用 gpt-image-2 制作 Instagram 帖图：一张锚定图，覆盖所有格式

一张产品图在能用于 Instagram 之前，至少得变成四样东西：用于主动态的 1:1 方形、拥有更多屏幕空间的 4:5 竖版、用于快拍或 Reels 的 9:16 封面，以及——对于轮播——另外五到八张、看起来必须像同一场拍摄的幻灯片。大多数工作流处理得很糟：为每个版面重新拍摄会让产品的观感漂移，而裁切进其他比例又会丢掉当初让原图成立的构图。

本文围绕三项 gpt-image-2 能力展开：参考图保真度（一张真实照片在每一次复用它的生成中都保持可识别）、外扩绘制（把一幅构图延展进新比例，而不是重新渲染它）、以及原生蒙版编辑（改动某一个区域——某个背景、某个多余物体——而其余部分保持像素级稳定）。三者合起来：生成一次，处处适配。

先说一句范围界定：这是一篇技法文章，不是发帖策略文章。它假设你已经有了一张图——产品照片、创始人头像、品牌吉祥物——或者你已经知道轮播该讲什么，只是需要把像素做出来。平台层面的背景，参见我们的面向营销团队的 Instagram 概览。

TL;DR

• 四个版面，四套规格：动态方形 1:1 = 1080×1080；动态竖版 4:5 = 1080×1350（空间利用率更高的默认值）；快拍/Reels 封面 9:16 = 1080×1920；轮播 = 每条帖最多 10 张图片/视频，全程一个比例。
• 一张锚定图，而非四次生成。 主图生成一次，然后把它外扩进其他每一个比例——绝不"裁了赌一把"，也绝不从零重新提示。
• 轮播的一致性来自参考图锚定，而非重复某段提示——把同一张锚定图作为参考重新提供给每一张幻灯片。
• 在整张重新生成之前，先考虑蒙版编辑。 背景替换和物体移除会保留原本就对的部分；一次全新生成则冒着每次重掷都得到不同观感产品的风险。
• 这不是"选哪个模型"那篇。 对于 gpt-image-2 不擅长的活儿——一个场景里 4 个及以上的人、图上的日文/中日韩文字幕、大批量低成本处理——参见多模型策略文章，看看什么时候 Nano Banana 2 才是更好的工具。

本文与我们的轮播最佳实践指南有何不同

值得清晰地区分开，因为这两篇在搜索里紧挨着。我们的 Instagram 轮播最佳实践指南 是一篇内容策略文章——讲每一张幻灯片该说什么：钩子、价值、CTA 各自的角色，为什么收藏很重要，配文，发帖频率。它完全不涉及图片是怎么做出来的。

本文正相反：没有发帖节奏建议，没有话题标签指导，没有"和你的受众互动"——那片领域在本站的 Instagram 营销和行业指南里已经覆盖了。接下来是一个单一的、gpt-image-2 专属的生产工作流：参考锚定的生成、跨每一种 Instagram 比例的外扩绘制、靠参考锚定实现的轮播一致性，以及用于清理的蒙版编辑。读轮播那篇来决定每张幻灯片说什么；读这篇，在你知道之后把它生成出来。

Instagram 的四种格式，一张源图

这些是 Meta 公布的尺寸，不是某个基准测试——和 Instagram 与 Facebook 共享的规格相同，因为两者跑在同一套基础设施上。

轮播不能混用 1:1 和 4:5——为整条帖选定一个比例。10 张幻灯片的数字是技术上限，不是推荐值；实际该用几张，属于轮播最佳实践指南的范畴。

为什么要从一张参考图出发

gpt-image-2 会自动以高保真处理上传的参考图——这是有据可查的行为，不是新的说法——这正是为什么一张产品照片、一张创始人的脸、或一个品牌吉祥物，在每一次复用它的生成中都保持可识别。标签保持它的颜色，比例保持不变，你上传的形状就是你拿回来的形状。

这在 Instagram 上很重要，因为动态是一张网格：观众在几秒内滑过你十几个方块，而一个在每条帖里都略有不同的产品，即便每张图单独看都做得不错，读起来也会显得平庸。Nano Banana 2 转而依赖提示词描述的主体保留，在恰恰是这项活儿上漂移得更多——我们的正面对比中已发布的 Job 5 结论涵盖了这一点，而多模型策略文章讲了 Adpicto 如何绕开它。

