Контент-завод для карточки товара: как мы генерируем фото, видео и тексты

Три фотографии кольца, отдельный блок характеристик и визуальная доска LLAIM Hub - так мы собрали рабочий процесс подготовки карточки товара. В одном сценарии появляются разные изображения, короткое видео и черновики текста для маркетплейса и соцсетей. Видеогенерация уже работает: в показанном примере получился квадратный ролик длиной около пяти секунд.

Это разбор конкретного прототипа на примере кольца, а не обещание автоматически получить готовую карточку для любой категории или гарантировать продажи. Показываем, как связали исходные данные, генерацию и сбор результата, и что всё ещё должен проверить человек.

Почему карточка товара - это не одна картинка

Покупателю нужно разглядеть изделие и представить его в использовании. Поэтому для карточки украшения могут понадобиться предметный кадр, фото на руке, крупный план, портретная подача и варианты с короткой фразой на изображении. Для публикации в соцсетях полезен и короткий ролик. Кроме визуалов, продавцу нужны название товара, описание, пункты с характеристиками и подпись к публикации.

Если создавать каждый материал отдельным запросом к нейросети, в каждом чате придётся повторять контекст: какой товар показываем, какие детали сохраняем, какие факты подтверждены и чего нельзя придумывать. Сами результаты тоже разбросаны по разным окнам и папкам. Сравнить варианты, выбрать подходящие кадры и собрать тексты становится отдельной ручной работой.

Мы хотели получить не просто нейросеть для генерации фото товара, а повторяемый процесс подготовки контента для маркетплейса. Для этого собрали визуальную доску: на ней рядом находятся фотографии изделия, его характеристики, инструкция для моделей и все выходные материалы.

Что подаём на вход контент-завода

Для тестового сценария взяли кольцо XUPING R5915 и загрузили несколько фотографий с разных ракурсов. Отдельно внесли сведения о товаре: название и описание, ширину декоративной части и размерный ряд. Так данные не спрятаны внутри длинного промпта и их можно заменить для другого товара, оставив общие правила работы доски.

В инструкции модели задали опираться на фотографии и проверенные сведения, сохранять внешний вид украшения и не добавлять неподтверждённые свойства. Это важно для генерации карточки товара: если в данных не указан материал, состав или комплектация, по фотографии нельзя надёжно восстановить этот факт. Модель может написать правдоподобную деталь, но продавцу всё равно нужно подтвердить её по спецификации или у поставщика.

Как создать контент карточки товара с помощью нейросети и не потерять факты

Чтобы генерация контента для маркетплейса была понятной и повторяемой, мы разбили её на несколько этапов.

1. Добавить фотографии товара. Несколько ракурсов помогают модели ориентироваться на внешний вид кольца, а человеку - сравнить результат с исходником.
2. Вынести характеристики в отдельный блок. Название, описание, размер и другие подтверждённые параметры можно менять отдельно от инструкции. Это сокращает риск, что модель смешает факты и рекламную подачу.
3. Заранее выбрать материалы на выходе. В этом примере это сцены для карточки, изображения с короткими хуками, текстовый пакет и видео для соцсетей.
4. Задать повторяемые правила. Общий промпт объясняет, какие элементы кольца нужно сохранить и какие свойства нельзя придумывать. Для каждой ветки дополнительно задаётся своя сцена и формат.
5. Сверить, выбрать и собрать результат. Сотрудник смотрит на исходные фотографии и данные, отбирает подходящие варианты и проверяет их до использования.

Так устроен не универсальный генератор карточек для любой категории, а рабочий сценарий, который можно повторить на следующем товаре и настроить под него.

Генерация изображений: пять сцен в двух подачах

От исходных фотографий идут параллельные ветки для пяти визуальных сцен: светлой предметной съёмки, украшения на руке с кружевом, белой ткани, портретного кадра и тёмного бархата. Для каждой сцены предусмотрен чистый вариант без надписи и вариант с коротким рекламным хуком.

В показанном прогоне доска собрала десять изображений: пять квадратных кадров без текста и пять вертикальных вариантов с надписями. На них можно сравнить не только фон, но и подачу изделия: предметный кадр подчёркивает форму кольца, фотография на руке помогает представить его в образе, а тёмный бархат создаёт более контрастный визуал.

Это результат одного запуска. Мы пока не измеряли долю изображений, которые обычно подходят без правок, число повторных генераций и влияние визуалов на переходы или продажи. Поэтому десять вариантов описывают объём показанного результата, а не метрику качества.

