AI 品牌视觉一致性实战:1,240 张物料验收,裸生成直接可用率只有 18.7%

去年十月,一家做母婴用品的客户扔给我们一个活儿:「双十一前要出 800 张社媒物料,海报、开屏、详情页头图都有,品牌感不能散。」我们按老流程接了——直到他们的品牌经理问了一句让我们集体沉默的话:「你怎么保证第 700 张和我们第 12 张看起来像同一家公司做的?」

这句话戳中了 AI 视觉生成里最真实却最少被谈的问题。单张图的「好看」早就不是瓶颈,跨 700 张的一致性才是。这篇复盘写我们怎么把 1,240 张品牌视觉素材过了一遍一致性验收:6 周、3 条产品线、4 条生成路线。结论先说:不做工程化控制的裸生成,一致性达标率只有 18.7%;把「氛围生成」与「版式、资产」分层之后,达标率 61.4%,单张综合成本从 27.6 分钟降到 9.8 分钟。

一、先把「一致」拆成可以打分的四件事

「感觉不对」是不能验收的。我们把品牌一致性拆成四个可量化维度,每条一个硬指标,由两位品牌侧评审盲评打分,分歧超过 2 分引入第三人仲裁:

维度 硬指标 初版达标率 工程化后
色彩 画面主色与品牌色板中心色 ΔE<8 41.2% 88.6%
字体与文字 品牌字重、字距正确,无错字无伪字 22.4% 79.3%
构图语言 留白比例、主体视线方向、安全区一致 34.7% 72.8%
符号资产 logo、产品形态、IP 形象不走形 57.9% 91.2%

这四个维度没有一个是「换个更强的模型」能解决的——其中三个本来就不该由生成模型来干。

二、色彩:为什么 AI 永远给你「差不多」的品牌色

我们测了四条路线:Midjourney v7 的 --sref 风格参考加提示词写十六进制色值、DALL·E 3 的自然语言色板描述、Stable Diffusion 3.5 的 IP-Adapter 参考图,以及 Flux 加 32 张品牌图自训的 LoRA。指标看三件事:主色 ΔE 中位数、跨图 ΔE 方差、同一提示第 12 次与第 1 次的色偏移。

结果很分裂:提示词里写死十六进制基本没用(ΔE 中位数 12.4,只比不写低 1.9)——在文本到图像的映射里,色值是语义概念而不是数值,模型倾向于把它渲染成「那个颜色的感觉」。真正起作用的是把色板变成像素条件:IP-Adapter 参考图把 ΔE 中位数压到 6.1,品牌 LoRA 压到 4.8,跨图方差同时降了一个数量级。

但 LoRA 有个我们一开始没算的代价:32 张品牌图的 LoRA 锁的是「色调倾向」,锁不住「该用哪一支」。客户的色板有 7 支主色,LoRA 的输出分布会向训练集里占比最高的那两支塌缩。最后我们的做法是LoRA 管氛围,色板映射交给一个 40 行的 Python 脚本:取生成图的主色聚类中心,最近邻映射到品牌色板,超出 ΔE 阈值的整张重生成或走后期校正。这一步让色彩达标率从 54% 跳到 88.6%,每张只多 1.2 秒。

三、文字和字体:把它从生成里拿掉

品牌物料里的文字是纯灾难区:1,240 张里 12.6% 出现伪字或错字,长句错误率是小字的 3.1 倍,而「品牌字重」(中等粗细、略紧的字距)几乎没有一次自动是对的。我们试过业内常见的拆图层再回设计工具重排,最后固化下来的是更笨但更稳的一招:不要让模型写长句。

  • 4 字以内的短标语可以交给模型,但要过一道 OCR 回读校验(PaddleOCR,两轮不一致就重抽)。
  • 6 字以上、带品牌定语的文案一律走模板渲染,字体用客户的商业授权字体,字距、行高、断行全部可控,边际成本几乎为零。
  • 价格、规格、利益点这类信息永远不进提示词——它们是变量,变量必须由数据驱动渲染,不能让模型「想象」。

这条线拆出来之后,字体维度达标率从 22.4% 到 79.3%,剩下 20.7% 的失误几乎全是短标语的 OCR 回读没兜住。

四、构图语言:把「高级感」翻译成约束

比色彩更难的是构图。我们最初让人写「呼吸感」「留白」「高级」这类词,出来的图确实不难看,但 800 张排在一起像八个代理商做的。后来我们把品牌经理的审美翻译成了可执行的四条:

  1. 主体占画布 40%–55%,视线朝向与文案区对侧,防止视觉动线和文字打架。
  2. 顶部留 18%–24% 安全区,给标题和 logo 落位。
  3. 单图视觉焦点不超过两个,背景元素密度设上限。
  4. 禁用清单:禁用竞品色系,禁用上一代 IP 形象——我们真踩过这个坑,模型分不清哪代 IP 是当前版本。

关键洞察是:参考图要选「结构像」的,不要选「长得像」的。用客户历史高分物料做结构参考,比用同品类的网红样片有效得多——前者锁的是构图语法,后者只会把风格带偏。

五、三层分离的工作流

跑完 1,240 张之后我们固化的流程是三层,每层只干自己擅长的事:

  • 氛围层(模型生成):背景、光影、场景氛围。允许随机,不承载任何品牌信息。
  • 版式层(模板):字号、字重、栅格、安全区。100% 确定性输出。
  • 资产层(叠加):logo、产品抠图、IP 形象、价签。同样 100% 确定,且每张物料可追溯到具体资产版本。

结果:直接可用率 18.7% → 61.4%,「小改可用」率 92%,返工成本从每张 11.4 分钟降到 3.7 分钟。更重要的是,验收从玄学打分变成了三层各自过的 checklist——客户品牌经理第一次在上线前说「我信这批图」。

总结

1,240 张图、6 周、四条生成路线。最大的教训是:品牌视觉一致性不是生成问题,是工程问题。你把色彩、文字、版式、logo 这四件本该确定的事交给随机性,它只会用随机性把它们搞坏;你把随机性限制在氛围上,它反而很擅长。分层不是对模型能力的妥协,是让每一层都用在自己的上限。

互动提问:你们团队验收 AI 图的时候,是凭感觉还是有量化指标?我们最早也靠品牌经理一句话,后来是被 ΔE 和 OCR 回读救了两轮上线事故。

互动提问:色板映射你们是怎么做的?我们那个 40 行的脚本迭代了四版,从聚类中心到最近邻,还在想有没有更自动的方案,比如训练阶段就把色板条件进去。

分享到:

微博
Twitter
LinkedIn

— IMAI 编辑部 | 2026-11-11

发表评论