深夜的工位上，一张活动海报改到第七版。画面整体已经能用，问题都在细节：杯口的高光偏了一格，背景里的小字糊成一团，人物右手的小指多出一节。设计师盯着屏幕说，再生成一次就好。这句话很轻，却把一件事的轮廓露了出来——图像生成把“从零到有”这段路缩短了，没有把“从有到能用”这段路一起缩短。
省下来的时间去了哪里
出图变快之后，工作并没有等比例变轻，只是重心挪了位置。过去画三张草图就要半天，现在一次跑出几十张，接着是挑选、比对、局部重绘、再挑选。看图的体力活替代了动手的体力活，而判断这件事，本来就不便宜。
更麻烦的是系列。单张好看不难，一套物料要同一角色、同一光线、同一质地在横幅、方图、竖版里都成立，就没那么轻松。参考图、固定随机种子、局部重绘能缓解，但它们需要有人记、有人对齐、有人在版本之间来回核对。这类琐碎的对齐工作，几乎不会出现在演示视频里。
画面里的字，仍然是个坎
中文尤其如此。小字号、多行排版、中英混排、品牌指定字体，这些要求叠加起来，生成结果常常在笔画和间距上露出破绽。修的办法不是没有：把文字层单独拿出来排，或者先出底图再进设计软件加工，都可行。只是这样一来，“一次生成”的想象就退回“素材生产”的位置。
还有一个容易被忽略的成本：来源。训练数据与授权的讨论仍在进行，各平台的条款也各有说法。商用之前把素材出处、生成记录和使用范围理清楚，比事后解释省事得多。这部分没有统一答案，遇到模糊地带，宁可写得保守一些。
所以我在自己的工作里加了一条笨办法：每张要用的图，都留下提示词、参数、参考图和生成时间。它不解决版权问题，但至少让回溯变得可能——被问到“这张图怎么来的”，能答得上来。
哪些环节可以先交给它
把图像生成放在流程前端，收益比较直接。
- 情绪板与风格试探：先跑一轮，把方向摆到桌面上讨论。
- 构图与配色：用它快速试几种排布，再决定往哪个方向细化。
- 纹理、背景、装饰元素：这类不需要精确叙事的部分，返工成本低。
反过来，需要精确排版、品牌字体、可追溯授权的终稿，仍然要落回人工绘制与逐字校对。这不涉及谁替代谁，只是分工的边界还需要一段时间的磨合。
写到这里，我更愿意把图像生成看成一台出稿很快的打印机，而不是一位能替你拿主意的同事。它把“差不多”的图铺满屏幕，剩下的那点差别——差在哪、为什么差、值不值得改——还是要人说清楚。