终结塑料AI肖像

背景

近年来，AI 图像生成模型（如 Midjourney、Stable Diffusion、DALL·E）在肖像和产品渲染中普遍呈现一种「塑料感」：玻璃般光滑的皮肤、暖金色辉光、人造腮红、影棚级完美高光。这种千篇一律的美学虽然视觉上讨喜，却偏离了真实摄影的质感——毛孔、传感器颗粒、自然光线下的瑕疵等物理细节被彻底抹除。对于电商、时尚广告、产品展示等需要真实感和品牌一致性的场景，这种「AI 味」成为痛点。

针对这一问题，开发者 nanobananapro 在 ProductAI 平台上发布了一个名为 realistic-shot.skill 的 Claude 技能（skill），旨在将任何图像（包括渲染图、模特照、产品图甚至多层 PSD）转换为「未经修图、直出相机」的写实文件，同时保证产品标签的像素级忠实度。该技能基于 ProductAI 的 MCP（Model Context Protocol）连接器，由 Claude 驱动整个调用流程。

核心内容

该技能名为 realistic-shot.skill，适用于 Claude（claude.ai、桌面版或 Code 环境），需要配合 ProductAI 账户及 MCP 连接器（productai.photo）。其核心是一个称为 Raw Camera Casting Realism（原始相机铸造写实）的风格：由物理证据（如毛孔、噪点、环境光）驱动的写实感，而非仅仅依赖「photorealistic」这个提示词。

工作流程分四步：

1. 输入：接受任何图像——渲染图、模特照、产品照，甚至是分层 PSD。技能会将其扁平化、分类识别，并读取需要改变的内容。
2. 提示词生成：根据每张图像，生成一段精心编写的提示词（prompt），明确指定需要「消灭」哪些人工痕迹（腮红、辉光、光泽），以及需要「构建」哪些物理证据。对于过于平滑的渲染图，优先进行变形重构，以确保纹理胜于相似度。
3. 生成：通过 ProductAI 连接器在 nanobananapro 上运行 image-to-image 生成。不需要其他生成器或手动上传——Claude 驱动整个调用。
4. 验证：结果在 100% 缩放下检查——皮肤纹理必须在裁剪后仍然可见，产品标签与原始参考逐字符验证。

被工程化注入（生成）的细节：

• 随面部几何曲线可见的毛孔
• 捕捉侧光的细小毳毛
• 不规则的天然潮红（非人工腮红）
• 眼下纹理、细微皱纹、色素不均
• 垂直唇纹、干皮、哑光色
• 破坏完美眉形的杂毛
• 发际线的碎发、毛躁、婴儿毛
• 中等 ISO 下的传感器颗粒、阴影噪点
• 轻微不完美的白平衡、环境色温反射
• 羊毛纤维、起球、针织品上的松脱线头
• 产品上的指纹、灰尘、细微划痕
• 柔和的阴天窗光、真实阴影

产品忠实度法则：当产品在画面中时，其包装形状、标签布局、排版、Logo 位置和品牌颜色必须锁定到参考图像——清晰、不变形、完全可读，且处于锐利焦平面内。磨损和写实效果围绕产品展开：手抓握处的指纹、朝上表面的灰尘、真实的接触阴影。生成后，标签需与原始参考逐字符验证。提示词后缀固定为：「no changes to the product design whatsoever.」

安装与使用：

• 下载 .skill 文件并在 Claude 中打开——点击 Save skill。
• 在 Claude 连接器设置中连接 ProductAI MCP。
• 上传任意图像并说「make this a realistic shot」。技能会处理转换、提示词生成、生成和缩放检查。
• 可通过分句迭代——「more grain」「less frizz」「cooler light」——技能只修改提示词中对应部分并重新运行。
• 每次生成消耗 1 个 ProductAI 积分。

关键要点

• 该技能由 Claude 驱动，通过 ProductAI MCP 连接器调用 nanobananapro 的图像生成模型，无需手动上传或切换工具。
• 核心方法是通过工程化提示词（engineered prompt）明确指定要删除的人工痕迹和要添加的物理证据，而非简单使用「写实」一词。
• 技能名称中的「Kill the Plastic」精准概括其目标：消除 AI 生成图像中常见的塑料感（玻璃皮肤、人造光泽等）。
• 生成过程强制执行产品标签的像素级忠实度，包括布局、排版、Logo、颜色，且生成后需逐字符验证。
• 支持分句迭代（clause-level iteration），用户可单独调整颗粒、毛躁、灯光等参数，技能只重写对应提示词部分。
• 技能文件（.skill）格式是 Claude 的技能标准，可独立下载安装，降低了使用门槛。
• 每次生成消耗 1 个 ProductAI 积分，按变体计费。

意义与影响

该技能的出现标志着 AI 图像生成从「艺术化美化」向「工业级真实」的重要演进。对于电商、广告、产品摄影等领域，真实感与品牌一致性是不可妥协的需求——过去需要大量后期修图或专业摄影来模拟真实瑕疵，现在通过一个 Claude 技能即可自动化实现。

从技术角度，该技能展示了 Claude 作为「操作中心」的潜力：通过 MCP 连接外部图像生成模型，并用自然语言控制整个生成和验证流程。它不仅仅是又一个图像滤镜，而是一个可编程的「写实渲染管线」，能够针对不同输入动态调整提示词和验证标准。

对产品设计师和品牌方而言，该技能解决了「AI 生成图无法用于正式商业展示」的痛点。产品标签的像素级锁定保证了合规性，而真实的瑕疵（指纹、灰尘、阴影）反而增强了可信度和触感联想。

长远来看，类似「Raw Camera Casting Realism」的风格可能成为 AI 图像生成的一个新范式：不再追求完美无瑕，而是用物理证据（传感器噪点、环境反射、微观缺陷）来定义写实。这将对时尚、美容、快消品等行业的视觉内容生产流程产生深远影响——减少对高价外景摄影和后期修图的依赖，同时产出更符合消费者真实感知的图像。