配方 1：生成锚定图（1:1，1080×1080）

本文其余一切都从一张锚定图出发。把这一步做对，之后每个配方都继承它。

贯穿示例：一个小型家居香氛品牌——一支手工浇注的大豆蜡烛，装在琥珀色玻璃罐里，贴着牛皮纸标签，暖调的赤陶与奶油色调。

工作流：

• 上传一张蜡烛的真实照片作为参考图——不是情绪板，而是实际产品。
• 把提示写成：参考图明确是要保留的主体，而不只是灵感。
• 以 1:1、1080×1080 生成。
• 把它存为锚定图。之后每个配方都复用它——别在后面重新生成一个"相似的"版本。

模板：

[reference-anchored subject] on [surface], soft [light direction] light, [1–2 supporting props], [brand palette], editorial product-photography style, subject filling the central ~70% of frame, 1:1 aspect ratio (1080×1080). No text, no logos. Must match the reference exactly on [color / label / shape].

填充示例：

The amber glass candle jar with the kraft-paper label shown in the reference image, on a pale oak wood surface, soft window light from the left, a small dried eucalyptus sprig and a folded linen napkin as supporting props, warm terracotta and cream palette, editorial product-photography style, subject filling the central ~70% of frame, 1:1 aspect ratio (1080×1080). No text, no logos. Must match the reference exactly on jar color, label design, and cap shape.

没有实体产品的服务型企业，可以改用创始人头像或品牌吉祥物来锚定——锚定图只需是那个之后每一次生成都必须匹配的唯一视觉元素。

为什么这样有效： 把上传物指认为锚定、而非情绪参考，正是让产品在之后每个配方中保持像素级可识别的原因。

配方 2：把锚定图外扩到 4:5 用于动态竖版

关于外扩绘制的一般机制——画布准备、透明边框技法——参见我们的 gpt-image-2 图像编辑工作流。这里是 Instagram 专属的版本。

把 1080×1080 的锚定图居中粘贴进一张 1080×1350 的透明画布——总共新增 270px 画布，大致上下各分 135px，如果你的构图有天然方向，也可以偏向一侧。

模板：

Extend the [surface] and [light direction] light [upward / downward / both] to fill a 1080×1350 4:5 canvas, continuing the same [palette] and editorial product-photography style. Add only environmental continuation — no new props, no second focal point. Keep [subject] in its current position and scale.

填充示例：

Extend the pale oak wood surface and soft left-window light downward to fill a 1080×1350 4:5 canvas, continuing the same warm terracotta and cream palette and editorial product-photography style. Add only environmental continuation — a little more linen surface and a soft shadow gradient — no new props, no second focal point. Keep the candle jar in its current position and scale.

这取代了两种默认做法：从零生成第二张图（你一重新提示，配方 1 的参考锁定就丢了）以及从别的东西里居中裁出 4:5（丢掉了当初让锚定图成立的约占画面 70% 的构图）。外扩绘制两者都保住。

配方 3：外扩到 9:16 用于快拍/Reels 封面，并考虑 Instagram 自己的安全区

Instagram 的 9:16 不是一个安全区——是两个，而且它们对不上。

快拍在画面顶部叠加头像、用户名和时间戳，在底部叠加回复框和贴纸盘。Reels 在同一张 9:16 画布上堆叠一组不同的叠层：顶部条更窄，但底部堆叠更重——配文、音频标题、关注按钮——外加一条右侧图标栏（点赞、评论、分享、收藏），这是快拍完全没有的。

无论 Meta 还是 Instagram，都没有为自然帖上的这些叠层公布确切的像素或百分比规格，而且它们本身就会因设备和应用版本略有变化——把任何具体的百分比都当作伪装成数据的猜测。可靠的做法是定性的：让你的主体、以及图上的任何文字，都远离全部四条边、并偏向纵向中心。如果同一张封面既要在快拍、又要在 Reels 里活下来，那就宁可留更多边距而非更少——Reels 的底部堆叠比快拍的明显更高地伸进画面。

模板：

Extend the scene vertically upward and downward from the existing composition to fill a 1080×1920 9:16 canvas, continuing the same [surface], [light direction] light, and [palette]. Keep [subject] centered in the frame with generous empty margin at the very top and bottom — no critical detail near either edge. Add only environmental continuation in the new top and bottom areas — no new subjects, no text.

