做跨境的朋友大概都有过这种经历：
花三天做出一套自认为很高级的主图，光影、质感、构图都挑不出毛病。上架跑两周，曝光有，点击率就是上不去。
问题往往不在设计，在主图的任务被搞错了。
国内详情页可以慢慢讲故事，买家愿意往下滑。跨境不行——尤其 Amazon，七成以上流量来自手机，你的主图在搜索结果里只有指甲盖那么大，和另外二十个同款挤在一屏。买家的手指是在 0.5 秒内决定要不要停下来的。
所以一套跨境主图，真正要回答的是两个问题：
第一张，能不能让人在缩略图里认出这是什么。
后面几张，能不能一屏一屏把犹豫拆掉。
这次我拿一只陶瓷马克杯走了一遍完整流程。而且我想特意说明一件事：我用的不是影棚图，是手机随手拍的一张。
桌上光线一般，背景是办公桌，杯子边缘还有点反光。就这么一张，跑出了 8 张主图，外加多语种版本。
跨境主图和国内主图，规则根本不是一套
这一段可能是全文最值钱的部分，做国内转跨境的团队踩坑基本都在这儿。
Amazon 的第一张主图（MAIN）是有硬规矩的：
- 纯白底（RGB 255,255,255）
- 产品占画面 85% 以上
- 不能有任何文字、logo、水印、边框
- 不能有配件、道具、模特出镜
- 不能是插画或渲染感过强的图
很多人把国内那套「主图上大字报卖点」搬过去，结果就是审核打回；或者更糟——过了审但点击率极差，因为缩略图缩小之后，那堆字糊成一团。
但副图（2-7 张）完全放开：可以带文字、可以场景、可以尺寸标注、可以对比图。这才是讲卖点的地方。
再往外看，其他平台又不一样：
| 平台 | 主图特点 |
|---|---|
| Amazon | 首图纯白无字，副图模块化、移动端可读 |
| Shopify | 品牌感、生活方式，可以更松更氛围 |
| Temu / AliExpress | 信息密度高、卖点直给、价格感强 |
| Ozon / Wildberries | 竖版为主、俄语短文案、产品摄影优先 |
平台适配不是改个尺寸那么简单。它决定了画面比例、文案语言、信息密度、有没有标签、重场景还是重结构。
这也是为什么单靠一条提示词很难稳定产出——你要适配的不是一个标准，是四五套标准。
三步流程：上传 → 分析 → 出图
整套流程可以缩成三步，我一个个说。
第一步：上传一张手机实拍图
打开「主图海报」，把手机拍的那张马克杯照片传上去。
这里可以做两件事，也可以只做一件：
想说的，就写一句。比如「这是一只陶瓷马克杯」。一句话，不用写提示词，不用堆形容词。
懒得写，也可以什么都不填。直接进下一步，它会自己看图判断。
我这次两种都试过，结果差别不大。写一句的好处是省掉它猜品类的环节，尤其当产品外形有歧义的时候——比如陶瓷杯和不锈钢保温杯在某些角度下确实容易看错。一句话成本极低，建议还是写。
第二步：点「语言模型」，让它先把产品读一遍
这一步是整套流程里最关键、也最容易被跳过的一步。
点「语言模型」，它会自动分析这张图，把产品信息拆出来：
- 产品类型——陶瓷马克杯，带柄，直筒杯型
- 材质——陶瓷本体，外壁釉面，哑光/亮面
- 图案与配色——杯身图案、颜色、有没有 logo 位置
- 结构特征——手柄形态、杯口厚度、杯底形状
- 可推导的卖点——容量感、握持感、适用场景、是否可微波/洗碗机
分析完，会给你一份产品信息清单。
重点在这里：这份清单是可以手工改的。
哪一条读错了，直接改；哪一条它没提到但你知道的，自己补上。比如：
