持局部"的部分，以及 Seedream 5.0 Pro 发布指南里的参考图控制。静态图通过之后，OmniArt 把图片和视频模型放在同一个工作台里，通过的主图可以直接进入动态环节，不必换个地方重建品牌。