AI 起來以后，很多公司都在尋找 AI 的落地應用場景，都在思考項目工程的流程節(jié)點怎么用 AI 去做提效。隨著人工智能技術的快速發(fā)展，圖像生成需求在許多行業(yè)中迅速增長。目前，許多企業(yè)已經開始廣泛使用 Stable Diffusion（SD）技術進行圖像生成。例如創(chuàng)作 IP 的延展，或應用于廣告、產品設計、游戲開發(fā)等多個領域。然而，面向企業(yè)的大規(guī)模圖像生成需求，批量化是一種剛需。

企業(yè)在使用 SD 進行圖像生成時，往往需要處理大量的圖像素材。這一過程中包括編寫 CSV 需求單、審核素材、打標和命名等步驟，傳統的手工操作流程效率低下且容易出錯。如果通過 AI 節(jié)點式接入和 GPT 技術，可以顯著優(yōu)化這些流程，提高效率和質量。

所以我們需要去搭建一整個 SOP，將批量生圖做成工程化，這樣才能提高效率。批量產圖 SOP 的設計需要明確每一個流程節(jié)點，保證高效、標準化的操作。

一、傳統的 SOP 流程

我們之前傳統的產圖 SOP，需要投入的人力大概在 5 個：

1. 技術開發(fā)同學：負責編寫工程文件，預留 SD 的 API 接口，保證系統能夠靈活調用 SD 進行圖像生成。
2. 模型煉制設計師：負責煉制 Lora，確保產出的素材符合公司需求的統一風格，能夠滿足不同類型素材的需求，如 3D 風格、插畫風格和真實場景等。
3. prompt 編寫設計師：編寫 CSV，確定圖像生成的具體需求（即生圖 prompt）。
4. 素材審核員：在圖像生成完成后，整理和審核輸出的素材。制定素材入庫的視覺標準，區(qū)分素材為三類：一類是達到視覺標準，無需二次調整的素材；一類是有略微瑕疵，二次調整后可達到入庫標準的素材；一類是嚴重異形、畫面雜亂等素材，無修改價值的素材。
5. 素材管理員：針對素材的業(yè)務、類型、標簽、命名做有效分類，確保素材在平臺上的可查找性和可管理性。

整個 SOP 的運行中最核心的是 prompt 編寫設計師的角色，他需要調控 prompt 和替換 lora，需要去調試工程文件中的節(jié)點。技術開發(fā)同學和模型煉制設計師其實都是前置資源，從產圖到入庫可使用的這個邏輯是這樣的：

由 prompt 編寫設計師編寫 csv 條目，一個條目是一個圖像生成的 prompt，所以批量生產同樣的需要批量寫 prompt，prompt 影響最終產圖的質量。例如我們編寫 10 個 prompt，那就可以產出 10 張素材。編寫 100 個，那就可以產出 100 張素材。但人工編寫的過程非常耗時耗力，這個節(jié)點是否可以借助 AI 的能力去提效？又該如何接入 AI？這個可以先思考一下，我們接著鏈路往下看。

當批量產出素材后，例如今天產出 2000 張素材，將素材轉接給素材審核員，按照入庫的視覺標準將素材進行分類和二次調整。2000 張圖需要多久，不包含調整的過程，只去審核區(qū)分素材就需要 1-2 個小時。那 20000 張呢？這個節(jié)點是否有 AI 運作的空間？

當素材處理完，假設良品率為 40%，可直接入庫的素材為 800 張，由素材管理員進行分類和素材信息標注。當然我們也可以只給素材命個名，如:3D 紅包.png 那如果有 200 個不同的紅包素材，素材如何有效召回，所以素材如何有效管理，之前傳統的素材管理，是將命名作分級，如：業(yè)務 A/3D/紅包/裝滿金幣。那僅這個命名過程，假設一張素材命名需要 5s，那 800 張僅命名大約需要 1.11 小時。那這個時間是否可以借助 AI 給吃掉？

二、SOP 流程：AI 節(jié)點提效

ok，我們梳理一下整個產圖到入庫的流程鏈路，其中費時費力的節(jié)點：

1. prompt 批量編寫
2. 素材審核
3. 素材分類及信息標注

這些節(jié)點如何借助 AI 做提效或者直接用 AI 的能力給吃掉。我是借助 GPT 的能力，讓技術同學預留出 GPT 的 API 接口，我負責煉制 GPTs，將調試好的 prompt 發(fā)給前端，在工程文件中調用。在多個節(jié)點安插 GPT：

輸入想要的素材關鍵詞及數量--批量產出 prompt 條目（GPT 助力）--導入 csv 需求單--運行程序--調用 SD 做批量產圖--素材質量篩選，將素材分類（GPT 助力）--素材信息標注（GPT 助力）

所以除了前置資源，前端提供的工程文件和模型煉制設計師提供的 lora，剩余的事情只需要一名設計師即可，不僅減少人力成本，而且效率還比之前高數倍甚至數十倍。

GPT 助力，都煉制了哪些 GPTs？我們逐一分析一下相關的 prompt 該如何寫：

1. 批量 csv 條目助手

通過簡單的關鍵詞描述， 批量產出 csv，不過這里要注意一點，我們需要制定 prompt 規(guī)則：

prompt 指令規(guī)則：*圖像名稱(內容）,*圖像具體關鍵詞，不希望圖像里有什么

打開[新建文件夾」找到“csv”右鍵打開操作目錄，選擇“打開于-Finder”選中文件夾中的“csv”，右鍵打開方式選擇-“文稿編輯”填入 csv 條目

① Prompt

② 輸出效果

輸出的所有 csv 條目，并非可以一次成功，產出素材的內容差異性和風格統一性還是需要人工把控，畢竟只有你才知道你真正想要什么，你想要一個有卡通翅膀的紅包，這種裝飾性詞匯具備不可控且不可猜性，所以人工針對 csv 條目做二次調整。