- 它写了「约 350ml」，你手上有准确数据，改成「400ml / 13.5oz」
- 它没提到杯底有防滑圈，你补上
- 它把哑光看成了亮面，你改回来
- 你知道这批货过了 LFGB 检测，把这条加进去
这一步做得越细，后面出的图几乎不用返工。
反过来，这一步图省事，后面就要在成品图上一张张挑毛病——那个成本高得多。
我自己的习惯是在这一步多花五分钟，把清单从上到下过一遍。五分钟换掉后面半小时的返工，很值。
顺便说：马克杯这个品类，哪些能写哪些不能写
上面那份清单要改，改的时候有个原则，跨境比国内重要十倍。
我习惯把信息分成三类：
第一类，已确认的。容量、尺寸、材质、颜色、图案、手柄形态、杯底防滑。这些放心写进图上文案。
第二类，合理推断的。适合咖啡、茶、办公室、送礼。这是这个品类的正常用法，保守表达没问题。
第三类，必须有依据才能讲的。
马克杯这个品类，这一类特别多，而且踩了就是真出事：
- 微波炉可用 / 洗碗机可用——没测过就别写。带金属描边的杯子进微波炉会打火
- 食品接触安全——美国要 FDA、欧洲要 LFGB，加州还有 Prop 65 铅镉限量
- 保温时长——陶瓷杯本来就不保温，写「保温 4 小时」是自找麻烦
- 图案不掉色 / 耐洗次数——要有测试数据
- 微波炉安全这类词，Amazon 是会因为买家投诉直接下 listing 的
确认的大胆讲，推断的保守讲，没证据的不讲。
这一条在清单编辑那一步就要执行完，不要等到图出来了才发现文案写过头。
第三步：点「绘图语言模型」，8 个方向一次出
清单确认好了，点「绘图语言模型」。
这一步有四个东西可以选。
1. 出图方向：8 张
系统会按买家的犹豫顺序排出 8 个方向。要几张选几张，不用非得全出。
马克杯这 8 个方向，对应的是买家脑子里这一串问题：
这杯子长什么样？→ 多大，能装多少咖啡？→ 陶瓷厚不厚，会不会烫手？→ 釉面质感怎么样，安不安全？→ 能进微波炉洗碗机吗？→ 摆在我桌上好不好看？→ 有没有别的花色？→ 送礼的话，包装扛不扛运输？
| # | 页面任务 | 解决的犹豫 |
|---|---|---|
| 1 | MAIN 纯白底 | 这是什么（缩略图能认出） |
| 2 | 容量对照 | 装多少，够不够一杯美式 |
| 3 | 手柄握持 | 好不好拿，烫不烫手 |
| 4 | 釉面细节微距 | 质感、做工、安全感 |
| 5 | 微波炉 / 洗碗机 | 能不能这么用 |
| 6 | 桌面真实场景 | 放我家好不好看 |
| 7 | 花色 / 尺寸可选 | 有没有适合我的 |
| 8 | 礼盒与防碎包装 | 送礼合不合适，会不会碎 |
到了这一步，出图就不再是「自由创作」，而是执行明确任务：一张图只解决一个犹豫，不贪多。
顾虑排序这件事，过去靠运营经验慢慢磨。现在语言模型先跑一遍，你在它的结果上改，比从空白开始快得多。
2. 语言：10 种主流语言
这是跨境公司最容易浪费人力的环节。
常见做法：英语版做完，德国站要上，重新排一遍；日本站要上，再排一遍；俄罗斯站要竖版，又排一遍。一套图变四套工作量。
这里直接在出图前选语言就行，一共 10 种主流语言。同一套 8 张图，画面构图、产品位置、光线完全一致，只有图上文案换成对应语种。
这样做的好处有三个：
- 省掉数倍返工——画面只需要定一次
- 品牌视觉统一——各站点看起来是同一个牌子
- 数据可对比——德国站点击率低，你能确定是文案问题，不是画面问题
