【Coze实战】告别昂贵商拍！用 NanoBanana2+Coze 搭建一键批量服装模特生成器（附保姆级教程）

本文介绍了一个基于Coze平台开发的"NanoBanana2服装模特生成"工作流，可帮助服装电商和自媒体从业者快速生成专业模特上身图。该工作流通过参数输入、提示词裂变、循环绘图等8个步骤，实现从平铺图到多角度模特图的自动化生成。系统采用视觉理解技术分析服装特征，结合专业摄影师Prompt模板，能准确还原服装材质和版型。相比传统摄影，该方案成本低、效率高，10分钟内即可完成传统需

古鱼复苏ζ

715人浏览 · 2026-01-18 16:14:54

古鱼复苏ζ · 2026-01-18 16:14:54 发布

对于做服装电商或自媒体的朋友来说，最头疼的环节往往不是选品，而是“上新”。

约模特、租影棚、还要等待漫长的后期修图……一套流程下来，不仅成本高昂，周期更是拖得让人心力交瘁。有时候甚至衣服都过季了，图还没修好。你是否想过：如果只需一张衣服的平铺图，再加上一个简单的名称，就能立刻生成媲美商拍的真人模特上身图，那该多爽？

没错，今天我要分享的就是我基于 Coze 搭建的“NanoBanana2 服装模特生成”工作流。不需要复杂的 Prompt 调试，不需要昂贵的摄影器材，通过这个工作流，我实现了“一键批量”生成。不管你是想做电商主图，还是想搞定私域素材，这篇文章都能帮你打开新思路！

体验链接：https://www.coze.cn/s/Xnv8zzeW4SM/

一、手把手教你搭建 Coze 工作流

这一部分是整篇文章的核心。为了实现“从一张平铺图到多张不同姿势模特图”的自动化，我将工作流设计为 “参数输入 -> 提示词裂变 -> 循环绘图 -> 数据清洗 -> 结果输出” 的闭环结构。

第一步：定义输入参数

一切自动化的起点。为了让 Bot 足够灵活，我们需要在开始节点预设好关键参数，而不是把它们写死在代码里。

我在 Start 节点定义了以下 4 个变量：

Product_Name (String): 衣服的名称（例如：法式复古碎花连衣裙）。
image (Image): 用户上传的衣服平铺图/白底图。
api_key (String): 用于调用 NanoBanana2 服务的密钥（配置为变量，方便后续灵活替换）。
image_count (Integer): 设定一次性生成的图片数量（比如一次生成 4 张）。

第二步：生成模特姿势提示词

在开始节点之后，我没有直接调用绘图插件，而是接入了一个大模型节点：大模型_生成模特姿势提示词。这是整个工作流的“大脑”，它决定了生成的模特图是否专业、姿势是否丰富。

这里我选择的模型是 Doubao-1.6-lite-251015，它具备优秀的意图识别能力且成本极低。更重要的是，我在这个节点做了一个关键配置：启用了视觉理解。

输入变量 (Input):

Product_Name：衣服名称（辅助判断风格）。
image_count：生成数量（决定要设计几个动作）。
image：关键点！ 我将 Start 节点传入的图片直接喂给大模型，让它通过视觉能力“看懂”这件衣服。

系统提示词：

# Role
你是一名拥有15年经验的资深电商模特摄影师。你擅长通过精准的肢体语言指导和镜头调度，完美展示服装的版型、材质和上身效果。你的指令简练、专业，专注于模特与镜头本身。

# Task
根据用户传入的【产品名称】、【产品图片】以及指定的【生成数量】，为该产品定制一套包含 **{{image_count}}张图** 的拍摄方案。每一张图都需要包含具体的“模特姿势”和“镜头景别”。

# Constraints (绝对限制)
1. **纯净输出**：只输出【模特姿势】和【拍摄镜头】的描述，**严禁**出现任何背景、灯光、天气、街道、室内外等场景环境描写。
2. **数量严格匹配**：必须读取 `{{image_count}}` 的数值，并严格输出 **{{image_count}}** 个不同的方案，不多也不少。
3. **主体聚焦**：所有动作必须服务于展示服装（例如：展示袖口时手要抬起，展示裤型时腿要分开），确保服装无遮挡或遮挡合理。
4. **风格一致性**：必须严格模仿下方【Reference】中的语言风格，短促、有力、画面感强。

# Reference (参考风格样本)
- 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

# Workflow
1. **识别产品**：分析`{{Product_Name}}`和`{{image}}`，判断是上衣、裤子、裙子还是套装，调整姿势策略（如：裤子多强调腿部线条，上衣多强调手臂与腰身）。
2. **动作编排**：根据 **{{image_count}}** 的数值规划动作组合，确保包含正面、侧面、特写、动态抓拍等多角度。

