东南亚电商市场这两年卷得厉害尤其是主图这一块。同一个产品泰国站要泰文、印尼站要印尼文、越南站要越南文菲律宾站虽然英文能凑合但本地化标签还是得加。以前我们团队的做法是设计出一张中文主图然后找翻译、改文案、重新排版一套流程走下来少说两天多的话一周都搞不定。后来我尝试用AI工具链把这件事压缩到十分钟以内实测跑了三个月覆盖了六个语种、四百多张主图踩了不少坑也攒了一些经验。这篇内容就是把这套流程完整拆开从需求分析、工具选型、文案生成、图片合成到批量处理每一步都讲清楚为什么这么做、怎么做、做完怎么验证。适合做跨境电商视觉的设计师、运营也适合想用AI提效的中小卖家哪怕你之前没碰过AI绘图工具跟着走一遍也能上手。1. 东南亚多语言主图到底难在哪1.1 不是翻译一下就完事很多人以为多语言主图就是把中文文案丢进翻译软件出来贴到图上就行。我一开始也这么想结果第一版泰文主图发出去点击率比英文版还低。后来找本地朋友一看问题出在三个地方第一翻译出来的泰文太长原本中文四个字的位置塞了十几个字符字号被迫缩小手机上根本看不清第二有些词在泰语里有宗教或皇室联想用在促销文案里非常不合适第三东南亚各国对颜色和符号的敏感度不同比如印尼绿色有宗教含义越南红色在特定场景下要慎用。所以多语言主图的核心难点不是“翻译”而是“本地化适配”。你需要同时处理语言长度、文化禁忌、视觉习惯、平台规范这四个维度。每个维度单独看都不复杂但叠在一起就会让传统的人工流程变得极其低效。1.2 平台规范差异比想象中大Shopee、Lazada、TikTok Shop这三个平台对主图的要求各不相同。Shopee泰国站要求主图必须是白底或浅色底产品占比不低于60%Lazada印尼站允许场景图但禁止出现价格数字TikTok Shop越南站对文字覆盖面积有隐性限制文字太多会被降权。这些规则如果你不提前搞清楚AI生成得再漂亮也是白费。我的做法是建一个“平台规范对照表”把每个平台每个站点的硬性要求列出来生成主图之前先过一遍这个表。这个表后面我会详细展开这里先提一句规范不是限制而是你生成文案和图片时的约束条件提前知道比事后返工强一百倍。1.3 人工流程的瓶颈在哪传统流程大概是运营提需求→设计师做中文版→翻译公司翻译→设计师改版→运营审核→上架。这个链条里最耗时的是“翻译→改版”这个循环因为翻译回来的文案长度不可控设计师每次都要重新排版。如果涉及六个语种这个循环就要跑六遍每遍至少半天。AI能切入的点其实很明确把“翻译排版”合并成一个自动化步骤。你给AI一个中文文案模板和产品图它直接输出适配各语种的成品主图。听起来简单但要做到“直接可用”而不是“生成一堆废图”中间有很多细节要处理。2. 工具链选型为什么我最终用了这套组合2.1 文案生成大语言模型的选择逻辑文案生成这块我试过三种方案直接用翻译API、用通用大语言模型、用专门针对电商场景微调过的模型。翻译API的问题是它只做直译不考虑长度和营销语境通用大模型好一些但需要你写很详细的提示词才能输出符合电商调性的文案专门微调过的模型效果最好但成本高且灵活性差。最终我选择的是“通用大模型结构化提示词”的方案。具体来说用支持多语言的大模型通过精心设计的提示词模板让它同时完成翻译、压缩、本地化改写三个任务。提示词里我会明确告诉它目标语种、字符数上限、必须保留的关键词、禁止出现的词汇类别、输出格式要求。这样出来的文案基本能直接用偶尔需要微调。提示不要用“翻译成泰语”这种简单指令。你要给模型设定角色比如“你是一个有五年经验的泰国电商运营请把以下中文促销文案改写成适合泰国Shopee主图的泰文不超过15个字符保留‘包邮’含义避免使用皇室相关词汇”。2.2 图片合成为什么不用纯AI绘图很多人第一反应是用Stable Diffusion或者Midjourney直接生成带文字的主图。我试过效果不稳定。