填充示例：

Extend the scene vertically upward and downward from the existing composition to fill a 1080×1920 9:16 canvas, continuing the same pale oak wood surface, soft left-window light, and warm terracotta-and-cream palette. Keep the candle jar centered in the frame with generous empty margin at the top and bottom — no critical detail near either edge. Extend upward into a softly out-of-focus shelf and window edge, downward into more linen surface. No new subjects, no text.

配方 4：靠参考图锚定实现轮播幻灯片一致性

最贴合本文用途的配方：让一个多张幻灯片的轮播看起来像一件精心设计的整体素材，而不是十个各自为政的渲染。

• 生成或挑选锚定幻灯片——通常是配方 1 的封面，或它在配方 2 里的 4:5 外扩版。
• 把这同一张锚定图作为参考，重新提供给之后每一张幻灯片。让提示骨架保持恒定；只改变主体或道具那一个位——换一种香型、SKU 或步骤编号。
• 尊重 Instagram 真正的上限：最多 10 张幻灯片，每张都用锚定图的比例——不要在轮播中途在 1:1 和 4:5 之间切换。

这正是我们正面对比中已发布的 Job 7 结论所指向的工作流：gpt-image-2 由参考驱动的一致性，胜过 Nano Banana 2 仅靠提示的一致性——后者在幻灯片之间会在阴影角度和背景纹理上漂移。它也映射到 Adpicto 自己的帖子创作流程：图像生成步骤支持附加一张参考图，所以轮播级别的参考锚定，是你可以直接跑、而无需对着原始 API 手工拼装的东西。

这个配方刻意跳过的部分——用几张幻灯片、每张说什么、如何编排钩子/价值/CTA 的顺序——完全属于轮播最佳实践指南。先读它来决定各幻灯片的角色；一旦你知道每张该是什么，再回到这里来。

配方 5：蒙版编辑——为网格协调而做的背景替换

范围说明：本配方和下一个描述的是 OpenAI Images API 的蒙版编辑机制——Adpicto 自己的应用内编辑流程是基于提示的，不是蒙版上传式界面（前述编辑工作流指南讲了这个区别）。

Instagram 专属的情形：产品照片常常被拍在某个不符合品牌调性的地方——咖啡馆吧台、库房货架、送货那天的后备箱。产品本身没问题；背景与你网格的其余部分冲突。一次蒙版编辑无需重拍就把它拉到你的品牌背景上，也没有整张重新生成所带来的、悄悄改变产品本身的风险。机制参见我们的图像编辑工作流和内绘指南。

蒙版： 蜡烛罐和标签不透明；其余一切透明。

模板：

Replace the masked background with [target backdrop description]. Match the existing subject's lighting — [light direction] light, [warm/cool] temperature. Add a soft contact shadow beneath [subject] consistent with that light direction. Do not alter [subject] itself.

填充示例：

Replace the masked background with a pale oak wood surface and soft cream linen backdrop, matching this candle brand's usual feed look. Match the existing subject's lighting — soft window light from the left, warm temperature. Add a soft contact shadow beneath the jar consistent with that light direction. Do not alter the jar, label, or cap.

为什么这样有效： 匹配光照方向并要求一个接触阴影，正是让替换后的背景不至于读起来像剪贴抠图的原因。

配方 6：蒙版编辑——在进入网格之前移除物体/元素

同一个工具，不同的活儿：画面边缘一根多余的充电线、货架上一款已停产产品的盒子、窗户里一个路人的倒影。这些都不值得重拍或整张重新生成。

蒙版： 不想要的元素透明；其余一切、包括产品，不透明。

模板：

Fill the masked area with a natural continuation of the surrounding [surface/texture], matching [light direction] light and existing color and grain. No new objects, no text, no shadow inconsistent with the scene's existing light.

填充示例：

Fill the masked area with a natural continuation of the oak wood counter surface, matching the grain direction, color, and the existing soft window light from the left. No new objects, no text, no shadow inconsistent with the scene's existing light.

