Zdjęcia produktowe AI z jednego ujęcia telefonem: co zadziałało, a co się posypało

Na moim biurku stoi bezmarkowa butelka z atomizerem z bursztynowego szkła, z tych, do których przelewa się perfumy. Zrobiłem jej jedno zdjęcie telefonem i chciałem sprawdzić, czy ta jedna klatka wystarczy, żeby powstał komplet zdjęć produktowych AI nadających się na kartę produktu, a do tego krótkie wideo produktowe AI.

Bez studia, bez softboksu, bez wynajmowania kogokolwiek. Poniżej cały przebieg, razem z dwoma fragmentami, które nie wyszły.

Czego naprawdę brakuje zdjęciu z telefonu

Drewniane biurko, splątany kabel do ładowarki, pół zimnej kawy, twardy cień od lampy sufitowej i żółtozielony nalot na całości. Właśnie od tego zaczyna większość drobnych sprzedawców.

Brakuje tu nie ostrości, tylko trzech innych rzeczy: tło jest zagracone, światło nie ma kierunku, a kadr nie zgra się z pozostałymi zdjęciami na karcie. Te trzy to akurat dokładnie to, z czym zdjęcia produktowe AI radzą sobie dziś najpewniej.

Wymagania wobec materiału źródłowego są niewielkie: cały przedmiot w kadrze, bez poruszenia, nie utopiony w cieniu. Jeśli to się zgadza, zdjęcie z telefonu wystarczy.

Pierwszy krok to nie generowanie, tylko wycięcie przedmiotu

Najpierw wniosek: usuwanie tła było najmniej kłopotliwą częścią całego przebiegu.

Po lewej oryginał, po środku wycinek, po prawej krawędź szkła powiększona tak, że widać piksele. Przezroczysty kapturek zachował się w całości, a krawędź wróciła bez białej obwódki i bez postrzępienia — szkło i przezroczysty plastik to zwykle miejsca, w których wycinanie się sypie, a tutaj poszło za pierwszym razem. Ten krok przeszedł przez usuwanie tła.

Powiększenie ujawniło jednak coś innego: żółtozielony nalot z oryginału przywędrował nietknięty. Wycinanie oddziela obiekt od tła, ale nie poprawia koloru. Ten plik z przezroczystym tłem nie jest więc gotowym zdjęciem produktowym AI — to wzorzec, z którego powstają wszystkie kolejne.

Światło bije scenografię: opisz światło, nie miejsce

Mając wzorzec, użyłem generowania obrazów AI, żeby zrobić cztery sceny, o które karty produktów proszą najczęściej.

Lewy górny to zdjęcie główne na bieli: płaskie światło, blenda z prawej, mały cień kontaktowy pod dnem. Prawy górny stoi na beżowym kamieniu w ciepłej, niskiej kontrze — cień się wydłuża, a po prawej krawędzi szkła biegnie złota obwódka. Lewy dolny to ciemne tło i jedno twarde światło, lewa połowa tonie w cieniu. Prawy dolny to ścieżka lifestyle'owa: marmurowy blat i kilka gałązek eukaliptusa.

Najbardziej przydatny wniosek z tego etapu: scenę i światło pisz razem. „Na kamiennej powierzchni" da ci powierzchnię i bezkierunkową kąpiel światła. „Ciepła, niska kontra z prawej góry, cień wyciągnięty w lewo, złota obwódka na prawej krawędzi szkła" da ci kadr powyżej. Kierunek, twardość i temperatura barwowa poruszają zdjęciem produktowym AI o wiele mocniej niż to, co postawisz w tle.

Wskazanie kierunku też nie zawsze jest respektowane. Spróbowałem jeszcze jednego ujęcia na czarnym akrylu, prosząc o światło z lewej i cień padający w prawo. Lustrzane odbicie wyszło pięknie, ale jasna strefa na podłodze została po lewej, a cienia prawie nie było. To ujęcie odpadło.

Wprowadzić dłoń do kadru

Każda karta produktu potrzebuje ujęcia „jakie to jest w dłoni", a dłoń to właśnie miejsce, w którym zdjęcia produktowe AI się zdradzają: zrośnięte palce, jeden za dużo, kostka wyginająca się w drugą stronę.

