宠物电商代运营场景下，营销物料长期依赖实拍 + 修图，成本高、周期长、宠物模特不可控；搭建基于开源模型垂类微调的 AIGC 出图工作台，让零设计基础的运营一键产出场景化商品图。
宠物电商代运营团队每月需产出数百张营销素材，覆盖商品上新、活动促销、社媒投放。传统生产链路是线下棚拍 + 设计师修图：棚拍场地、摄影师、宠物模特按次计费，单组素材成本数千元；猫咪不配合拍摄导致周期不可控、废片率高；每张图抠图、调色、合成场景需熟练设计师 30–60 分钟；不同批次出图风格不统一，品牌视觉碎片化。
目标是用 AIGC 替代实拍与修图环节，让零设计基础的运营能稳定产出场景化商品图。
核心判断：不做通用绘图平台，做宠物电商营销素材场景内的提效工具。用风格固化替代自由 Prompt，用垂类微调替代通用模型，让零设计基础的运营能稳定出图。
| 角色 | 使用场景与诉求 |
|---|---|
| 运营人员 | 零设计基础，日常高频使用；诉求是快速出图、操作简单、风格稳定、商品不变形 |
两个核心场景：
初期先验证图生图方案（Edge to Cat 类迁移），现场调研运营后发现两个不匹配：手绘输入门槛高（运营不会画）、商品重绘易变形（结构对不齐）。基于验证结论确定新架构：文生图 + 垂类微调，配合 ControlNet 锁结构，从输入侧绕开手绘门槛，从模型侧解决变形。
自由 Prompt 文生图的问题是同一 Prompt 多次生成风格差异大、出图不稳定。方案是沉淀两个高优风格 LoRA，以风格模板形式提供给运营选择：
运营侧只选风格、不写 Prompt，复杂参数黑盒化。用风格固化解决文生图架构下出图不稳定的问题。
原生 SD 直接重绘商品图，特征保持率仅 50–60%，商品变形是最高频 badcase。迭代路径：
每一步解决一类高频 badcase，迭代后必须通过评测集回归。外形轮廓权重最高（40 分），因为形状变了商品就不是那个商品。
运营零设计基础，开放 Steps、CFG、采样器等参数只会导致误操作和出图波动。方案是固定种子、Steps、CFG、采样器，只暴露风格模板选择。参数固化带来两个效果：出图稳定性提升、风格一致性 +15pp。
"商品变不变形""风格统不统一"涉及主观判断，自动化指标（CLIP Score、图像清晰度）测不准。方案是三层混合评测：客观指标自动监控（成功率、耗时、异常告警）、人工抽检定质量（商品特征保持率、风格一致性）、业务全量标注（直出免修、badcase 分类）。人工抽检是质量最终裁判。
Web 端，四个页面：生成页（上传、选风格、结果）、历史记录（筛选下载）、风格模板页、数据看板（PM/算法可见出图量、评测指标、badcase 分类）。运营不开放模型参数与训练数据权限。
运营下载时标注可用/不可用及问题类型（变形、纹理丢失、风格跑偏、背景错乱、配色偏差等），每周汇总分类；PM 定位高频问题，算法针对性优化（LoRA 重训、ControlNet 调整、工作流修改、Prompt 优化），50 条评测集离线回归，指标不下降则发布，修正样本回流评测集。闭环周期 2–4 周一轮。
| 指标 | 评测方式 | 目标 | 实际 |
|---|---|---|---|
| 商品特征保持率 | 人工抽检（100 张/月，3 人标注） | ≥80% | ≥90%（超预期） |
| 风格一致性 | 人工抽检（50 张/月，3 人标注） | ≥75% | ≥85%（超预期） |
| 商用可用率（含轻修后） | 运营估算 + 反馈 | ≥90% | 约 70%（未达预期） |
特征保持率与风格一致性不达标，图一定不可用；但这两个达标不代表一定商用可用（还可能构图不好、光影奇怪），所以最终由运营人工终审。商用可用率因修图后数据回传不完整，作为参考值不设硬门槛；直出免修量（200+ 张/月）是精确可统计的硬指标。
| 指标 | 传统模式基线 | 目标 / 实际 |
|---|---|---|
| 商品特征保持率 | 原生 SD 50–60% | ≥90% |
| 风格一致性 | 自由 Prompt 60–70% | ≥85% |
| 直出免修 | 0 | 200+ 张/月 |
| 单张生产周期 | 约半天（4 小时） | ≤5 分钟 |
| 单人月出图量 | 受设计资源限制 | 900+ 张 |
| 单次生成 GPU 成本 | 外包 50–200 元/张 | 约 0.03 元 |
| 月均 GPU 开销 | — | 30–50 元 |