完爆电商服装模特!AI摄影师智能体,告别真人模特!批量生成服装效果图,成本爆降

大家好！我是唐舰长🙏

在电商板块，尤其是服装电商产品想要买爆、买好、客户点击率高

就必须要有很好看的上身效果，但在之前基本上靠一个专门做代拍的组织去制作，不仅要把服装送出去，还要给工资。

而现在有了AI之后，尤其是现在Gemini pro（nano banana）绘图模型的迭代，效果越来越好

这次案例也是一个做服装电商的老板跟我联系的，也说明是一个很大需求，他是这么跟我说的：

“市面上的AI换装软件要么太贵，要么风格固定，完全没法满足我们品牌的个性化需求”

基于这种情况，我们就可以在自己的电脑上部署一个n8n的自动化工作流，能够完成电商模特套图的批量生产

只需一套流程，并能理解搭建的思路，就能随心所欲的去替换和调整出自己想要的效果和符号自身品牌的出图效果，让N8N成为你品牌最好用的模特上身效果图摄影师。

先看看产出的效果

服装是这张：

上身效果、角度、姿势、环境这些效果都做得非常好，模特也是根据提示词控制，如童装、男装都可以去生成新的提示词（下面会教如何生成模特提示词）。这套系统完全私有化部署在自己电脑上，数据安全、风格可控、想怎么调就怎么调

这套流程的核心还是banana模型的出图，一定要找官方的API不能有阉割；所以找到适合的API调用反而是最难的！

下面我就把这套工作流的搭建和思路分享给大家，这套流程非常简单；如果有学习过N8N的小伙伴基本上1个小时足矣，如果没有学习过的小伙伴可能需要一点时间（还要私有化部署到自己的电脑上）当然也不算难。

流程不算多，接下来将根据每个模块进行深度的分析以及搭建思路的分享以及实操截图。

当然在开始之前，如果您还未接触过N8N，不妨先看看舰长这篇教程也是放到了way to AGI的知识库里：

【https://waytoagi.feishu.cn/wiki/Rg1MwbWWxisHFGkYPlKc8zMqndf?from=from_copylink 】

开始表单（输入板块）

这是开始提供参数的一个节点，也是整个工作流的输入模块，所以说我们需要把人为提供的素材和内容都放到表单节点中。

目前一共提供三个输入参数，分别是产品的名称、产品的图片以及模特的描述提示词。

（因为后续我们需要把产品的图片上传到云端变成在线的URL链接，所以我们这里的字段名改为tu）

模特提示词板块

我们不能去使用真人拍摄的图片，作为模特去产出我们的产品效果图，我们需要借助AI的能力去产出模特。

但模特的提示词的编写也比较复杂，没有专业的知识和能力也无法做到效果比较好的模特。

但我们可以先在某平台上搜索适合你服装产品的模特关键词，然后截一张图给AI模型，让他去帮你分析和提炼模特的描述词，这样在生成模特的AI图片时就没有风险了

我用的是Gemini的模型，你也可以选择使用豆包等大模型平台

这样模特的提示词就有了，同理，产品和产品名称这里需要的小伙伴这些素材肯定多得是

本地文件转为在线url链接板块

为什么要上传云端呢？其实是因为我们本地部署的n8n没有在线服务的功能，所以需要将本地的二进制文件变成可在线查看的链接，以便后续API请求节点根据图片生成新的图片

Upload an asset from file data节点

在添加节点中搜索“cloudinary”，没有安装的点安装按钮即可

密钥凭证的获取网址：https://console.cloudinary.com/

这个是凭证里的Cloud Name

API key和API Secret：

全都复制粘贴，好了就点击验证，呈现绿色就是成功了

生成模特图板块

这个板块是使用的HTTP请求节点，请求拥有调用Nana banana API模型的平台这里的使用也不算太难，我们可以一键把指令导入。

先添加一个HTTP请求节点

这里我用的是Atlas Cloud平台，这个平台的API调用比较稳定，而且质量非常高，没有被阉割的感觉。

现在新用户注册还有1美元额度免费体验，网址为：

https://www.atlascloud.ai?ref=75BDDL

而且首次充值有25%bonus

该平台有丰富的图片和视频模型API的调用，而且是基本无损

我们选择google，然后文生图

第一步点击API

第二步点击Curl

第三步复制

打开n8n，粘贴到http请求节点中的

这样不需要进行任何配置，就可以将请求调用的格式填好

接下来我们需要准备API key

创建一个API并复制到n8n中

我个人比较喜欢用json：

aspect_ratio：这个是图片的尺寸

enable_base64_output：这个是图片的输出格式，如果为false时，就是输出url

enable_sync_mode：这个是图片直接输出还是异步处理，把默认的false改成true就可以

prompt：是我们表单节点提供的参数这里呢直接用开始即可

{"model": "google/nano-banana-pro/text-to-image-ultra","aspect_ratio": "9:16","enable_base64_output": false,"enable_sync_mode": true,"output_format": "png","prompt": "{{ $('On form submission').item.json['模特描述'] }}","resolution": "4k"} 