Powiększyłem i policzyłem: pięć palców, stawy zginają się we właściwą stronę, paznokcie równej długości, jest nawet fałda skóry u nasady kciuka. Za pierwszym razem, bez poprawek.

Co się posypało: tekst przeszedł, nakrętka nie

Modele obrazu nie potrafią napisać czytelnego tekstu. Traktowałem to jako rzecz przesądzoną, więc sprawdziłem.

„LAVENDER MIST / 50 ml" wróciło zapisane bezbłędnie. Po przełączeniu na chiński — 薰衣草喷雾 / 净含量 50 毫升 — wyszło dziewięć znaków bez jednej fałszywej kreski. Na długości krótkiej etykiety ta odziedziczona prawda straciła ważność.

To, co naprawdę się posypało, prawie mi umknęło.

Skrajnie po lewej nakrętka z oryginału: kanciasty bark, prosty trzon, płaska góra. Cztery po jej prawej to gotowe ujęcia. Wszystkie nakrętki zrobiły się kopulaste, żadne dwie nie mają tej samej wysokości ani szerokości, a dysza w środku za każdym razem zmienia kształt.

Rzeczy duże model utrzymał dobrze — kolor szkła, położenie etykiety, tło, światło. Dryfuje właśnie ten strukturalny szczegół, z każdym przerysowaniem odrobinę dalej. Przy prawdziwym produkcie to się liczy: kupujący, którego przesyłka nie zgadza się ze zdjęciem głównym, zostawia jedną gwiazdkę.

Sposób jest topornym, ale działa: wybierz ujęcie, w którym nakrętka jest najbliższa rzeczywistemu przedmiotowi, zablokuj je jako jedyny wzorzec i wygeneruj pozostałe zdjęcia produktowe AI z niego, zamiast zaczynać każde od zera.

Od nieruchomego kadru do 10-sekundowego wideo produktowego AI

Wziąłem kadr na kamieniu i przepuściłem go przez pierwszą i ostatnią klatkę na wideo, otrzymując 10-sekundowe wideo produktowe AI.

Prompt prosił o dwie rzeczy: bardzo powolny najazd i boczne światło przesuwające się z prawej na lewą tak, żeby cień się skracał. Zdarzyła się tylko pierwsza. Najazd jest wzorowo stabilny — kształt butelki, proporcje etykiety i kolor szkła nie drgają przez ponad dwieście klatek — ale światło stoi praktycznie w miejscu, a cień na końcu jest tej samej długości co na początku.

Zgadzam się na taką wymianę. Najgorsza usterka w wideo produktowym AI to deformacja obiektu podczas ruchu kamery, a grzeczna kamera to tania polisa. Jeśli potrzeba więcej ujęć, wypuść jeszcze kilka wideo produktowych AI z tego samego zablokowanego kadru i zmontuj je razem.

Ile to kosztowało czasu

Czterdzieści minut z hakiem od zdjęcia do gotowych plików, z czego ponad połowa to czekanie na generacje i wybieranie między nimi. Powtórki były dwie: ujęcie na czarnym akrylu chybiło kierunek światła, chybiło go ponownie przy drugim podejściu i zostało porzucone; dryf nakrętki wyszedł na jaw dopiero po wszystkim, co skreśliło całą rundę czterech teł. Zablokowanie wzorca na starcie oszczędziłoby tę rundę.

Warto zauważyć, że w całym procesie dokładnie jeden krok wymaga gustu: wybór kadru, który zostanie wzorcem. Reszta to powtarzanie.

Jeśli masz produkt, którego nie umiesz dobrze sfotografować, twój punkt wyjścia nie musi być lepszy niż moje zdjęcie. Generowanie obrazów AI zajmuje się kadrami, generowanie wideo AI klipem, a kiedy zechcesz rozłożyć tuzin zdjęć produktowych AI i kilka filmów obok siebie, żeby je ocenić, przeciągnij całość na płótno generatywne — które zostawić, a które puścić od nowa, widać na pierwszy rzut oka.