电商商品图和带货短视频用 AI 怎么做
更新于 2026-10-22
用 AI 做电商素材，最常用的是三类：一是上传白底商品图，换成生活场景、节日氛围、手持展示等背景，生成商品场景图；二是一张形象照加一段口播稿，生成数字人带货口播视频；三是按「开头吸引 → 展示商品 → 讲卖点 → 引导下单」的结构写分镜，一镜一镜生成带货短片。三类都以商品原图作为参考，发布前要核对商品细节和卖点是否属实。
三类素材分别适合什么
| 素材 | 输入 | 产出 | 适合 |
|---|---|---|---|
| 商品场景图 | 白底商品图 + 场景描述 | 多张不同场景的商品图 | 商品详情页、主图、社交媒体配图 |
| 数字人带货口播 | 一张形象照 + 口播稿 | 真人口播视频 | 讲解型带货视频、直播切片风格 |
| 带货短视频 | 商品图 + 分镜脚本 | 15～30 秒带货短片 | 短视频平台投放、商品种草 |
一、商品场景图怎么做
- 准备商品原图：白底或纯色背景，商品完整、清晰、光线均匀。原图质量决定了生成图里商品的还原度；
- 写场景描述：一张图一个场景，写清环境、光线、构图，例如「冬日清晨办公桌，保温杯放在笔记本电脑旁，杯口冒着热气，窗外柔和晨光」；
- 批量生成，挑选：同一个场景多生成几张，挑商品还原最好的一张；
- 核对细节：文字、标签、接口、纹理这些细节，AI 可能画错，逐张检查。
场景可以按用途规划，比如一套 6 张：日常使用场景、纯色背景主图、手持展示、户外场景、生活方式俯拍、节日礼盒。
二、数字人带货口播怎么做
- 写口播稿：30 秒左右，按「提出问题 → 介绍商品 → 讲两三个卖点 → 引导下单」写。卖点必须和商品实际参数一致，比如保温时长、容量、材质；
- 生成配音：用口播稿生成配音，选一个和形象匹配的音色；
- 生成口播视频：一张形象照加配音，生成人物说话的视频；
- 穿插商品画面：单独生成几个商品特写镜头（B-roll），剪辑时穿插在口播中间，避免整条视频都是人脸。
形象照要用本人或已获授权的肖像。
三、带货短视频怎么做
带货短片可以按四段结构写分镜，15～20 秒、6 个镜头左右：
| 段落 | 时长 | 内容 | 示例 |
|---|---|---|---|
| 开头吸引 | 约 3 秒 | 一个日常问题或反差画面 | 拿着笨重的传统榨汁机叹气：「榨个果汁，洗半天？」 |
| 展示商品 | 约 3 秒 | 商品出场，外观清楚 | 便携榨汁杯放到台面上，晨光照在杯身 |
| 讲卖点 | 每个卖点约 3 秒 | 一个镜头只讲一个卖点，用画面演示 | 一键榨汁；拧盖带走；冲水即净 |
| 引导下单 | 约 3 秒 | 商品全景 + 一句行动引导 | 几种颜色并排：「点链接，选个颜色」 |
写卖点镜头时，用画面演示代替夸张的说法：「倒过来也不漏」就拍倒置轻晃、没有水滴落下，而不是写「史上最强防漏」。
成本参考
| 素材 | 参考价格（RooYun 当前价目） |
|---|---|
| 商品场景图 | 每张 0.05～0.09 元 |
| 数字人口播视频 | 每秒 0.09 元，配音每秒 0.02 元 |
| 带货短视频 | 视频每秒 0.1 元起，按所选模型和分辨率计 |
以一条 30 秒数字人口播为例：口播视频 30 × 0.09 = 2.7 元，配音 30 × 0.02 = 0.6 元，再加几个商品镜头。具体以生成前显示为准。
发布前要核对什么
- 商品外观：颜色、形状、Logo、文字是否和实物一致。复杂的商品（文字多、结构精细）更容易出现细节偏差；
- 卖点和参数：口播和字幕里的说法是否和商品实际参数一致，不使用「最」「第一」等绝对化用语，符合广告法；
- 肖像授权：数字人形象是本人或已获授权；
- AI 标识：按平台规定标注 AI 生成内容，见《AI 漫剧发抖音、红果要注意什么》。
常见问题
AI 生成的商品图会不会和实物不一样？ 会有可能。以商品原图作为参考能提高还原度，但细节仍可能偏差。多生成几张挑选，发布前对照实物核对。
能直接用于广告投放吗？ 可以作为素材使用，但要自己核对商品信息是否准确，确保符合投放平台的规则和广告法要求。
没有模特能做手持、穿戴类图片吗？ 可以生成手持、使用场景的图片。涉及真人模特形象的，注意不要和真实人物相像。
在 RooYun 里怎么做
RooYun 的电商页提供三个模板：「一图六景」（一张商品图生成 6 种使用场景）、「30 秒口播带货」（口播稿 + 6 个商品画面）、「15 秒带货短片」（四段结构）。选一个模板开拍，把示例商品换成你的商品，并把商品原图连到每张分镜卡作为参考；也可以打开画布右上角的「创作助手」，选「带货口播」，说说你卖什么、卖给谁，助手先给出方案和报价，确认后再生成。成品带有 AI 生成标识。