AI绘图工具对文字的处理能力很弱尤其是泰文、越南文这种字符结构复杂的语言生成出来经常是乱码。而且电商主图需要精确控制产品位置、文字区域、Logo摆放纯生成式AI做不到这种精细控制。我的方案是“AI生成背景程序化合成文字”。具体来说用AI生成或处理产品背景图比如去背、换背景、加光影然后用图像处理库Python的Pillow或Node.js的Sharp把文字精确地合成上去。这样文字是真实字体渲染的清晰度有保证位置也完全可控。2.3 批量处理脚本化是唯一出路如果你只做一两张图手动操作也能忍。但东南亚电商动辄几十个SKU、六个语种那就是几百张图。这时候必须脚本化。我用Python写了一个批处理脚本输入是一个Excel表格包含产品ID、中文文案、目标语种、平台、站点输出是分语种分站点的成品图文件夹。脚本的核心逻辑是读取表格→调用大模型API生成各语种文案→调用图片处理库合成主图→按规则命名输出。整个过程不需要人工干预跑一次大概十分钟能处理五十张图。这个脚本我后面会给出核心代码框架。2.4 工具链成本对比方案单张成本月处理1000张成本质量稳定性上手难度纯人工15-30元15000-30000元高低翻译API人工排版5-10元5000-10000元中中通用大模型脚本合成0.5-1元500-1000元中高中高专用电商AI工具2-5元2000-5000元高低从表格能看出来通用大模型脚本合成的方案在成本和可控性上平衡得最好。专用工具虽然省事但灵活性差遇到特殊需求改不了。纯人工就不用说了成本根本扛不住。3. 文案生成的提示词工程实战3.1 提示词模板的结构设计我用的提示词模板分四层角色设定、任务描述、约束条件、输出格式。角色设定让模型进入电商运营的思维模式任务描述说清楚要做什么约束条件是关键包括字符数、禁用词、必须保留的词输出格式确保结果可以直接被脚本解析。举个例子给泰国站生成文案的提示词大概是这样的你是一个有五年经验的泰国Shopee运营擅长写高转化率的主图文案。 任务把以下中文文案改写成泰文用于电商主图。 中文文案限时折扣全场包邮买二送一 约束 1. 总字符数不超过20个泰文字符 2. 必须保留“包邮”的含义 3. 避免使用与皇室、宗教相关的词汇 4. 语气要亲切像朋友推荐一样 输出格式只输出泰文文案不要解释这个模板跑出来的结果基本能用偶尔需要调整字符数上限。我的经验是泰文控制在15-20字符越南文20-25字符印尼文25-30字符菲律宾英文30-35字符。这个范围是根据手机端主图的实际显示效果反推出来的。3.2 字符数控制的技巧大模型对字符数的控制能力有限你让它写20个字符它可能给你25个。我的做法是分两步先让模型生成然后用脚本检测字符数超了就自动触发一次“压缩改写”请求。压缩请求的提示词更简单“把以下泰文压缩到15个字符以内保留核心含义”。还有一个技巧是用“字符预算”的概念。比如主图文字区域宽度是800像素泰文字体大小是48像素那大概能放16-17个字符。你把这个预算告诉模型它会有意识地控制长度。实测下来明确给出字符预算比单纯说“简短一点”有效得多。3.3 本地化改写的边界本地化改写不是让你胡编乱造。有些词是不能改的比如品牌名、产品核心卖点、促销机制。我的原则是事实性信息必须准确表达方式可以本地化。比如“买二送一”在泰国可以写成“ซื้อ2แถม1”在印尼写成“Beli 2 Gratis 1”在越南写成“Mua 2 Tặng 1”核心机制不变但表达符合当地习惯。另外要注意数字格式。印尼用逗号做小数点越南用点做千位分隔符这些细节如果搞错用户会觉得你不专业。我在脚本里加了一个数字格式转换模块根据目标语种自动处理。3.4 敏感词过滤机制东南亚各国都有自己的敏感词清单比如印尼对宗教词汇敏感泰国对皇室词汇敏感越南对政治词汇敏感。我的做法是建一个“禁用词库”按语种分类生成文案后自动扫描命中就触发重新生成。