stable diffusion批量生成摄影棚产品图需固化全流程：锁定纯白背景、影棚布光、居中构图、超清质感；用变量提示词或csv模板切换参数；固定sdxl主模型+refiner+controlnet（lineart，权重0.55）节点顺序；负向提示词屏蔽常见缺陷；dpm++ 2m karras采样；自动抠图纯化背景并统一分辨率至1280×1568。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用Stable Diffusion批量生成摄影棚风格的产品图，需要把提示词、参数、模型选择和图像处理环节全部固化成可复用的流程，避免每次调参重试浪费时间。
明确摄影棚产品图的核心要素
摄影棚图的关键是干净背景、精准打光、无畸变构图、高细节质感。必须在提示词中强制锁定这四点，否则即使换模型也容易出阴影杂乱、边缘虚化或背景带纹理的图。提示词里漏掉“studio lighting”或“pure white background”，生成结果大概率要返工。
先写基础提示词骨架：【product shot on pure white background, studio lighting, centered composition, ultra-detailed texture, 8k --ar 4:5 --v 6.0】。其中--ar 4:5适配电商主图比例，--v 6.0限定使用SDXL版本，避免混用旧模型导致风格漂移。
把提示词拆解为可替换变量模块
方法一：用占位符实现快速切换
把产品名称、材质、视角、光源方向设为变量，例如：
“{product} made of {material}, {angle} view, {lighting} lighting” → 替换后变成“ceramic mug made of matte porcelain, front view, soft key light from left”。
注意：{product}必须具体到品类（如“wireless earbuds”不能只写“electronics”），否则模型会默认渲染带包装盒的场景，破坏摄影棚简洁感。
方法二：建本地CSV模板库
新建Excel表格，列名设为product、material、angle、lighting、suffix；每行填一组组合。导出为product_shots.csv，用ComfyUI的“Load CSV”节点直接读取，配合“Prompt Batch”节点自动拼接。这一步省去手动改提示词的时间，且所有参数版本可追溯。
固化参数与工作流节点顺序
第一步：加载SDXL基础模型（如juggernautXL_v8Rundiffusion.safetensors）→
第二步：接入Refiner模型（如sd_xl_refiner_1.0.safetensors），仅在CFG=3.5、Denoise=0.3时启用，过强refine会抹掉金属反光细节；
第三步：插入ControlNet节点，预处理器选“lineart”+模型选“control-lora-sdxl-1.0-lineart-rank256.safetensors”，权重设0.55——太高会导致边缘生硬，太低则无法约束产品轮廓；
第四步：正向提示词走主模型，负向提示词固定填入：“deformed, blurry, text, watermark, logo, shadow on background, floor reflection, multiple objects, lowres”；
第五步：采样器强制用DPM++ 2M Karras，Steps=30，Seed留空（启用随机种子）。
这五步顺序不可颠倒。ControlNet必须在Refiner之前启用，否则refiner会重绘ControlNet生成的线稿结构，造成产品变形。
输出前加一层自动抠图与尺寸标准化
方法一：用ComfyUI内置“Remove Background”节点，模型选“u2net_human_seg”，对白底图做二次纯化——有些SDXL生成的“white background”实际含RGB(254,254,255)色差，直接上传电商后台会被识别为非纯白，触发审核失败。
方法二：接“ImageScaleToTotalPixels”节点，设Target Pixels=2000000，保证所有图统一为1280×1568像素（4:5比例下最接近200万像素），避免人工缩放导致模糊。
最后保存节点设为“Save Image”，路径固定为./output/studio_{time:%Y%m%d}_{product}，文件名自动带日期和产品名，不用手动重命名。
