用中文、多人、侧脸、遮挡与快语速场景统一测试AI口型同步工具，并拆分音频、时间与人脸形变评分。

从形象、口型、声音、批量生产、同意和商业使用限制建立AI数字人统一评测框架。

从选题矩阵、脚本模板、镜头生成、配音到剪辑质检，搭建可规模化的AI短视频批量生产流程。

解释为什么AI长视频应拆成短镜头制作，并给出角色、道具、空间、时间连续性与后期拼接流程。

用角色母图、参考媒体、镜头拆分和关键姿态控制AI视频角色一致性与连续动作。

解释文生视频和图生视频在主体、构图、镜头控制与适用场景上的差异，并给出选型方法。

从文生视频、图生视频、镜头控制、产品保真、编辑和成本建立2026 AI视频生成工具统一评测框架。

从Brief、批量生成、筛选、局部修复、质检到归档，搭建可重复、可审计的AI图片生产工作流。

比较JPG、PNG、WebP和AVIF的画质、透明、压缩和网页用途，并给出响应式图片与回退策略。

用真实母图、局部编辑和身份核对制作AI职业形象照，并说明服装生成与真实性边界。

分析AI虚拟试衣在服装保真、人体变化、侧面和尺码方面的能力边界，并提供统一实测方法。

讲解AI室内和建筑概念图如何锁定结构、相机和几何，并说明概念视觉与工程落地之间的边界。

比较真实3D、3D加AI和纯生成式产品效果图路线，重点分析结构保真、材质、速度和可复现性。

从原始数据、图形选择、单位标注、来源引用到可访问性，建立可信AI信息图表制作流程。

讲解普通主体、发丝、玻璃和半透明物体的透明背景处理方法，以及PNG、WebP透明导出选择。

从位图预处理、Image Trace、节点清理到小尺寸测试，讲解如何获得真正可编辑、可缩放的矢量图。

解释RGB转CMYK产生色差的原因，并给出ICC配置、软打样、实物打样和交付印厂的完整流程。

用像素、PPI和成品尺寸公式计算印刷图片分辨率，并说明300 PPI、大幅面和重采样之间的关系。

讲解AI出图中手部和文字错误的修复方法，包括局部重绘、真实素材合成、蒙版和最终排版。

从手部、文字、光影、透视和产品结构五个层面检查AI图片常见瑕疵，并提供发布前质检清单。

从平台输出条款、输入素材授权、训练来源、人物商标和人类创作贡献解释AI图片商用风险；不同地区法律不同，正式项目应单独审查。

解释LoRA的参数高效适配原理，以及在参考图仍难稳定复现角色、产品或风格时，什么时候值得训练自己的轻量适配权重。

区分构图、角色/主体、风格和产品参考图的作用，讲解如何设置权重、文字描述和人工核验，避免把参考图当复制按钮。

用主体、场景、构图镜头、光线材质和约束五层结构写AI绘画提示词，并通过参考图与迭代减少堆词。

用源文件备份、统一命名、尺寸格式转换、压缩、背景处理和质量抽检批量处理100张以上图片，避免反复有损覆盖。

用变量矩阵和品牌规则批量生成广告创意版本，再通过受控A/B实验比较；不以单次生成或主观偏好代替真实效果数据。

从主体占比、背景、卖点信息和平台规则优化电商主图，并用受控实验验证效果；没有实测不声称提升点击率。

用固定模板、数据表、品牌样式和AI素材批量制作多平台封面，并通过文字安全区、尺寸模板和抽检避免批量翻车。

从需求、信息架构、线框、视觉概念到组件约束，讲解如何用AI生成UI概念图，并避免把漂亮图片误当成可实现设计。

从Logo系统、颜色、字体、图形语言到应用模板，用AI辅助建立可执行的品牌VI，并通过样式资产和人工规范保持一致。

说明AI适合Logo创意探索但不应直接交付生成图，正式商标需重绘矢量、做近似检索并由人确认独特性与权利风险。

比较照片转插画的编辑式风格迁移、参考图生成和重新生成三种路线，并提供统一实测方法，不虚构画质排名。

用分步扩展、构图参考、透视与光线校验控制AI扩图，避免人物、建筑、纹理和重复元素在边缘崩坏。

从蒙版范围、上下文保留、提示词、参考图和边缘融合讲解局部重绘，减少主体漂移与接缝问题。

讲解AI智能消除的选区、边缘、背景补全和复核方法，并说明去除第三方水印不等于取得图片使用权。

从扫描备份、去划痕、降噪、上色到局部补脸，讲解老照片AI修复流程，并明确“修复”与“重新想象”的边界。

解释超分辨率、锐化、去噪与生成式修复的区别，并给出不同模糊类型的处理顺序和真实性检查方法。

用统一抠图、背景模板、接触阴影、尺寸规则和质量抽检批量处理商品图片，并避免边缘发灰和产品变形。

从真实产品母图、主体锁定、场景生成、光影匹配到平台合规与人工复核，建立可用于电商的AI产品图流程。

用母图、参考图、角色设定表和多角度校验建立AI角色一致性工作流，并说明种子的真实作用与局限。