两个蒙版配方讲的是同一个道理：修好那一个出错的元素，就保住了原本已经对的一切——整张重新生成会把产品也一并重掷，抵消了配方 1 苦心锁定的像素级可识别性。

哪条流水线对应哪个 Instagram 版面

• 从品牌或产品素材开始一条新帖？ → 配方 1。
• 同一张图，需要第二个动态比例？ → 配方 2——外扩，别裁切或重新生成。
• 需要快拍或 Reels 封面？ → 配方 3——如果同一张封面可能要服务两种版面，就在顶部和底部留出充裕的边距。
• 要做轮播？ → 用配方 4 保证幻灯片一致；用轮播最佳实践指南来决定每张幻灯片该说什么。
• 一张现成照片基本对，只有一处不对？ → 配方 5 或 6，而非全新的重新生成。
• 一个场景里 4 个及以上的人、图上的日文/中日韩文字、或大批量低成本处理？ → 这些不是 gpt-image-2 的强项。路由到 Nano Banana 2——参见多模型策略文章和正面对比。

常见错误

裁切成 4:5 或 9:16，而不是外扩绘制。 你丢掉了当初让原图成立的构图决策；外扩绘制是增加画布，而不是丢掉构图。

把快拍和 Reels 的安全区当成一样，或当成和 TikTok 的一样。 快拍上回复框与贴纸盘那条带，和 Reels 上配文与音频标题的堆叠，位置不同，而且两者都不匹配 TikTok 自己的叠层几何。要为 Instagram 实际的叠层来设计。

用全新提示重新生成每一张轮播幻灯片。 不以封面做参考锚定，你会得到十张技术上没毛病、却看起来不像一家人的图。改为把每张幻灯片都锚定到同一张参考图。

在一次蒙版编辑就够用时却去做整张重新生成。 每次重掷都冒着产品观感略有不同的风险。别为了修正那错的 10%，去赌上本已对的 90%。

蒙版切得太紧，产品边缘没有羽化。 太紧的蒙版让模型没有余地去融合，产生可见的接缝——内绘指南讲了该留多少羽化。

让 gpt-image-2 去渲染轮播价值幻灯片的文案。 多行文字是它最弱的地方。把幻灯片干净地生成、并预留负空间，之后再排上真正的文案——我们的文字与排版提示配方讲了措辞。

孤立地生成下一条帖，脱离它即将加入的网格。 一个方块单独看很棒，仍可能与已经上线、就在它旁边的帖子冲突。发布前对照当前网格检查一下——修正之道是复用锚定参考或做一次背景匹配的蒙版编辑，而不是改发帖节奏。

一个下午：从锚定图到一整批 Instagram 素材

这是那个蜡烛品牌在一个下午里的工作流。从一张罐子的真实照片出发，跑配方 1 得到 1:1 锚定图，然后把它外扩到 4:5 用于动态竖版（配方 2），再外扩到 9:16 用于快拍/Reels 封面、并留出充裕的边距避开两个应用的 UI 叠层（配方 3）。现在一次生成就覆盖了三个版面。

用封面作为参考重新提供给其余幻灯片，每条提示只替换香型和标签——无花果与雪松、香草琥珀、海盐浮木——同时锁定表面、光线和色调不变（配方 4），从而搭出一个五到六张的轮播。

另外，取两张拍在不完美地点的真实照片：一张在杂乱的库房货架上，一张画面里有一根多余的线缆。一次背景替换编辑修好第一张（配方 5），一次物体移除编辑修好第二张（配方 6）——两张都无需重拍就加入了网格。

把一切按原生尺寸导出——1080×1080、1080×1350、1080×1920——这个下午就产出了：一条两种比例的动态帖、一张快拍/Reels 封面、一个六张的轮播，以及两张被抢救回来的照片，全都可识别地是同一款产品。

范围说明：配方 3 的 9:16 封面是 Instagram 在 Reels 播放之前或期间显示的静态图，而不是 Reel 的动态内容——视频本身，我们的 Sora 2 for Instagram Reels 指南讲了那条流水线。

厌倦了每次一张图需要新的 Instagram 版面就重拍或从零重新提示？ 免费开始使用 Adpicto——无需信用卡，免费方案每月 5 张 AI 生成图片。

精简版

三个动作覆盖了这里几乎一切。一张参考图，跨每一个 Instagram 版面被适配而非重拍。一张锚定图，跨每一张轮播幻灯片被复用而非从零重新提示。以及一张蒙版、而非整张重新生成，只要真正出错的仅仅是一个元素或背景。

接下来去哪：轮播最佳实践指南讲本文跳过的逐张幻灯片内容策略；图像编辑工作流和内绘深度解析讲外扩绘制与蒙版背后的一般机制；多模型策略文章和正面对比讲何时该完全路由离开 gpt-image-2。你已经知道自己想发什么——这篇讲的是如何把它生成一次，并适配到它需要去的每一处。