企业官网建设流程全解析

做修图这行十几年，最直观的变化是：以前一个精修师一天出二十张图算高效，现在客户上午发来两百张，下午就问能不能先给一版。AI修图网站这两年确实把这个活的门槛打下来了，但门槛下来之后，新的麻烦是选择太多——打开搜索,排行榜一大堆，点进去十家有八家页面长得一模一样，写着"一键换背景""智能消除""无损放大"，真拿自己的图去试，十张里能用的常常只有两三张。这份榜单我不打算按"名气大小"排，而是按我自己这一年多做商单、带新人、给团队选工具的实际体感来排，把五个位置分别对应哪类需求、哪些坑、怎么用才不返工，一次性说清楚。下面会按能力类型给五个位置编号，不指向具体品牌，因为我更希望你看完能自己判断：你手上的活，到底该交给哪一类AI修图网站。

1. 这份榜单的评分口径：我到底在比什么

排行榜最容易糊弄人的地方，是把"功能列表长度"当成了"能力"。一家AI修图网站列了四十个功能，你真正会用到的可能就五个，剩下三十五个是给销售看的。所以排之前得先定口径，否则排出来的东西没法复现。我用的是一套五维打分，权重是我根据实际接单结构反复调过的，你可以按自己的业务比例微调，但逻辑值得参考。

1.1 五个维度与权重分配

权重最高的是出图可用率，这一点很多评测会忽略。原因很简单：AI修图的瓶颈早就不是"能不能画出来"，而是"画出来的十张里有几张敢发给客户"。我做过一次对比，两款工具生成质量肉眼看着差不多，但一个十张能用七张，一个十张只能用三张，前者的实际成本是后者的三分之一不到。所以任何不谈废片率的"好用推荐"，都只能算功能展示。

局部控制力排第二，是因为真实修图需求九成以上是局部的：客户要的是"把桌上那个矿泉水瓶去掉"，不是"重新画一张会议室"。整图重绘型工具在这项上很容易翻车——你让它去瓶子，它顺手把你的桌面纹理、光线方向、甚至背景墙的接缝全改了，看着更"高级"，但和原图对不上，客户第一句话就是"这不是我那张照片"。

1.2 为什么"生成速度"没进前五

很多人第一反应是比速度。我早期也这么干过，后来发现速度对结果的影响被严重高估了。修图的真实节奏是"生成—看—改—再生成"，一个来回里，等待三十秒和等待三分钟，差的其实只是两分半，而一次返工可能意味着十分钟的重新构图和重新描述。当工具的出图可用率足够高时，你根本不会在意它慢一点；反过来，一个十秒出图但十张废九张的工具，你会在第四轮就开始烦躁。

真正影响体感的是"迭代成本"——也就是改一个条件、重新生成一次，你要付出多少操作。有的平台改一个参数要重新上传、重新框选、重新写描述，三轮下来人就疲了；有的平台把上一次的框选和描述都留着，你只需要改一个词，这个差别比速度重要得多。所以评测里我把"流程友好度"单独拎出来给权重，而不是混在速度里。

1.3 样本怎么选，打分怎么算

为了让评分可复现，我用的是五十张固定样本，分四组：人像十五张（含正脸、侧脸、逆光、多人合影）、静物商品十五张（含白底、场景图、带文字包装）、风景十张（含大面积天空、树林、水面）、老照片十张（含折痕、泛黄、失焦）。每组任务固定：人像要换纯色底且保留五官比例；商品要去掉杂物并统一背景；风景要扩图补边；老照片要去划痕并放大。

评分方式是"两轮制"：第一轮只给基础描述，看第一次可用张数；第二轮允许修改描述和框选，看第二次可用张数。两轮相加除以总数，得到可用率。这个两轮制很关键——单轮评分会误伤那些"需要一次提示才能进状态"的工具，实际使用中没人只生成一次就下结论。你可以拿自己业务里最典型的十张图，按这个方式试一遍，比看任何排行榜都准。

2. 五个位置的能力画像：谁擅长什么，谁别碰什么

这一节是榜单的主体。我把五个位置按"能力类型"排，而不是按"综合分"排，因为综合分最高的那个，往往不是最适合你的那个。一家在人像美化上封神的AI修图网站，做商品图可能完全不达标；反过来也一样。下面每个位置我都会写清楚强项、短板、典型任务和一句"别拿它干什么"。

2.1 一号位：生成式重绘型，强在"从无到有"，弱在"忠于原图"

这类工具底层是生成模型，你把图丢进去，它理解语义后重画。它在创意类需求上优势极大：给一张普通的产品平拍图，让它生成带场景氛围的主图；给一张随手拍的门店照，让它改成黄昏暖光；给一张草图，让它出成品效果。我拿它做过一组"同一件衣服七种场景"的图册，从下单到出片不到半天，成本是传统拍摄的零头。