2. 素材審核員

用 AI 代替人工做素材質量的判斷和分類，做初級篩選，人工做素材質量的二次審核，確保最終素材均達到入庫標準。

批量產出的素材分為三個檔：S 級、A 級、B 級。

S 級：完全達到入庫視覺標準；A 級：基本達到入庫視覺標準，單一或部分元素輕微瑕疵；B 級：不符合入庫視覺標準，畫面雜亂、元素變形、穿模等嚴重瑕疵。

① Prompt

大家可以試一下，將 GPT 的 API 接入工程文件中，批量生產的素材輸出在「新建文件夾」中，調用 API 讀取圖片，將每個圖片文件傳輸后做質量審核和分類。API 返回的數據包含會 label 字段，用于分類。根據返回的分類標簽，將圖片移動到對應的分類文件夾中。

處理返回數據并自動分類移動圖片的 Python 代碼示例：

import os
import openai
import shutil

# 設置OpenAI API密鑰
openai.api_key = 'your_openai_api_key'

# 批量圖片文件夾路徑
input_folder = 'Batch_Image'
output_folder = 'Processed_Images'

# 創(chuàng)建輸出文件夾（如果不存在）
if not os.path.exists(output_folder):
os.makedirs(output_folder)

# 函數：調用OpenAI API進行圖片質量審核和分類
def analyze_image(file_path):
with open(file_path, 'rb') as image_file:
image_data = image_file.read()

response = openai.Image.create(
file=image_data,
n=1,
size="1024x1024",
prompt="Classify and review the quality of this image."
)

return response

# 遍歷Batch_Image文件夾中的所有圖片文件
for filename in os.listdir(input_folder):
if filename.endswith('.jpg') or filename.endswith('.png'):
file_path = os.path.join(input_folder, filename)

# 調用OpenAI API
response = analyze_image(file_path)

# 假設API返回的數據如下
result = response['data'][0]
classification = result['label']

# 打印結果（可選）
print(f"Image: {filename}, Classification: {classification}")

# 根據分類結果將圖片移動到不同的文件夾中
classification_folder = os.path.join(output_folder, classification)
if not os.path.exists(classification_folder):
os.makedirs(classification_folder)
shutil.move(file_path, os.path.join(classification_folder, filename))

print("Processing completed.")

3. 素材信息標注員

素材的管理以業(yè)務、素材類型做分類；以標簽、命名做標注。所以也需要一些前置信息的準備。業(yè)務和素材類型的全量信息，標簽庫的搭建和標簽填充，命名的規(guī)則和限制。

其中標簽，我以類別維度去搭建的標簽格式：

一、主要類別（1）子分類 [具體標簽]

大概整理了 17 個主要類別，基本囊括 80%的圖片素材類別，后期也會定期維護更新。

標簽體系搭建后，對素材進行了全面的命名規(guī)范：

業(yè)務（判斷）-素材類型（判斷）-標簽一、標簽二、標簽三-人物描述/物體名稱（判斷，不超過 4 個字）-動作/場景/特征（判斷，不超過 6 個字）。

素材的名稱即為：人物描述/物體名稱（判斷，不超過 4 個字）-動作/場景/特征（判斷，不超過 6 個字）。例：一張女足的素材。全命名為“業(yè)務-3D-青年、運動健身、運動員-女孩-踢球”。

① Prompt

② 輸出效果

完成這一切的部署，就可以批量生圖，素材審核，針對素材信息進行自動填充，素材批量上傳入庫。

關于 Prompt 如何編寫，感興趣的同學可以看之后的文章。此篇文章意在分享目前大廠內部針對 AI 是如何運作，如何借助 AI 的能力做節(jié)點式提效。

由于該 SOP 并不是一個產品化的流程，所以需要設計師掌握一定的代碼能力：

部署 Python 集成開發(fā)環(huán)境（IDE）：為 Python 開發(fā)提供了一個強大的工具集，如 Spyder、Jupyter Notebook、PyCharm 等 Python 開發(fā)工具都可以。

目前的批量生成素材的質量還是不錯的，不過良品率還是有點低，在 15%左右，不過純批量生產可以達到 1200 張/小時，可直接入庫的素材至少有 144 張。若不調試 csv 持續(xù)輸出，每天達到入庫視覺標準的素材有 1152 張。當然這是理想的數據。目前有著隱性和顯性兩個方面的元素影響，例如一：網速、調用 SD 批量生圖時長和讀取圖片的返回數據時長這些隱形因素。二：人工二次審核和 csv 條目的調試這些顯性因素。

通過接入 GPT，減少了人工操作的時間，使得整體流程更加高效。prompt 批量生成、素材篩選、標簽生成和命名等環(huán)節(jié)均實現了自動化，大幅提升了工作效率。利用 GPT 的智能篩選與標記功能，可以確保素材質量的一致性和可靠性，減少了人工操作可能導致的錯誤。自動化的生成與篩選流程大大減輕了人工操作的負擔，使得成本降低的同時效率提升。

再接再厲，共同探索 AI 的更多可能性～