用户提示词：

产品名称：{{Product_Name}}
图片数量：{{image_count}}
产品图片：{{image}}

在写完 Prompt 后，别忘了配置输出变量，这是连接下一个节点的“桥梁”。

输出变量名: Product_Prompt
- 类型: String (字符串)
- 含义: 这里承载了大模型刚刚规划好的“拍摄方案”。

第三步：生成模特图片提示词

有了上一步规划好的“中文拍摄方案”还不够，我们需要把它翻译成 AI 绘图模型能精准执行的英文 Prompt（提示词）。

为此，我配置了第二个大模型节点：大模型_生成模特图片提示词。

输入变量 (Input):

Product_Prompt：接收上一步生成的“拍摄方案”。
Product_Name & image_count：辅助信息，确保生成的 Prompt 数量正确。
image：再次传入图片。这一步是为了让大模型在写具体 Prompt 时，能更精准地描述衣服的材质（比如“silk texture”丝绸质感、“denim”牛仔布），保证还原度。

模型选择: 依然使用性价比极高的 Doubao-1.6-lite-251015。

系统提示词：

# Role
你是一名顶尖的时尚人像摄影师，擅长拍摄**清新、自然、充满都市感**的中国美女大片。你的作品风格不仅五官精致，更有一种“通风感”和“电影级柔光”，完全区别于生硬的AI图。

# Task
根据用户输入的【产品名称】、上一轮生成的【中文姿势列表】以及用户指定的【生成数量】，输出一个包含对应数量英文提示词的 JSON 数组。

# Input Variables
- **Product_Name**: {{Product_Name}}
- **Pose_List**: {{Product_Prompt}}
- **Target_Count**: {{image_count}}

# Workflow Rules (核心处理逻辑)

1. **数量对齐**:
   读取 `{{image_count}}`，从 `{{Pose_List}}` 中提取对应数量的动作。

2. **提示词构建公式 (Prompt Formula)**:
   请严格按照以下结构组合英文 Prompt，核心在于复刻你提供的**“都市氧气美女”**风格：

   `[清新中国美女主体] + [动态姿势] + [产品穿着] + [都市光影环境] + [胶片摄影质感]`

   * **主体 (Subject - 氧气感美女)**:
       "A stunning **young Chinese beauty model**, **fashionable and elegant**, three-quarter portrait, elegant body frame, balanced proportions, **long wavy light brown hair** (light airy texture), **soft beauty makeup**: subtle shimmery peachy pink eyeshadow, long curled eyelashes, exquisite eyeliner, warm hazel round eyes, doll-like amplification, pale pink blush, **rose pink gradient velvet matte lips**."
       *(完美保留了你参考中的妆容细节，强调了精致的五官)*

   * **动作 (Action - 魅力动态)**:
       将中文姿势翻译为英文，并加入："{{Current_Pose}}, slightly leaning forward, charming gaze, feminine charm, natural interaction with camera."

   * **服装 (Clothing)**:
       "Wearing {{Product_Name}}, trendy outfit, high-end texture."

   * **环境 (Environment - 都市自然光)**:
       "**Metropolitan city outdoor scene**, modern architecture background, **natural sunlight**, blurred background (bokeh), vibrant yet warm atmosphere."

   * **画质与参数 (Quality - 电影级柔光)**:
       "**High-end outdoor fashion portrait**, **soft bright sunlight**, **cinematic soft glow**, **shallow depth of field**, **clear skin rendering** (realistic texture), **airy color grading**, **gentle film grain**, festive playful vibe, romantic and warm atmosphere, 8k, masterpiece, best quality."

3. **格式要求**:
   - 输出必须是纯粹的 JSON 字符串数组。
   - 严禁包含任何 Markdown 标记或解释。

# Output Format Example
[
"A stunning young Chinese beauty model, fashionable and elegant, long wavy light brown hair, soft beauty makeup, peachy pink eyeshadow, rose pink lips, wearing white summer dress, standing sideways laughing, metropolitan city outdoor scene, natural sunlight, cinematic soft glow, clear skin rendering, airy color grading, gentle film grain, 8k, masterpiece",
"Close-up of young Chinese beauty, charming gaze, doll-like eyes, wearing white summer dress, leaning forward, soft bright sunlight, blurred city background, high-end fashion portrait, best quality"
]

用户提示词：

详情页提示词：{{Product_Prompt}}
产品名称：{{Product_Name}}
产品图片数量：{{image_count}}
产品图片：{{image}}

输出配置这里藏着一个必须遵守的规则：

变量名: Image_Prompt
变量类型: Array<String> (字符串数组)
- 为什么要设为数组？ 因为我们要在下一步使用 Loop（循环） 节点。循环节点只能遍历“列表”或“数组”。
- 大模型怎么输出数组？ 在 System Prompt 中必须强制要求：“请将生成的 {{image_count}} 个 Prompt 封装在一个 JSON 列表中返回，不要包含任何多余的文字。”