短板也很明确：它天然不"忠于原图"。人脸尤其明显——五官比例、痣、发型细节、耳饰，经常被"顺手优化"，变成另一张好看但不认识的脸。人物身份特征强的图（证件照、模特图、需要和实物一致的带货图），用它必须加约束，而且要接受一定比例的返工。我的经验是：涉及人脸时，先让它只做背景和光线，人脸区域用遮罩锁住，别指望它"懂"你要保留什么。

提示：这类工具的描述建议按"主体—约束—风格"三段写，把"不许改什么"放在约束段里，比放在最后一句有效得多。比如"保留原图脸型与发际线，不改变肤色调性"要写在主体描述之后，而不是塞在结尾。

2.2 二号位：局部精修与智能扩图，处理"改一处不动全身"

这类工具的核心能力是涂抹消除、区域重绘、智能扩图、透视校正。它是日常修图里使用频率最高的一类，因为真实需求基本都是局部的：去掉画面里的电线、去掉桌面杂物、把竖构图的边补出来、把拍歪的墙线拉直。我做商品图时，九成时间花在这类工具上，一号位反而是点缀。

判断这类工具好不好，看三个细节。第一，边界融合：消除之后的区域，纹理和噪点能不能和周围接上，很多工具消得很干净但留下一块"过于平滑"的补丁，一眼假。第二，光影继承：它补出来的部分有没有跟着原图的光源方向走，尤其是逆光和侧光。第三，扩图的可控性：能不能指定向哪个方向扩、扩多少，而不是"智能猜"。这三点里我最看重第一点，因为补丁感是最容易被客户挑出来的毛病。

2.3 三号位：人像美化与批量出图，赢在"一致性"和"省事"

这类工具主打肤质处理、五官微调、证件照规格化、批量统一风格。它的价值不在于单张效果多惊艳，而在于一百张脸输出同一个标准。影楼、教培机构、企业员工形象照、团队合影这类需求，人工修一百张要两三天，用它加人工抽检，一天能收工。

它的风险是"过度美化"。默认参数往往把皮肤磨得太干净、眼睛放得太大，做成"网红脸"，用在正式场合就很不合适。我一般会先把强度拉到三成以下，只保留肤色均匀和瑕疵去除，结构性的调整（脸型、鼻梁）全部关掉，需要的时候手工点。批量处理前一定先跑三张样图确认参数，再全量执行——这个顺序看起来啰嗦，但能省下重跑一百张的时间。

2.4 四号位：老照片修复与放大增强，靠"接力"不靠一步到位

这类工具做去划痕、去噪点、去泛黄、面部细节重建、超分辨率放大。它是最容易被高估的一类，因为演示图效果惊人，实际用起来问题不少：细节重建本质上是"猜"，猜得好看不等于猜得对。一张模糊的合影，它能把五官"补"清晰，但那个人可能已经不是本人了。所以我的用法是把它定位成中间环节，而不是终局。

实际操作我走三步：先用去噪去划痕把底子弄干净，再用轻度放大（两倍以内）保住轮廓，最后一步才做面部细节重建，而且只对确定是同一人的区域做，其他地方宁可保持原样。家族老照片这类需求，客户要的是"像我爷爷"，不是"像一张高清图"。做完一定把原图和成品并排放在一起看，凡是"太清楚、太干净、太现代"的地方，都要打回去重做。

2.5 五号位：设计排版一体化，修图只是它的一个环节

这类平台把修图和排版、模板、批量套版捆在一起，适合电商主图、活动海报、社交媒体图文这类"修完还要排"的需求。优势是省掉一个软件来回导的步骤，劣势是修图深度普遍不如专职工具，尤其是精细的局部控制和光影调整，常常只能做"够用"级别。

它真正的杀手锏是模板与尺寸适配：一次修图，自动出一套不同比例的成品。多平台分发的场景下，这个功能省的时间比修图本身还多。但如果你的图需要精修到毛孔级，别指望它，把它当成"最后一公里"的排版工具更合适。

3. 三类高频任务的完整走法

知道谁擅长什么只是第一步，真正决定出图质量的是顺序。我把日常最高频的三类活儿拆成可复制的流程，参数和描述写法都给出，你照着改关键词就能用。

3.1 证件照与团队形象照：先规格，后美化，最后换底

流程顺序错了，返工率会翻倍。正确顺序是：规格裁剪—瑕疵去除—肤色统一—换底—微调边缘。

第一步规格裁剪，先确定用途要求（一寸、二寸、特定比例），把原图裁到位，不要等修完再裁，否则修好的细节会被裁掉。第二步瑕疵去除，只处理痘印、明显反光、碎发，不要动结构性特征。第三步肤色统一，这里用三号位的低强度参数，强度控制在一半以下，把脖子和脸的颜色差拉齐——这是证件照最容易被挑的破绽。第四步换底，用二号位的区域选择加边缘细化，纯色底建议自己填色而不是让模型生成，因为模型的"白色"经常带一点灰或暖调，批量看会不统一。第五步边缘微调，用笔刷手动修发丝边缘，这是自动化最难的部分，别省。

