這是一個 SasaDaily 假設案例。
不是 Qwen 公布的真實客戶成效。
假設有一家 5 人生活選物電商品牌：
- 1 名品牌負責人
- 1 名商品企劃
- 1 名攝影／內容人員
- 1 名視覺設計
- 1 名電商營運
每星期固定上架：
4～6 款新品。
真正耗時間的，
往往不只第一次拍照。
而是照片拍完之後，
同一件商品還要一直被加工。
一個商品，為什麼要做這麼多次？
例如新到一款包包。
團隊至少需要：
商品正面照。
側面照。
細節照。
透明背景 PNG。
網站橫幅。
IG 直式素材。
生活情境圖。
活動 Banner。
如果換一個季節，
還可能又要：
春季場景。
夏季戶外。
節慶活動。
不同人物。
不同服裝。
以前最麻煩的是：
商品沒有變，但素材一直重做。
第一步：真正的商品還是先拍
這家公司不讓 AI：
憑空想像商品。
新品到貨後，
第一步仍然先由攝影人員拍：
真實商品 Reference。
至少包含：
正面。
側面。
主要細節。
必要時再加：
背面、
扣件、
材質近照。
這幾張 Reference 有一個任務：
定義商品到底長什麼樣子。
因為如果連商品本身都讓 AI 猜，
後面做出來的廣告即使很漂亮，
也可能根本不是客戶實際會收到的東西。
第二步：先把商品變成透明素材
Qwen-Image-2.1 原生支援：
Subject Extraction
以及：
RGBA Transparent Image。
所以團隊可以先測試：
把真實商品照片中的主體抽出，
做成透明背景素材。
例如原本包包拍在灰色攝影桌上。
AI 協助抽出：
包包本體。
背景變透明。
接著這份素材就可以繼續用在：
網站。
Banner。
簡報。
社群。
其他 Composite。
這一步的價值不是：
「AI 創作了新商品。」
而是：
把已經存在的商品素材整理得更容易重複利用。
但去背後一定要看邊緣
例如包包有：
細肩帶。
流蘇。
金屬扣件。
透明材質。
毛邊。
這些地方很容易被：
去掉。
變形。
補錯。
所以 AI Subject Extraction 完成後，
設計人員一定比較：
原始商品照 vs 透明素材。
尤其看：
輪廓。
扣件。
肩帶。
Logo。
縫線。
商品不能因為：
「去背很方便」
就開始長出原本不存在的細節。
第三步：生活情境圖不要只靠一句 Prompt
接著團隊想做：
「年輕上班族帶這款包包走進咖啡店。」
以前可能直接輸入：
「一位亞洲女性背著這個包包走進漂亮咖啡店。」
結果 AI 可能：
包包換了。
人物風格不對。
衣服亂掉。
場景也不是品牌要的感覺。
Qwen-Image-2.1 最多支援：
10 張 Reference Images。
所以這家品牌改成：
圖 1：
真實商品。
圖 2：
人物 Reference。
圖 3：
服裝 Reference。
圖 4：
場景 Reference。
再告訴 AI：
哪張圖負責什麼。
也就是今天一分鐘教學講的：
一張圖一個任務。
AI 做的是「情境 Draft」，不是商品事實
這裡一定要畫界線。
AI 可以協助決定：
人物放哪裡。
場景氛圍。
構圖。
光線。
整體情境。
但商品本身：
尺寸比例。
背帶長度。
口袋位置。
五金。
材質。
顏色。
不能因為 AI 覺得：
「這樣比較漂亮」
就自己改掉。
例如真實包包只有：
一個外袋。
AI 卻畫成：
兩個外袋。
這張圖就不能正式發布。
即使消費者可能根本看不出來。
第四步：客戶只想改一個地方，不要整張重生
假設第一版情境圖：
人物對了。
商品對了。
場景也對。
只有：
外套顏色不好看。
以前很可能重新 Generate。
結果：
外套改好了，
人物臉卻變了。
包包扣件也跟著變。
Qwen-Image-2.1 支援：
Circle。
Painted Annotation。
Mask。
指定 Local Editing Area。
團隊就可以只選：
外套。
要求：
改成米白色。
而不是：
整張重新生成。
這種能力對商業 Workflow 的價值，
不是比較炫。
而是：
已經通過的東西，不要每改一次又全部重新冒風險。
第五步：不同平台尺寸再各自輸出
Qwen-Image-2.1 原生支援 2K，
官方也提供：
1:1。
16:9。
9:16。
4:3。
3:4。
3:2。
2:3。
等不同建議比例。
所以同一組已確認 Reference，
可以再製作：
網站 16:9。
Instagram 1:1。
Reels／Stories 9:16。
但這家公司不會直接拿：
第一張成功的 16:9
硬裁成：
9:16。
因為直式素材通常要重新調整：
人物位置。
商品位置。
留白。
CTA 區域。
所以 AI 真正省的是：
不用每個尺寸都重新從零做素材。
不是：
一張圖可以完全不用設計直接通吃所有平台。
哪些工作適合先交給 AI？
這家公司把 Workflow 分成：
真實商品拍攝
↓
商品主體抽出
↓
透明素材 Draft
↓
多 Reference 情境 Draft
↓
局部修改
↓
不同尺寸素材 Draft
↓
人工比對商品
↓
正式發布
其中 AI 主要負責：
整理、去背、組合、草擬、局部修改。
真正商品事實，
仍然來自：
真實商品。
哪些一定由人確認？