这个禁用词库不需要很全覆盖最常见的几十个词就够了。比如泰语里“皇室”“国王”“神圣”相关的词印尼语里“清真”“猪肉”相关的词越南语里“政府”“历史”相关的词。这些词一旦出现在主图上轻则限流重则封店绝对不能碰。注意禁用词库要定期更新。东南亚各国的敏感词范围会变化建议每个月检查一次或者关注当地电商论坛的讨论。4. 图片合成的技术实现细节4.1 主图模板的设计原则做多语言主图模板设计要遵循“文字区域可伸缩”的原则。什么意思呢就是你的模板里文字区域不能是固定大小的要根据文案长度自动调整。比如泰文短文字区域就窄一点印尼文长文字区域就宽一点。产品图的位置也要相应调整保证整体构图平衡。我的模板分三个区域产品区占60%-70%、文字区占20%-30%、Logo区占5%-10%。文字区用弹性布局根据文案长度自动计算字号和行数。如果文案太长就自动缩小字号或者分成两行。这个逻辑用Pillow或Sharp都能实现。4.2 字体选择与渲染东南亚语言的字体渲染是个大坑。泰文有上下标元音越南文有大量变音符号如果字体不支持这些特性渲染出来就是乱码或者错位。我试过十几种字体最终每个语种固定用一到两款经过验证的字体。泰文推荐用“Sarabun”或“Prompt”这两款对上下标支持好越南文用“Roboto”或“Noto Sans”变音符号渲染清晰印尼文和菲律宾英文用“Inter”或“Poppins”就行。字体文件要嵌入到脚本里不要依赖系统字体否则换台机器就出问题。4.3 文字合成的精确控制用Pillow合成文字的代码大概是这样from PIL import Image, ImageDraw, ImageFont def add_text_to_image(image_path, text, font_path, font_size, position, color): img Image.open(image_path) draw ImageDraw.Draw(img) font ImageFont.truetype(font_path, font_size) draw.text(position, text, fontfont, fillcolor) return img这段代码看起来简单但实际用的时候要注意几个点第一position是文字左上角的坐标你要根据文字长度和区域宽度计算居中位置第二颜色要用RGBA格式方便加透明度第三如果文字有描边或阴影需要额外处理。我封装了一个draw_text_centered函数自动计算居中位置支持多行文字和自动换行。这个函数是整套脚本里最核心的部分后面会给出完整代码。4.4 批量合成的性能优化处理几百张图的时候性能是个问题。我的优化策略是第一图片模板只加载一次不要每张图都重新打开第二字体对象缓存起来不要每次渲染都重新加载第三用多进程处理Python的multiprocessing模块能把速度提升三到四倍。实测下来单进程处理一张图大概1.5秒四进程并行处理一百张图大概40秒。这个速度对于日常运营足够了。如果你要处理上千张可以考虑用GPU加速或者分布式处理但那是另一个量级的需求了。5. 完整批处理脚本的搭建过程5.1 输入表格的设计批处理脚本的输入是一个Excel表格列包括产品ID、产品图路径、中文文案、目标语种、目标平台、目标站点、输出路径。这个表格由运营填写填完之后脚本自动跑。表格设计的关键是“目标语种”和“目标站点”要分开。因为同一个语种在不同站点的用法可能不同比如印尼语在印尼站和马来西亚站就有差异。分开之后脚本可以根据站点做额外的本地化调整。5.2 脚本的核心流程脚本的流程分五步读取Excel表格解析每一行调用大模型API生成目标语种文案检测文案字符数超限则触发压缩扫描禁用词命中则重新生成合成图片并保存到指定路径每一步都有异常处理比如API调用失败要重试图片路径不存在要报错。