注意：批量做团队照时，把背景色值统一写死（比如直接填 #FFFFFF），不要依赖"智能白"。同一批图如果背景白度不一致，排在一起会非常明显。

3.2 电商商品图：结构先锁定，再谈氛围

商品图的死线是"和实物一致"。所以第一步永远是锁定结构：把产品轮廓框出来作为保护区域，让工具只在外围动手。第二步去杂物，用二号位逐个消除，一次只处理一个元素，不要框一大片让它自己猜。第三步背景统一，白底图直接填色，场景图用一号位生成但要把产品区域遮罩住。

描述写法上，我习惯这样组织：

主体：磨砂白瓷马克杯，正面 45 度，杯口椭圆完整，把手在右侧 约束：不改变杯身比例与把手形状，保留杯壁高光位置，阴影方向保持左上方 风格：浅灰背景，柔和顶光，商业产品图质感，无多余道具

把"约束"单独成段是有原因的：生成模型对前置条件更敏感，写在后面的约束经常被后半段的风格描述盖过去。第四步做光影校正，商品图最容易翻车的地方是补出来的阴影方向和原图不一致，看着就假。最后一步按用途导出不同尺寸，别用一张大图到处压。

3.3 老照片修复：三步接力，宁可少做

前面提过接力思路，这里给具体参数感。第一轮去噪与划痕，强度给中等偏下，宁可留一点老痕也不要抹成塑料感，老照片的质感本身就是价值。第二轮放大，倍率控制在两倍以内，超过两倍轮廓就开始"发散"，眼睛和嘴角会变形。第三轮面部重建，只对清晰度最差的区域局部做，做完和原图对比，如果亲人都认不出来，直接回退。

有个小技巧：修复完先转成黑白看一遍。黑白状态下，结构问题（五官错位、牙齿数量、耳朵形状）会比彩色状态下明显得多，很多"看着还行"的成品，一转黑白就露馅。

3.4 顺手给一段批量检查脚本

量产时最烦的不是修图，是导出后发现尺寸或体积不对，全批重来。我习惯在导出后跑一段本地脚本先做体检，把不合规的挑出来单独处理，避免整批返工。

import os from pathlib import Path from PIL import Image TARGET_RATIO = 1.0 # 目标宽高比，1:1 主图 MIN_SIDE = 800 # 最短边下限 MAX_MB = 2.0 # 单张体积上限 bad = [] for p in Path("./out").glob("*.jpg"): size_mb = os.path.getsize(p) / 1024 / 1024 with Image.open(p) as im: w, h = im.size ratio = round(w / h, 3) if min(w, h) < MIN_SIDE or size_mb > MAX_MB or abs(ratio - TARGET_RATIO) > 0.01: bad.append((p.name, w, h, ratio, round(size_mb, 2))) for row in bad: print("需处理:", row) print("合计异常:", len(bad))

这段脚本不修图，只做筛选。它的价值在于把"人工一张张点开看"变成"看一份清单"，一百张图的体检时间从十几分钟压到几秒。实际用的时候把比例和下限改成你平台的 requirement，异常清单直接拿去批量重导。

4. 实测翻车现场：六类问题与逐步排查链路

下面这些坑我几乎每个月都要撞上一次，重点不是结论，而是排查顺序。很多人拿到一张废图就开始乱调描述，越调越差，是因为没先定位问题出在哪一层。

4.1 手部、器物结构崩坏：先看是不是"信息不足"

遇到手指数量不对、杯把接不上、椅子腿少一条，第一反应通常是"模型不行"，但我排查下来，七成是输入信息不足：原图那块区域本来就模糊、被遮挡、或者分辨率太低。排查链路是：放大原图看该区域是否清晰—如果是模糊导致的，先做局部增强再重绘—如果原图清晰仍崩坏，说明该区域超出模型擅长范围，改用二号位手动拼接或找素材贴图。

这里有个反直觉的经验：把描述写得更细，往往让结构更糟。你写"五根手指自然弯曲握住杯身"，它反而更容易多画一根。正确做法是减少该区域的描述密度，让它"少想"，或者干脆把这块区域排除在重绘范围外。

4.2 肤色与光影不一致：八成是光源方向没对齐

换背景之后人脸发灰、发绿，或者补出来的地面阴影朝右、人脸高光朝左，这类问题的根源是光源方向冲突。排查顺序：先确认原图主光源方向（看鼻影和下颌阴影）—再检查新背景的光源方向是否一致—不一致就换背景素材或加一句光源约束—最后做一次整体的色彩匹配（把人物区域的色温向背景靠拢 5% 到 10%）。

