跨境电商运营团队做一张商品图，成本往往不取决于用哪套设计工具，而取决于这张图要经过几道工序。
一张商品图在跨境生意里的用途是分裂的：主图要白底，A+ 页面要宽幅，广告和社媒又各有一套尺寸。同一件商品要在四五个尺寸与背景之间来回改，中间长期卡着一道由外包或人工承担的工序------把主体从背景里取出来。
抠图这道工序，成本藏在哪里
传统上有两条路。
外包按张计价，质量相对稳定，代价是要等：需求提过去、排队、返工，档期不完全可控。旺季尤其明显------改图需求集中，外包档期通常也紧张。内部用抠图工具或 Photoshop，快，但质量随图而定，且占用运营自己的时间。
两条路的技术前提相同：图先画满，再从这张完整图像里推断哪部分属于前景、哪部分属于背景。这在技术上属于前景提取（image matting）问题。合成关系早在 1984 年就已确立------结果色 C 是前景色 F 与背景色 B 按透明度 α 的加权混合，即 C = αF + (1−α)B（Porter & Duff，1984）。反过来求解时麻烦就出现了：一个待定像素只提供三个颜色观测值（R、G、B），而未知量包括前景色、背景色与透明度共七项，方程数少于未知数，属于不适定问题（ill-posed problem）。
算法只能靠先验假设逼近，常见假设是背景局部连续、边缘平滑。先验在两类区域容易失效：毛发与半透明纱料，边缘的 α 是渐变而非 0 或 1；反光、玻璃这类材质，前景本身受背景影响。这也是服装类目里纱质、毛绒、蕾丝边缘容易出问题的原因。
执行环节还有一层损耗。同一张图在不同批次、不同人手处理，边缘结果会有差异。更麻烦的是它重复发生：做主图一次，详情页一次，广告图又一次。每一次都有等待、有成本、有一次质量波动。
对多 SKU（Stock Keeping Unit，最小库存单位）团队来说，这不是一道工序，而是一条随图片数量不断加长的传送带。公开渠道没有可引用的量化数据，但趋势方向是清楚的：图片基数越大，这道工序的累计消耗越大。
当透明度在生成时就写进像素
反方向的做法，是不再等图生成完再往回擦，而是在生成阶段就把透明度写进去。Crun 的 GPT Image 2.5模型页把这条能力列为 Flare（速度与并发）与 Sunburst（商业视觉精度）两个变体共有的特性；在提示词里声明透明背景要求（例如 isolated on a transparent background），接口直接返回带 Alpha 通道的 PNG，不必再接 RMBG、rembg 这类去背服务。
我用同一款商品做了两次生成测试。
用例 A：只描述主体并声明透明背景。 提示词包含 "A matte ceramic mug ... isolated on a transparent background, no props, no shadow"。输出文件为 1254×1254 像素，PNG 色彩类型（color type）为 6，PIL 模式为 RGBA。Alpha 通道中 α=0 的像素占 60.8%，即约六成面积为完全透明背景；主体像素 Alpha 集中在 252--254 之间，接近实心但未完全顶到 255。
用例 B：同时描述场景并声明透明背景。 提示词在主体之外，额外加了 "placed on a light oak wooden table ..."。输出同样是 RGBA，α=0 占 47.1%。但把它合成到纯白与纯黑背景后会发现：木质桌面和阴影被保留在画面中，并未因"透明背景"而被剔除。
这个对照说明：透明要求没有被场景描述"覆盖"，而是被模型以另一种方式满足------它把桌面和阴影也当作前景元素保留在透明通道里。 如果你只需要"没有背景的商品主体"，就不能在提示词里同时要求"放在木桌上"。两者并存时，得到的不是透明版白底图，而是一张带场景的透明图。
流程因此从"生成 --- 抠图 --- 二次处理"变成一步直出。原本由后期算法推断的信息，改由生成模型在生成时直接产出，中间少了一道必然带来边缘信息损失的擦除。透明素材可以直接进入海报合成、详情页排版、广告投放流程，不需要中转；而且这一步在合成里是可逆的------背景换错了、尺寸改小了，只需在排版层调整，不必回到抠图步骤重来。越靠前的工序出错，下游要重做的环节越多；这道工序被取消，对应的返工也一起消失。一张商品图因此更容易被拓展成一整套素材：主图用它，详情页用它，换个背景就是一张新的广告图。
工程上要区分两件容易混淆的事：看起来是透明，和真的有 Alpha 通道。前者可能只是白色底，放到深色背景上就会露出来。核验方法不复杂------把图分别合成到纯白与纯黑背景下各看一次；或者直接读文件，PNG 的色彩类型为 6 表示带 Alpha 通道，为 2 则不带。
python
from PIL import Image
im = Image.open("out.png")
print(im.mode) # 'RGBA' 带 Alpha 通道；'RGB' 不带
print(im.getpixel((0, 0))) # 背景像素的第四个分量应为 0本次实测中，用例 A 与 B 的左上角像素 Alpha 均为 0，PNG 色彩类型均为 6，说明两者确实都带透明通道。但用例 B 也暴露了另一个风险：缺 α 的素材被当成透明素材使用，问题会在下游以更贵的方式暴露；反过来，带了 α 却多出不想要的前景元素，同样会在下游以更贵的方式暴露。这是把质量关卡前移，不是增加检查。
边界同样明确。本次测试虽然没复现"场景描述让透明完全失效"的结果，但它提示了一个更隐蔽的问题：模型可能把场景物体作为前景元素保留下来。因此在提示词里应只描述主体本身，再明确声明透明背景、不要任何底色与场景。
此外，主体像素的 Alpha 集中在 252--254 之间，非常接近 255 但并非完全实心。对普通合成而言肉眼差异很小，但在严格精修之前，仍需在浅色和深色两种背景下各核验一次。
这些边界意味着，透明背景生成目前还不适合被当成"不看就发"的自动化环节。它替代的是一道重复的、按张计价的工序，不是审图的人。
适用边界也要说清楚：这个判断成立的前提是 SKU 数量多、素材复用频率高。对只有几款产品、每季度改一次图的小团队，抠图本来就不是瓶颈，换不换做法影响有限。
过去一张商品图要变成三套素材，中间要经过三次抠图；现在这三道工序可以合并成一次生成。省下来的不是抠图的那几分钟，是工位本身。