这些细节决定了脚本能不能稳定跑。5.3 异常处理与日志批处理最怕的是跑到一半出错你不知道错在哪。我的做法是每一步都写日志记录产品ID、当前步骤、耗时、结果。日志用JSON格式方便后续分析。异常处理分三级可重试异常如API超时自动重试三次不可重试异常如文件不存在记录日志并跳过致命异常如API密钥失效终止脚本并报警。这样即使出问题你也能快速定位。5.4 输出文件的命名规范输出文件按“产品ID_语种_站点_日期”的格式命名比如“SKU001_TH_TH_20250101.jpg”。这样命名的好处是第一一眼能看出是哪个产品哪个语种第二按文件名排序就能按日期排列第三方便后续批量上传到平台。文件夹结构按“平台/站点/语种”三级分类比如“Shopee/TH/TH/”下面放所有泰国站泰文主图。这样上传的时候直接选文件夹就行不用一个个挑。6. 实测中遇到的坑与解决方案6.1 泰文渲染错位问题第一个坑是泰文渲染。泰文的上下标元音在Pillow里默认渲染会错位比如“ก”上面的元音会跑到下一行去。原因是Pillow默认的文本布局引擎不支持泰文的复杂文本布局。解决方案是用libraqm库。安装libraqm之后Pillow会自动启用复杂文本布局泰文渲染就正常了。安装方法因系统而异Linux上apt-get install libraqm-devMac上brew install libraqmWindows上需要手动编译或者用预编译的wheel。注意如果你用的是Docker基础镜像里可能没有libraqm需要在Dockerfile里加上安装命令。6.2 越南文变音符号丢失越南文的变音符号如“ế”“ộ”“ữ”在某些字体下会丢失或者显示成方块。我试了好几种字体最终发现“Noto Sans”系列对越南文支持最好。另外字体大小不能太小小于24像素的时候变音符号容易糊掉。还有一个隐藏问题如果你的脚本里用了文字阴影或描边变音符号可能会被覆盖。我的做法是阴影偏移量不要超过2像素描边宽度不要超过1像素这样既能保证可读性又不会影响变音符号。6.3 大模型API的限流与重试大模型API都有调用频率限制批量处理的时候很容易触发限流。我的做法是第一控制并发数不要一次性发太多请求第二实现指数退避重试第一次等1秒第二次等2秒第三次等4秒第三把生成好的文案缓存起来同样的中文文案不用重复调用。缓存机制很关键。很多产品的主图文案是重复的比如“限时折扣”这个词可能几十个产品都用。缓存之后API调用量能减少60%以上。6.4 图片尺寸与平台规范的冲突不同平台对主图尺寸要求不同。Shopee要求正方形最小500x500Lazada允许长方形但比例不能超过1:1.5TikTok Shop要求竖版9:16。如果你的模板只做了一个尺寸上传的时候就会被裁剪或压缩。我的方案是做三套模板正方形、长方形、竖版。脚本根据目标平台自动选择模板。这样虽然前期工作量大一点但后期省事很多。6.5 文案与图片的匹配问题有时候AI生成的文案和产品图不匹配。比如产品图是衣服文案却生成了“新鲜水果”相关的词。这是因为大模型不知道产品是什么只根据中文文案生成。解决方案是在提示词里加入产品类别信息。比如“这是一个服装产品请生成适合服装促销的泰文文案”。这样模型就能根据产品类别调整用词。如果产品类别很多可以建一个类别-关键词映射表脚本自动填充。7. 效果验证与迭代优化7.1 怎么判断主图是否合格主图生成之后不能直接上架要先做一轮验证。我的验证清单包括文字是否清晰可读手机端缩小到50%看、文案是否有语法错误找本地人抽查、颜色是否符合当地审美、产品占比是否达标、是否有敏感词遗漏。这个清单看起来简单但能过滤掉80%的问题图。我建议至少抽查20%的生成结果如果问题率超过5%就要检查提示词或模板是不是有问题。