Видеогенерация уже работает

К доске добавлена отдельная ветка Reels ИИ для короткого видео. В демонстрационном сценарии генерация работает на модели Kling 3.0. Приложенный ролик - квадратный MP4 длительностью около пяти секунд: украшение показано крупно, а видео можно посмотреть прямо на странице кейса.

Теперь сценарий включает не только генерацию фото товара и текста, но и короткий видеоматериал для дальнейшей проверки и использования. При этом ролик не публикуется автоматически: перед размещением нужно посмотреть, как модель передала форму оправы, вставку, оттенок металла и другие заметные элементы.

Тексты карточки и материалы для публикации

Параллельно с изображениями работает текстовая ветка. По описанию товара и приложенным фотографиям она готовит черновики:

• название карточки маркетплейса без неподтверждённых свойств;
• короткое описание товара и пять пунктов с данными или преимуществами из исходной информации;
• пять коротких фраз для графики;
• подпись для соцсети и короткий призыв к действию.

В результате продавец получает основу для заполнения карточки товара и контент для публикаций в соцсетях в одном рабочем процессе. Это не готовый листинг, который можно без просмотра загрузить на Wildberries или Ozon. Сотрудник сверяет название и описание с данными поставщика, проверяет требования выбранного маркетплейса и решает, какие изображения подходят для конкретной карточки.

Что проверяет человек перед публикацией

Генеративная модель может немного изменить товар: форму закрепки, количество декоративных элементов или цвет металла. Исходные фотографии помогают ей ориентироваться, но не превращают созданный кадр в точную предметную съёмку. Поэтому каждый кадр сравнивают с оригиналами, особенно если изображение будет использоваться как фото конкретного товара.

Текст проверяют по тому же принципу. Материал, размер, состав, комплектность, цена и свойства изделия берутся из подтверждённых данных. Если характеристики нет, её нужно уточнить, а не просить ИИ угадать по картинке. Отдельно проверяют требования к изображениям и заполнению полей в кабинете продавца: они могут отличаться по площадкам и категориям.

Такой контроль нужен не только для бижутерии. Если готовить контент для другого товара, структура доски остаётся полезной, но исходные данные, сцены и правила надо адаптировать под конкретную категорию. Для серёг, одежды или бытовой техники будут нужны разные ракурсы, характеристики и критерии сравнения.

Из чего состоит контент-завод для маркетплейса

В текущем прототипе соединены четыре части: исходные фото и сведения о товаре, правила для генерации, ветки изображений и видео, а также текстовые черновики. Результаты собираются в одном месте: десять сгенерированных изображений доступны в блоке готовых материалов и скачиваются одним архивом; видеоролик можно просмотреть отдельно.

Главная ценность - не в одном удачном промпте. Повторяемая схема связывает создание фото, короткого видео, названия товара, описания и текстов для соцсетей. Команда видит, какие входные данные использовала модель и какие материалы получились, а затем отбирает и проверяет нужные варианты.

Частые вопросы о генерации контента для карточки товара

Может ли нейросеть полностью создать и опубликовать карточку товара? В этом сценарии она готовит изображения, видео и текстовые черновики. Факты, соответствие визуалов товару и требования маркетплейса перед публикацией проверяет продавец.

Заменяет ли сгенерированное видео фотографии товара? Нет. Короткий ролик дополняет набор материалов, а фотографии и карточка должны точно показывать конкретный товар и его комплектацию.

Подойдёт ли тот же контент-завод для другой категории? Общую структуру можно переиспользовать, но список характеристик, исходные ракурсы и визуальные сцены нужно адаптировать под новый товар.

Если вы ищете способ автоматизировать подготовку контента для карточек товаров, посмотрите кейс контент-завода LLAIM Hub и оцените, как такой процесс можно настроить под ваши данные и правила. О задачах селлера, которые можно отдавать ИИ-агенту, и о том, где оставлять ручное подтверждение, мы также рассказали в статье «ИИ-агенты для маркетплейсов». Подробнее о внедрении автоматизации - на странице решения LLAIM для автоматизации процессов.

Чтобы обсудить сценарий для вашего каталога, оставьте заявку LLAIM. На встрече можно разобрать источники товарных данных, нужные форматы фото и видео и шаги, на которых сотруднику важно проверить результат.