多语种商品图：一张图自动出英、日、西语版本

同一件商品要做英文、日文和西班牙语图片，最容易出问题的不是换字体，而是模型重画商品、改掉规格，或把生硬直译直接当成成品。本篇把“一张图出三版”限定为：先准备一张有使用权的底图和核准事实，再让本地模型起草短文，人工复核后用同一模板排出三张图。这里不是一键上架，也不把模型译文当作最终商品信息。

先把图片和事实分开

实际商品应使用自己拍摄、授权或品牌方批准的原图。包装上的型号、容量、配件、材质和认证不能让图像模型重画；如果只需要翻译，最好保留原照片，用排版工具替换文字图层。

本次为了避免使用真实商标和商品资料，用 ComfyUI / Z-Image-Turbo 生成了一张虚构硅胶滤杯示意图。它只展示同一张底图在三种语言布局里的效果，不代表真实 SKU。ComfyUI 官方工作流分别加载文字编码器、扩散模型和 VAE；这次按官方模型目录在本机生成底图，没有使用在线图片服务。查看 Z-Image-Turbo 官方工作流

接着先写一张事实卡。数字和名称必须由产品资料负责人确认；演示数据全部虚构：

用本地 Qwen3.8 起草三种译文

练习包里的 run_translation.py 会把这张事实卡发给本机 Ollama 的 Qwen3.8，要求返回英文、日文和西班牙语 JSON，并逐字段核对数字串。请求发往 127.0.0.1；脚本不调用云端翻译服务。Ollama 官方模型页提供本机 api/chat 示例，具体功能和部署条件仍以本机模型为准。查看 Qwen3.8 模型页

运行前先检查字段/数字自检，再发起本地请求：

python3 run_translation.py --self-check
python3 run_translation.py

本机 Qwen3.8-27B Q4_K_M 单次请求约 34.843 秒，输入 169、输出 309 tokens，完整返回三种语言。数字校验通过，但脚本只比较字段和数字；它不能判断翻译是否地道、产品名是否准确，也无法识别模型补出的无数字宣传语。

本次西语首稿把“滤杯”直译成 “Goteador de café”。虽然脚本检查通过，这个名称仍不够清楚；人工改为 “Soporte plegable de silicona para filtro de café”。最终译文和修改理由保存在练习包中。商品负责人仍需逐项确认材质、使用范围、单位、商标、认证和目标市场术语；日语与西语上架前还应让熟悉当地表达的人审校。

固定商品图，只替换经过批准的文字

把审核后的译文写入 approved-translations.json，再运行：

python3 render_variants.py
python3 render_variants.py --self-check

脚本只用 Pillow 在同一张底图上排字，输出 product-en.png、product-ja.png、product-es.png，尺寸均为 1080 × 1350。自检还会逐像素比较文字区域以下的商品照片，确认三张图使用了完全相同的底图内容。

同一张虚构商品底图排出的英语、日语和西班牙语样图

本次三张样图的商品照片区域完全一致；改变的只有上方文案。图中“虚构商品”标记也被翻译。它证明模板可以批量排版，不证明译文已达到发布标准或图像与真实商品一致。

上架前的人工检查

• 对照产品规格表逐项核对商品名称、材质、尺寸、数量、配件和认证；不要只看数字自检。
• 检查数字、单位和小数点。有单位换算时单独复算，不要让模型心算后直接发布。
• 让目标市场审校者确认商品名和关键术语自然、准确；模型首稿不等于母语审校。
• 对比原始商品照片，确认形状、颜色、包装和配件没有被改动；发现差异就换回批准的原图。
• 检查文字是否截断、遮挡主体、超出平台规定，以及是否需要加入当地语言的警示、限制或广告披露。

本例中的 ComfyUI 图片是 AI 生成的虚构示意图。真实商品上架应使用已批准的商品素材；如工作流生成或编辑了商品画面，应按销售平台与当地规定标注并复核。不要把一次本地成功运行解释为商业合规、转化率或批量准确率证明。

如果你要把已批准的素材再按门店或活动拆版，可以接着看连锁门店：统一的营销物料批量生成。

下载多语种商品图练习包，包含虚构事实卡、原始提示、模型首稿、人工复核版、脚本、三张输出图和实测记录。每次真实上架前都要用该 SKU 当前有效的事实卡重新核对。