這家公司固定把以下項目列成 Human Gate：
商品形狀
不能多袋子、少扣件或改結構。
商品顏色
不能因為光線生成讓消費者誤判。
Logo／商標
不能變形或生成假的品牌文字。
尺寸與比例
不能把 Mini Bag 畫成 Tote Bag 大小。
材質
真皮不能畫成亮面塑膠。
人物 Reference 權利
使用真人照片前要確認素材使用權。
正式 Advertising Claim
AI 圖片不能自己暗示不存在的功能。
Commercial License
正式收費或商業使用前，必須確認模型與實際使用平台的授權條件。
這最後一項尤其重要。
Qwen-Image-2.1 現在不能直接假設自由商用
Qwen-Image-2.1 的 Model Weights 雖然公開，
但目前 Repository 採：
Qwen Research License Agreement。
正式 License 明確說：
Non-commercial 指：
Research or Evaluation Purposes。
如果要把 Materials 用於：
Commercial Purpose，
必須另外取得：
Commercial License。
所以這個案例假設的是：
品牌在正式將 Qwen-Image-2.1 放進商業 Workflow 前，
已經完成必要的 Commercial License 確認。
如果還沒有，
就只能先停在：
Evaluation。
不能因為：
模型可以下載，
就直接把它拿來做正式廣告。
商業授權也不是全部
即使取得模型的 Commercial License，
還有另外兩層。
第一層：
實際使用平台的 Terms。
如果不是自己部署模型，
而是透過第三方 Service 使用，
還要看那個平台自己的規定。
第二層：
Reference Material Rights。
例如：
模特兒照片。
攝影師作品。
客戶提供素材。
品牌 Logo。
第三方產品。
都可能有自己的：
Copyright、
Portrait Rights、
Trademark
問題。
模型有商業授權，
不會自動把這些權利一起送給你。
假設可以省多少時間？
這裡只做一個保守示範。
假設這家公司每週處理：
6 款商品。
以前一週在圖片後製上平均花：
人工去背與修邊：2 小時
情境 Mockup：3 小時
不同尺寸重新排版：1.5 小時
因小修改重做素材：2 小時
合計約：
8.5 小時。
假設導入 AI 後：
基本素材生成與整理縮短，
但保留：
商品比對、
權利檢查、
人工修改、
正式 Approval。
整體變成：
5 小時。
那一星期大約少掉：
3.5 小時。
一個月四週大約：
14 小時。
這只是 SasaDaily 為說明 Workflow 建立的假設。
不是 Qwen 官方客戶成效。
也不是使用 Qwen-Image-2.1 就一定能省 14 小時。
真正要自己量。
不要只算「生成速度」
這家公司真正會記錄的 KPI 是：
每款商品從原圖到正式素材要多久？
每星期需要重拍幾次？
AI Draft 有多少因商品變形被退掉？
Human Review 花多少時間？
同一組 Reference 能產出多少可用尺寸？
如果 AI 每分鐘生成十張，
最後九張都因為：
商品不準，
不能用，
那並沒有提高效率。
真正的 ROI 應該看：
最後可發布的素材。
不是：
生成了多少張圖。
主商品照甚至可以完全不交給 AI
這家公司還可以訂一條更保守的規則：
網站 Product Page 的：
第一張主商品圖
永遠使用真實攝影。
AI 主要處理：
Lifestyle Image。
活動情境。
社群視覺。
透明素材。
版型變體。
因為主商品照最重要的工作就是：
準確告訴客人商品長什麼樣子。
這種地方沒有必要為了使用 AI，
反而降低真實度。
AI 不需要出現在 Workflow 的每一步。
最好的導入方法通常是：
只放在真正能減少重複工作的地方。
這個案例真正省的是「素材重做」
Qwen-Image-2.1 最吸引人的功能看起來很多：
10 張 Reference。
透明背景。
Local Editing。
2K。
Prompt Rewriter。
但對這家 5 人品牌來說，
它們最後其實都在處理一個問題：
同一件商品不要每換一個場景，就從零再做一次。
拍一次真實 Reference。
確認商品。
接著讓 AI 幫忙：
抽素材。
換情境。
改局部。
做尺寸。
人再負責：
真實性。
品牌。
權利。
最後發布。
這才比較像真正能落地的小企業 AI Workflow。
不是：
讓 AI 取代攝影師。
而是：
讓已經拍對的商品素材，不要一直重做。
如果你也想知道自己的工作裡，哪一步最適合先交給 AI，留言「流程」。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 商業案例｜2026/09/06：4 人手作食品品牌怎麼用 Lyria 3.5？每支短影音先做配樂 Draft，品牌聲音與正式商用仍由人把關
AI 商業案例｜2026/08/14：8 人跨境皮件品牌怎麼用 OpenRouter？一般客服走低成本模型、複雜客訴升級，退款與補償直接轉人工
