用例分享 | 实战用AIGC的方式90分钟0成本制作商用平面广告

阅读本文你将Get:

· 使用AIGC进行商品平面广告创作的实战用例教程；

· AIGC与传统制作流程在成本和效能上的对比；

大家好，我是Char，一个专注CG领域的全栈制作人，也是一个正在探索和积极实践中的AI Prompt Engineer。相信很多朋友最近都会和我有一样的感受，那就是，几乎每天都会有和AI有关的科技响雷在头顶上空炸裂，AI正在逐步渗透到我们生活的方方面面。人类奇点是否来临？设计师会不会被AI淘汰？这些问题暂且按下不表，对于始终相信“科技是第一生产力”的我来说，拥抱变化、直面挑战探索AI在行业领域里的应用潜力，是唯一积极的态度与做法。而迎接这扑面而来的变革最好的时间，就是此刻。

随着人工智能技术爆发式发展的，AI生成图像技术已经成为了目前最为热门和有前景的技术之一。Midjourney可能是大家最为熟知的AI生图模型了。‍

一些热门的通过Midjourney生成的画作

大量由Midjourney生成的精美画作在各种媒体上赚足了流量，而用来形容背后创作者的诸如“零美术基础”、“非专业设计”这一类标签词，也着实令人目瞪口呆又将信将疑。于是，任凭谁都跃跃欲试，想要看看这科技的力量到底能不能将麻瓜随意呼出的“咒语”创造成奇迹。

*AI生成图像技术简单来说就是利用深度神经网络模型学习大量图片素材的特征和规律，并将其融入到实际图像制作过程中进行图像生成。

究其功用，除了用来欣赏或是作为灵感库之外，AI生图还有没有其他”更实用”的价值呢？

带着疑问我去问了GPT，得到的答案是这样的——“AI生成图像这项技术拥有广泛的应用领域，比如数字娱乐、虚拟现实、电子商务等。” 鉴于行业特性，我又追问了在平面广告设计领域中的可能性——“AI生成图像技术不仅可以帮助设计师更快速、高效地完成广告素材的创作，还可以通过对大量的市场数据进行学习，提升广告效果与转化率，从而更好地为企业发展提供支持。随着这项技术在广告设计领域的不断推广和应用，相信其潜力和市场前景必将越来越广阔。” 这么看来，答案是一定的，但还不够。

我需要它站在我已经拥有的专业技能和行业经验的基础上，高度定制化的为我服务。

于是，我开始了大量的测试。今天要跟大家分享的这篇使用AIGC方式制作商用级平面广告的实战用例，就是在经历了上千次的测试之后得出的切实可行的解决方案。所以，敲重点，想要让AI 生图进入你的工作流，成为你降本增效的神器，第一步，关注账号“AIneon Labs”，收藏、转发、在看…去做那些你会为一个有价值的文章所做的一切吧~！之后这里也会不断更新专注设计和CG制作领域的最新模型测试、实战用例教程，以及最前沿的行业信息。

商用级平面广告用例分享 ‍

此次用例我选择某奥品牌的香水作为商品示例，我将全程采用AIGC实现，用到的仅有Midjourney(以下简称“MJ”）和StableDiffusion（以下简称“SD”）及其插件。目标是通过AI生成的视觉效果和独特的创意元素，来展示商品的高端品质和独特魅力。

流程中涉及的工具

· [Stable Diffusion]

插件：Webui Wd14 Tagger | ControlNet

· [ChatGPT]

版本GPT-3.5-turbo

· [Midjourney]

版本：V5

Step 1 反推Prompt

首先你需要用图的形式来表达你已经策划好的创意。这个图样可能来自创意部门的绘制，也可能来自任何你已经确定下来的参考图。在此次实战用例中，由于我们重点分享的是使用AIGC将创意落地的过程，所以创意的来源我将跳过策划的部分，直接以示例香水官网上2023春季的平面广告创意为例。

示例香水平面广告参考图

接下来，我们通过Stable Diffusion将图片内容进行反推以获取简单版的提示词。这里我用到的插件模型是Webui Wd14 Tagger。值得一提的是，Webui Wd14 Tagger的反推效果是我测试下来相比SDiffusion原生的以及Midjourney官方的，效果都要好的一个模型。反推后，我们获得了“简单版提示词”，如下图红框所示：

Stable Diffusion Webui Wd14 Tagger 反推提示词界面

Step 2 使用Chat-GPT整合输出提示词

将上一步反推获得的简单版提示词结合我们对商品的文字描述一起喂给GPT，我这里使用的是Gpt-3.5-turbo-0301。注意，这部分文字描述可能来自你的商品策划团队或市场运营团队，文字描述主要用来影响AI去理解商品的外观、气质、特性或是受众偏好等等。GPT会根据我们整合后的描述进行分析从而吐出更为精准的Prompt。