7.2 A/B测试的简易方法如果条件允许可以做A/B测试。同一产品生成两版主图一版是AI生成的一版是人工做的同时上架跑一周看点击率和转化率。我实测下来AI生成的主图在点击率上不输人工转化率略低5%左右但考虑到成本差距这个结果完全可以接受。A/B测试的关键是控制变量同一产品、同一价格、同一时间段只变主图。如果变量太多测试结果没有参考价值。7.3 根据数据反馈优化提示词A/B测试的数据要反哺到提示词优化。比如发现泰国站带“包邮”字样的主图点击率更高那就在提示词里强制保留“包邮”含义。发现印尼站用户更喜欢暖色调那就调整模板的背景色。这个迭代过程是持续的。我每个月会review一次数据更新提示词模板和禁用词库。三个月下来AI生成主图的点击率提升了30%左右。7.4 规模化之后的成本控制当月处理量超过一千张的时候成本控制就很重要了。我的做法是第一用缓存减少API调用第二用更便宜的模型处理简单文案复杂文案才用贵模型第三批量处理而不是实时处理利用API的批量折扣。还有一个技巧是“文案复用”。很多产品的卖点相似可以把文案模板化只替换产品名和关键参数。这样AI只需要生成一次模板后续都是填空成本几乎为零。8. 一些实操心得与建议8.1 不要追求一步到位我一开始想做一个全自动系统输入产品链接就输出所有语种主图。结果发现每个平台的规则、每个产品的特点都不一样全自动根本不现实。后来改成“半自动”脚本处理80%的标准化工作剩下20%的人工微调。这样效率最高出错率也最低。8.2 本地化审核不能省AI生成的文案尤其是小语种一定要找本地人审核。我吃过亏AI生成的印尼语文案里有一个词在当地有不好的联想上架之后被用户投诉。后来我固定找两个本地兼职做审核每张图审核费5块钱但能避免大问题。8.3 模板要留白主图模板不要做得太满要留出20%左右的空白区域。原因有两个第一不同语种的文案长度差异大留白能容纳更长的文案第二平台可能会在主图上叠加促销标签留白能避免遮挡。8.4 定期更新字体和模板东南亚用户的审美变化很快去年流行的字体和配色今年可能就过时了。我每季度会更新一次模板换字体、调配色、调整布局。这个工作量不大但对点击率的影响很明显。8.5 脚本要版本控制批处理脚本一定要用Git做版本控制。我踩过坑改了一个参数导致所有生成图都偏色因为没有版本控制回滚都回不去。后来用Git管理每次改动都有记录出问题直接回滚到上一个版本。8.6 关注平台政策变化电商平台的政策变化很频繁今天允许的文案明天可能就违规了。我每周会花半小时看平台公告和卖家论坛及时调整禁用词库和模板规范。这个习惯帮我避免了好几次限流。8.7 不要忽视图片压缩生成的主图如果太大上传到平台会被压缩压缩之后文字可能变糊。我的做法是生成的时候就用合适的尺寸和压缩率Shopee用80%质量Lazada用85%TikTok Shop用90%。这样上传之后不会被二次压缩清晰度有保证。8.8 建立自己的素材库产品图、背景图、Logo、字体、模板这些素材要分类整理好。我建了一个素材库按产品类别和语种分类用的时候直接调。这样脚本跑起来效率高也不会出现找不到文件的情况。8.9 测试再测试任何新模板、新提示词、新脚本都要先小批量测试。我一般先跑10张图人工检查没问题再批量跑。这个习惯帮我避免了好几次大规模返工。8.10 保持学习AI工具和电商平台都在快速变化今天好用的方法明天可能就失效了。我每周会花时间看行业资讯、试新工具、和同行交流。这个投入是值得的因为电商视觉的竞争本质上就是效率和效果的竞争。最后分享一个我常用的检查清单每次批量生成之前过一遍平台规范是否更新禁用词库是否最新字体文件是否完整模板尺寸是否正确API密钥是否有效输出路径是否有权限缓存是否已清理日志是否开启这个清单看起来琐碎但能帮你避免90%的低级错误。跑通一次完整流程之后你会发现多语言主图生成这件事从两天缩短到十分钟是完全可行的。