配置好这一步后，我们就得到了一个包含 4 条（假设生成 4 张）高质量英文 Prompt 的列表，万事俱备，只欠“循环”！

第四步：循环_生成多张模特图片

有了上一步生成的“提示词数组”还不够，因为 NanoBanana2 插件一次只能处理一条指令。想要一次性生成多张图，我们就需要用到 Loop（循环） 节点。

这里有一个新手最容易卡住的逻辑陷阱，请务必仔细看：

循环模式设置 (Loop Setup)

循环类型: 选择 使用数组循环 (Loop by Array)。
输入数组: 选择上一个节点输出的 Image_Prompt。
变量名: 这里我将其命名为 input。

请注意： 很多同学配置完上面就急着去设置循环节点的“输出变量”，结果发现下拉菜单里空空如也。正确的逻辑是：你必须先在“循环体”内部把插件跑通，外部才能抓取到结果。

第五步：Na2图片生成

这是整个工作流的第一个视觉高潮，也是决定模特质量的核心环节。我们将使用 NanoBanana2 模型来生成风格化的参考图。

首先，我们需要在插件市场找到这个工具。点击 Coze 画布左侧的 “+” (添加节点)，选择 “插件”。在搜索框输入关键词： Na绘图。

在搜索结果中，你可能会看到多个选项。请务必注意：

✅ 请选择： Na2_generate_image (Na图片生成，即图生图)。

❌ 不要选： text_to_image (文生图)。

参数映射 (Mapping): 这是让工作流“活”起来的关键：

api_key: 引用 Start 节点的 api_key（全局通用）。
image_url: 引用 Start 节点的 image（始终保持用同一张原图）。
prompt (核心): 这里要选择 循环_生成多张模特图片 · input。
原理解析： 这告诉插件，“虽然原图不变，但每次循环请用列表中不同的 Prompt 来画图”。
aspectRatio: 设置为 9:16（电商模特图通常是竖屏）。

第六步：聚合输出

等循环体内的插件配置好之后，我们回到 Loop 节点外部的设置面板。此时，神奇的事情发生了：

输出变量 (Output):
- 我们需要把 N 次循环生成的 N 张图片链接，重新打包成一个列表吐出来。
- 变量名: ImageURLs
- 变量值: 点击选择框，你会发现现在能选到 Na2图片生成模特 · image_url 了。
- 类型: 系统会自动识别为 Array<String>。

第七步：代码_去除空字符

经过循环节点，我们手里已经有了一把图片链接。但为了防止 AI 偶尔“抽风”生成失败（导致链接为空），或者为了格式更整洁，建议加一个简单的代码节点兜底，这也是一个成熟工作流的标志。

目的: 遍历 ImageURLs 列表，剔除无效数据，确保展示给用户的每一张图都能打开。

输入变量 (Input): imageURLs

值: 引用上一步循环节点的输出 循环_生成多张模特图片 · ImageURLs。

输出变量 (Output): image_urls

类型: Array<String> (字符串数组)。

function main(input) {
  // 查找 imageURLs 的辅助函数
  function findImageURLs(obj) {
    if (!obj || typeof obj !== "object") return null;
    if (obj.imageURLs) return obj.imageURLs;

    for (const k of Object.keys(obj)) {
      const v = obj[k];
      if (v && typeof v === "object") {
        const found = findImageURLs(v);
        if (found) return found;
      }
    }
    return null;
  }

  const arr = findImageURLs(input);

  // 如果没找到数组，或者类型不对，返回空数组
  if (!arr || typeof arr.length !== "number") {
    return { image_urls: [] };
  }

  const resultList = [];

  // 遍历数组，收集所有非空字符串
  for (let i = 0; i < arr.length; i++) {
    const s = String(arr[i] ?? "").trim();
    if (s) {
      resultList.push(s);
    }
  }

  // 返回包含所有链接的数组
  return { image_urls: resultList };
}

第八步：结束节点

最后，我们将清洗干净的数据交给结束节点，完成对用户的交付。

配置逻辑： 将代码节点输出的 image_urls 变量，直接作为 End 节点的输出变量。
用户侧效果： 当整个工作流运行完毕，用户在对话框里不会看到一堆复杂的中间参数，而是直接看到几张高清的模特大片整齐排列。

二、获取API_Key

在使用 Nano-Banana2 之前，需要先注册 API 平台并获取对应的 API Key。首先进入到API平台：https://linoapi.com.cn/register?aff=sJ68，点击右上角 「登录 / 注册」 完成账号注册。（新注册账号默认赠送 0.4 元 体验额度，不够的话可在【钱包】中按需充值。）