色彩匹配这一步很多人跳过，直接手动调曲线，结果越调越脏。我的做法是先做低强度的自动匹配打底，再手动微调，效率高得多。

4.3 文字、logo 被"重绘"毁掉：必须上保护

包装上的文字、衣服上的 logo、招牌上的店名，只要进了重绘区域，基本都会被"重写"成似是而非的字符。这个问题没有技术解，只有流程解：凡是含文字的图，先把文字区域做成保护遮罩，或者干脆分两步——先处理不含文字的区域，文字部分用原图叠加回去。

我在团队里定了一条硬规矩：任何带品牌信息的图，禁止整图生成，只能局部重绘。违反这条导致的返工，比省下的时间多得多。

4.4 导出后变糊：按链路一层层查

"明明在网站上看着很清晰，下载下来就糊了"，这个问题我排查过很多次，链路是四层：

排查顺序必须从第一层往下走，因为后面三层的判断都依赖第一层的真实尺寸。我见过太多人直接在第四层找原因，结果原图本来就只有 600 像素宽。养成习惯：上传前先看原图属性，导出后先看成品属性，两次对比，问题立刻定位。

4.5 隐私与素材合规：这条别抱侥幸

人像图、证件、合同、工牌、含地址信息的照片，上传到任何在线工具前都要想清楚。我的做法是：客户素材先做脱敏（裁掉证件号、遮挡工牌），非必要不上传原图；对保密要求高的项目，只用本地部署的方案，宁可多花时间。团队的规矩是"能本地就不在线"，这条没有例外。

另外，生成出来的图用于商业投放前，要确认素材来源与授权范围，尤其是模型生成的人像和场景，不同工具的条款差别不小。这块别图省事，出了问题不是重做一张图能解决的。

4.6 批量任务中途断掉：预留可续跑的命名规则

批量处理几十上百张时，最怕跑一半中断，不知道哪些已完成。解决办法很土但有效：导出时强制带序号和状态后缀，比如sku001_done.jpg、sku001_raw.jpg，中断后按文件名比对就能续跑。别依赖平台的"历史记录"，不同工具的保留策略差别很大，本地留一份状态文件最稳。

5. 把成本算清楚：订阅、按张、积分，谁更划算

聊到"好用推荐"，很少有人说钱。但团队选工具时，成本结构往往比功能差异更能决定去留。

5.1 三种计费模式的真实差别

关键在于"废片是否计费"。按张计费的工具如果可用率只有三成，你的实际单价就是标价的三倍多。所以比价时不要比标价，要比"可用成品的单价"。

5.2 一个能直接套的算法

可用成品单价 =（单次生成成本 ÷ 可用率）+（返工耗时 × 时薪 ÷ 单次产出张数）。

举个例子：某工具单次生成 0.4 元，可用率 30%，那么每张可用成品的生成成本是 1.33 元；另一款单次 0.9 元，可用率 75%，每张可用成品 1.2 元。看起来前者便宜一半多，实际后者更省，而且省下的返工时间还没算进去。

再叠加时间成本：假设你的时薪折算下来每分钟两块，前一款每张成品要多花四分钟返工，就是八块。这笔账一算，标价高低基本失去意义。

5.3 团队协作里被忽略的成本

多人协作时，真正的成本在"对齐"。同一个项目，两个人用不同工具、不同参数，出来的图风格不一致，合并时就要重做。我的办法是建一份内部小规范：固定工具、固定参数、固定导出命名，写在一页纸上，新人来了照着做。这份规范比任何排行榜都有价值，因为它保证的是"可复现"。

另外提一句额度的坑：很多工具的额度按月清零，不累积。量不稳定的时候，宁可先用按张计费的，等需求稳定了再换订阅，别一上来就年付。

6. 按身份选最短路径：不用全试，看你在哪一格

最后给一张对照表。我不建议你五个位置全试一遍，太耗时间，按自己的身份直接跳到对应那一格，先跑十张样本，够用就定下来。

选型时我给自己定了一条经验线：先用最便宜的方式跑十张最典型的图，看可用率有没有过五成。过了，再考虑升级套餐；没过，换一类工具，而不是换一家同类型的。因为同类型工具的短板往往是共通的，换品牌解决不了类型错配的问题。

我个人在实际操作中的体会是，修图这件事的顺序永远比工具重要：先把结构锁死，再谈光影和风格，最后才做美化。顺序对了，中等水平的工具也能出可交付的图；顺序错了，最好的工具也只能给你一堆需要重做的漂亮废片。另外分享一个我一直在用的小习惯：每次交付前，把成品缩到手机屏幕大小看一眼，缩小之后还能看出问题的，客户一定能看出来。这个动作只花三秒，能挡掉大半返工。