AI-produktfotos ud fra ét telefonbillede: hvad der virkede, og hvad der brød sammen

På mit skrivebord står en navnløs sprayflaske i ravfarvet glas, af den slags man hælder parfume om i. Jeg tog ét billede af den med telefonen og ville finde ud af, om det ene billede var nok til at lave et sæt AI-produktfotos, der kan holde til en produktside, plus en kort AI-produktvideo.

Intet studie, ingen softboks, ingen hyret ind. Her er hele forløbet, inklusive de to dele der ikke lykkedes.

Hvad et telefonbillede faktisk mangler

Et træbord, et sammenfiltret opladerkabel, en halv kold kaffe, en hård skygge fra loftslampen og et gulgrønt skær hen over det hele. Det er her, de fleste mindre sælgere reelt starter.

Det, der mangler, er ikke skarphed. Det er tre andre ting: baggrunden er rodet, lyset har ingen retning, og udsnittet passer ikke til de øvrige billeder på siden. Netop de tre er, hvad AI-produktfotos i dag er bedst til at løse.

Kravene til råbilledet er små: hele genstanden med, ikke rystet, ikke druknet i skygge. Er det på plads, rækker et telefonbillede.

Første skridt er ikke at generere, men at fritlægge

Konklusionen først: fjernelse af baggrunden var den mindst besværlige del af hele forløbet.

Originalen til venstre, fritlægningen i midten og glaskanten forstørret, til man kan se pixlerne, til højre. Den gennemsigtige overhætte overlevede intakt, og kanten kom tilbage uden hvid glorie og uden trævler — glas og gennemsigtig plast er ellers præcis der, hvor fritlægninger falder fra hinanden, og denne gik igennem i første forsøg. Det trin kørte gennem fjernelse af baggrund.

At zoome ind afslørede til gengæld noget andet: det gulgrønne skær fra originalen fulgte uændret med. Fritlægning adskiller motivet fra baggrunden, den retter ikke farven. Filen med gennemsigtig baggrund er altså ikke et færdigt AI-produktfoto, men den reference, alle de følgende bygger på.

Lys slår kulisse: skriv lyset, ikke stedet

Med en reference i hånden brugte jeg AI-billedgenerering til at lave de fire scener, produktsider oftest beder om.

Øverst til venstre hovedbilledet på hvid: fladt lys, en reflektor til højre og en lille kontaktskygge under bunden. Øverst til højre står den på beige sten i varmt, lavt modlys, så skyggen trækkes lang, og en gylden kant løber ned ad glassets højre side. Nederst til venstre en mørk bund med ét hårdt lys, hvor venstre halvdel synker i skygge. Nederst til højre livsstilssporet: marmorbordplade og et par eukalyptusgrene.

Det mest brugbare fra dette trin: skriv scene og lys sammen. "På en stenoverflade" giver dig en overflade og et retningsløst lysbad. "Varmt, lavt modlys fra øverste højre hjørne, skygge trukket mod venstre, gylden kant på glassets højre side" giver dig billedet ovenfor. Retning, hårdhed og farvetemperatur flytter et AI-produktfoto langt mere end det, du stiller ind i baggrunden.

Lysretningen bliver i øvrigt ikke altid fulgt. Jeg prøvede endnu et billede på sort akryl og bad om lys fra venstre med skygge faldende mod højre. Spejlingen blev flot, men det lyse felt på gulvet blev liggende i venstre side, og skyggen var knap synlig. Det billede røg ud.

At få en hånd ind i billedet

Enhver produktside skal bruge et "hvor stort er det i hånden"-billede, og hånden er lige præcis der, hvor AI-produktfotos afslører sig selv: sammenvoksede fingre, en for meget, en knogle der bøjer den forkerte vej.

Jeg zoomede ind og talte efter: fem fingre, led der bøjer den rigtige vej, negle af samme længde, endda hudfolden ved tommelfingerens rod. Første forsøg, ingen gentagelser.

Hvad der brød sammen: teksten holdt, hætten gjorde ikke

Billedmodeller kan ikke skrive læsbar tekst. Det har jeg behandlet som en afgjort sag, så jeg tjekkede efter.

"LAVENDER MIST / 50 ml" kom tilbage korrekt stavet. Skiftet til kinesisk — 薰衣草喷雾 / 净含量 50 毫升 — gav ni tegn uden en eneste forkert streg. På længden af en kort etiket er den nedarvede sandhed udløbet.

Det, der reelt brød sammen, var jeg lige ved at overse.

Yderst til venstre hætten på originalen: kantet skulder, lige krop, flad i toppen. De fire til højre er de færdige billeder. Alle hætter er blevet kuplede, ingen to har samme højde eller bredde, og dysen indeni skifter form hver gang.

Modellen holdt fint fast i de store ting — glassets farve, etikettens placering, baggrund, lys. Det, der driver af, er netop denne slags strukturelle detalje, en anelse mere for hver ny gennemtegning. På et rigtigt produkt betyder det noget: en køber, hvis pakke ikke matcher hovedbilledet, efterlader én stjerne.

Løsningen er grov, men den virker: vælg det billede, hvis hætte ligger tættest på den rigtige genstand, lås det som eneste reference, og generér resten af dine AI-produktfotos ud fra det i stedet for at starte hvert billede forfra.

Fra stillbillede til en AI-produktvideo på 10 sekunder

Jeg valgte billedet på sten og sendte det gennem første og sidste frame til video, hvilket gav en AI-produktvideo på 10 sekunder.

Min prompt bad om to ting: en meget langsom indkørsel, og et sidelys der fejer fra højre mod venstre, så skyggen bliver kortere. Kun det første skete. Indkørslen er knivskarpt stabil — flaskens form, etikettens proportioner og glassets farve vakler ikke over godt to hundrede frames — men lyset står stort set stille, og skyggen er lige så lang til sidst som i begyndelsen.

Den byttehandel tager jeg. Det værste, der kan gå galt i en AI-produktvideo, er et motiv der deformeres, mens kameraet bevæger sig, og et velopdragent kamera er billig forsikring. Skal du bruge flere vinkler, så kør et par AI-produktvideoer mere ud fra samme låste billede og klip dem sammen.

Hvad det kostede i tid

Fyrre minutter og lidt til fra snapshot til færdige filer, hvoraf mere end halvdelen gik med at vente på genereringer og vælge mellem dem. To omgange blev kørt om: billedet på sort akryl ramte ikke lysretningen, ramte den heller ikke i andet forsøg og blev opgivet; hættens afdrift dukkede først op, da alt var færdigt, hvilket afskrev en hel runde med fire baggrunde. Var referencen låst fra start, var den runde sparet.

Værd at bemærke, at præcis ét skridt i hele processen kræver smag: at vælge hvilket billede der bliver reference. Resten er gentagelse.

Har du et produkt, du ikke kan fotografere ordentligt, behøver dit udgangspunkt ikke være bedre end mit snapshot. AI-billedgenerering klarer stillbillederne, AI-videogenerering klarer klippet, og når du vil lægge et dusin AI-produktfotos og et par videoer ved siden af hinanden for at bedømme dem, så træk hele bunken over på det generative lærred — hvad der skal blive, og hvad der skal køres om, ses med det samme.