如果你也想用指令，就直接把Specify Body改为Using json

本地终端指令板块

在详情图中并没有提供该节点的含义，其实就是调用我们本地电脑的终端指令，去在我们指定的文件夹处创建新的文件夹，用于储存本次需要存放的图片

节点名称：Execute Command

如果2.0以上的n8n版本没有这个节点，就需要看一下舰长上面的本地部署教程，如何优化2.0版本的使用。

mkdir -p  ./n8ndata/{{ $('On form submission').item.json["产品名称"] }}

生成模特上身服饰的姿势动作提示词板块

这个板块是用的AI Agent节点和Information Extractor（信息提取节点），来生成模特姿势的prompt并进行格式处理。

这个板块呢，也是非常重要，如果在后续每个人有特殊的服装情况和拍摄情况都可以基于这套提示去修改，已达到能显示最好的效果，比如你是一个做运动服装的海滩产品的等等都可以进行一个替换。

AI Agent节点

输入参数

展示产品为： {{ $('On form submission').item.json['产品名称'] }}

系统提示词

# 角色你是一名专业的模特摄影师，你会根据模特的身上的展示产品，为模特定制一个拍摄镜头和模特的姿势。模特身上展示的产品名称为用户提供的内容## 任务1.每次拍摄需要拍摄九张图，也就代表你需要提供9张图的拍摄镜头和模特的姿势。2.拍摄的都是以服装为主，模特要展示服装的上身效果3.需要参考我提供给你的9个图片的模特姿势，去生成对应的内容参考示例：站立，双腿微分，右手自然垂落、左手轻扶裤腰，身体微侧正面站立，头部微侧，右手轻抬至脖颈处侧身站立，头发向后扬起，右手自然下垂半蹲 + 身体前倾，右手抬起比 “耶”，头部微侧站立，双腿分开，双手轻拉裤腰，身体微侧深蹲，左手撑膝，右手自然放于腿侧，头部转向镜头站立，右手抬起拨头发，身体微侧站立，头发向后扬起，双手自然垂落站立，右手轻触脸颊，身体微侧## 限制- 不要输出场景元素，只输出模特的姿势和拍摄镜头描述

Information Extractor（信息提取节点）

格式选择和格式：

{"posture":["Los Angeles","San Francisco","San Diego"],"times":["1","2"]}

模型理解提示词

根据用户提供的内容按符号顺序输出数组，同时将序号单独输出到times中

同时在这两个节点下，有两个尾巴是需要添加模型的，点击添加后会有很多种模型选择这里呢，推荐使用deepseek模型，因为API的授权比较方便。

循环批量处理板块

这两个节点没有什么好讲的，因为我们在N8N中想要循环批量处理，就必须要用到这两个节点一个呢是拆分节点拆分我们的数组

另一个呢，就是循环节将后续需要执行的节点都放到该节点的循环里。

Split Out（拆分节点）

Loop Over Items（循环节点）

后续的节点都在这个循环节点的下面分支连线里面

请求API生成模特套图板块

接下来就是生成模特套图的两个节点一个呢，是http请求节点，一个是编辑字段；请求还是一样的打开网址，选择Google模型的图生图模型。

这个时候我们会提供模特图以及产品图和模特摆拍姿势的提示词，去请求生成模特图片。编辑节点是为了提取http请求节点返回的图片URL链接。

再添加一个http请求节点后打开网址：

https://www.atlascloud.ai?ref=75BDDL

其他配置和模特图板块一致，复制curl命令粘贴即可

这是我配置好的指令，直接复制使用即可；多了一个images也就是图生图的请求参数

{"model": "google/nano-banana-pro/edit-ultra","aspect_ratio": "9:16","enable_base64_output": false,"enable_sync_mode": true,"images": ["{{ $('HTTP Request1').item.json.data.outputs[0] }}","{{ $('Upload an asset from file data').item.json.url }}"  ],"output_format": "png","prompt": "根据第一张模特图和第二张服饰图，将服装穿到模特身上，并生成{{ $json['output.posture'] }}图","resolution": "4k"} 

Wait节点

等待10s

自动保存到本地板块

这是最后一个模块，也是由两个节点组成想象出我们通过工作流自动产出的图片，如果还需要我们手动的下载到本地，那确实不太方便，如果说我们可以直接保存到我们的本地文件夹中，那实用性就高得很多。

这次呢，是需要用到http请求节点和下载到本地文件夹节点组成（执行到这里是需要开T，不然会请求失败）。

HTTP Request5请求

Read/Write Files from Disk（下载到本地文件夹中）

指令直接复制就可以

./n8ndata/{{ $('On form submission').item.json["产品名称"] }}/{{ $('Loop Over Items').item.json['output.times'] }}.png

到这里呢，分享就结束了

在开始的时候就已经分享过这套工作流产出的模特套图的效果，可以看到效果确实很不错，其实基于这篇文章的学习下来之后，大家也能发现我们的提示词呢，并没有起到太大的作用。

• 无审查无限制：全面支持无过滤创意内容生成及角色扮演场景

• 海量模型库（300+）：从顶尖视频生成、图像生成到大语言模型，一站式覆盖

• 模型同步0时差：新模型一经发布，即可立即接入使用

• 开发者友好：统一 API 设计，一键接入调用，可集成 n8n和ComfyUI 等上下游工具

• 稳定、易用、低价：企业级稳定性推理API平台，价格低于知名竞品。拥有SOC2、HIPPA 证书，助力AI企业出海合规

关注公众号并添加舰长微信，领取智能体学习资料，并参与智能体技术直播讲解

另外非常欢迎大家加入[唐舰长AI落地智能体交流群],主要交流群每周都会进行公益直播教大家搭建AI智能体工作流