Chat-GPT输出更多prompt

Step 3 通过MJ测试输出图片

在这一步中，你可能需要大量的测试和对提示词进行调整，以便使生成的图片能无限接近你理想的视觉效果。不用担心调整用时，即便是在没有开通快速生成会员的前提下，每生成一批侧视图也只需要约3分钟左右，也就是说，1小时内我们就可以得到近百张修改方案预览图，并且只要你愿意，它会不知疲倦的修改到你满意为止。

Midjourney 测试生成界面

部分符合需求且风格相近的Midjourney 测试生成的图

以上，都是接近需求视觉风格的测试生成图，我截取了部分在这里进行展示，实际操作过程中，你会面对更大规模的测试生成图。不过，随着经验的增加，测试生成的结果会越来越准确，挑选的范围也会相应缩小。最终，在众多测试图生成结果里，我筛选出了下图作为素材。

最终选定的生成图作为待用素材

需要注意的是，尽管每次测试生成的图里都有一瓶香水，但是他们都不是我们此次用例最终要出现在广告图里的那一款，这些“替身”香水瓶之所以出现，是因为我们在提示词里会有“香水瓶”相关的的prompt存在，所以它们的作用仅仅是占位。

Step 4 制作商品图蒙版

将广告中需要出现的商品图进行处理使之成为可用的素材状态，并输出蒙版。如果这一步你拿到的已经是干净完整的商品外观标准图了，那就可以直接制作蒙版了。这里我是从示例香水官网的商品详情页中取商品外观图并经过抠图处理成可用素材的，然后再制作蒙版，如下图。

抠图处理后的商品标准图

商品标准图蒙版

Step 5 导入至SD进行调试

将制作好的商品标准图蒙版导入SD进行合成渲染，这里我们仍需要大量的测试出图并反复对提示词进行调整，直到生成的图片能达到较为理想的视觉效果。这一步我们主要调整商品所占整个平面广告画面的比例、位置、色彩、光以及氛围等。

Stable Diffusion合成渲染界面

之所以需要人工控制AI反复调整而不是全权授予AI来决策，我想是因为在AIGC尚未大规模面向B端商用之前，设计师的审美偏好以及对广告心理学作用在目标受众画像上的把控仍是客户选择信任并委托我们来服务的重要核心。

最终生成稿及细节展示 ‍

这里最终生成图作为AIGC部分的教程演示，成片的效果没有经过任何修图、调色等传统流程中的后期操作。在实际的项目操作中，本着成果最优化的原则，必要时仍需结合传统设计工具和流程

无任何后期的最终生成稿

细节展示

AI生成的图片其细节之细腻，尽管我在大量测试过程中已经反复领教过，但每次放大再看仍然会被震撼到。在一个商业的平面广告项目中，品质之间的差异往往是由这些细枝末节的精致度所拉开的。处理一个细节到位的素材在传统的工业流程里，对摄影、灯光、置景以及后期处理的要求都不会低，其对应的成本也由此可见一斑。然而AIGC做到了几乎成本0增加前提下的品质拉满。

AIGC和传统制作方式对比

此次用例，从选好参考图启动prompt反推开始计算，一共耗时90分钟左右，全部工作人员只有我和AI。基于以往的项目经历，我对比了AIGC的方式与广告公司传统制作方式之间的差异，结果可以明显看出AIGC在降本增效方面的显著优势。

AIGC的方式与广告公司传统制作方式对比

AIGC方式与广告公司传统制作优势对比

相比传统4A公司制作平面广告的流程，AIGC在制作平面广告时的显著优势在于缩短包括创意方案、素材采集、素材拍摄等环节在内的工作时长以及制作周期，同时也可以减少对专业美术人才的依赖。

然而，我们也应认识到AIGC在商业应用领域的局限性。人工智能作为辅助创作的工具，用于生成的模型若想要满足定制化的设计服务场景，仍需大量的测试和训练，虽然减少了对细分环节职人的依赖，但跨学科综合型人才的参与则是不可或缺的。在未来发展中，AIGC与传统设计流程的融合将是关键所在，充分发挥各自优势，才能在商业应用的场景中将品质和效果最大化。基于此，我们有理由相信AIGC辅助制作平面广告将成为品牌推广的重要趋势，并为企业发展提供有力支持、带来更多创新和价值。

以上，就是此次用例分享的全部内容，希望我我的分享能给大家的制作思路带来一些启发。受制于篇幅，制过程中仍有很多细小枝节和技巧值得展开说明，如果你对此次AIGC实战用例分享感兴趣，欢迎关注公众号并加入我们的社群，和更多成长中的AI Prompt Engineer一起交流、学习，共同创造更多价值。‍

本文为作者原创，转载请联系作者本人授权

作者：Char、愚人

编辑：愚人