3. 出图比例
Amazon 主图习惯 1:1，Ozon、Wildberries 要竖版，Shopify 首页横幅又是另一套。在这里选，不用出完再去裁——裁过的图，文字排版一定会出问题。
4. 字体策略
这个选项容易被忽略，但对跨境很实用。
德语单词平均比英语长 30% 左右，同一个卖点，英语一行能放完，德语可能要两行；日语的行高、标点、断行习惯又完全不同。字体策略就是提前把这件事处理掉，不至于出图之后发现文字挤爆或者留白一大片。
四项选完，点生成。
视觉证据：每一张都要有「视觉证据」
这一条是 AI 电商图最容易翻的地方。
写了「大容量」，画面里没有参照物。写了「防烫手柄」，画面里没有手。写了「微波炉可用」，画面里没有微波炉。
文字在喊卖点，画面里一个证据都没有。
所以每一屏都要有一个视觉证据：
- 容量→ 咖啡机接满的液面高度 / 旁边放罐装饮料对照
- 握持→ 一只手完整握住手柄，露出虎口位置
- 釉面→ 微距打光，看得见釉层反光和杯口厚度
- 可微波→ 杯子在微波炉里 / 洗碗机内篮里
- 场景→ 真实桌面、笔记本旁边、清晨窗光
- 花色→ 多只杯子并排，颜色一目了然
- 包装→ 开箱视角，露出内衬和防撞结构
一张合格的主图，检验标准很简单：
把上面的文字全部遮掉，买家还能大概看懂这一屏在讲什么。
做不到，这一屏就是废的。
还有一点：产品不能漂。
一套图跑下来，杯子的手柄弧度、杯身图案位置、杯口厚度必须是同一只杯子。这也是为什么第二步那份清单要认真填——你把结构特征写清楚了，它才知道哪些地方不能变。
下面挑 5 张出来看，分别是白底、容量、握持、场景、花色：
整套流程，其实就是一句公式
手机实拍 → 语言模型分析 → 人工校正清单 → 卖点分级 → 分屏任务 → 视觉证据 → 平台与语种设置 → 一键出图
看着长，实际操作只有三步：
第一步，上传。手机拍的一张就够，加一句「这是陶瓷马克杯」，或者什么都不写。
第二步，点语言模型。它把产品、材质、图案、卖点全拆一遍，你在结果上改。这一步做得细，后面基本不返工。
第三步，点绘图语言模型。选张数、选语言、选比例、选字体策略，一键出图。
不用写提示词，不用配环境，不用梯子。国内网络直接打开就能用。
出图为什么稳？底层是最新的语言模型与顶级绘图大模型，写实场景和材质细节在目前的生图模型里算最能打的一档，再加上针对电商场景做过算法调优——同一套操作，今天出和下周出，效果不会差太远。
这一点对铺货型团队特别重要：你要的不是一张惊艳图，是一百套稳定图。
最后提醒三件事
一、清单那一步别偷懒。上传只要十秒，出图只要几分钟，真正决定成品质量的是中间那份清单。它是整套流程里唯一需要你动脑的地方。
二、成品必须过一遍人工。产品有没有被改、参数有没有写错、卖点有没有依据、外语文案有没有语法问题。这一关省不得，尤其涉及食品接触和微波炉这类合规表述。
三、别指望自动化替你做判断。真正的自动化不是省掉思考，而是把思考前置到清单里。方向、审核、合规判断，还是人的活。
以前一套跨境主图从拍照到定稿，三四天算快的；多语种再加一周。现在手机拍一张，8 张主图一小时上下；多语种一起，半天。
差别不在手速，在有没有把顾虑拆清楚这一步做在前面。
同一款产品，把方法换个模块还能继续跑：详情页拆成 10 屏、竞品版式复刻成你的货、竞品详情里的商品一键替换、整套图动态化成视频。跨境要用的生图需求基本都在里面。
关注白玉楼图创 · 更懂电商老板的智能体工具