菜单上的汉堡为什么越来越不像汉堡

上周一个在 St Louis 开小餐馆的朋友给我发微信，说外卖平台催他补菜品图。店里没预算请摄影，菜单上全是文字，平台默认灰图看着像没人经营。他问，现在 AI 生图这么方便，能不能先弄几张汉堡薯条顶上。

这个痛点太常见了。小店要活下来，先要有图。可图一旦假了，饭还没端上来，信任先塌一半。我最近刚好在用大模型做图像生成，前后也就三周，于是决定拿他店里一份最普通的汉堡薯条实际跑一遍，看看所谓“省事的菜单图”到底能不能用。

我先去店里拍了一组。下午三点，靠窗那张桌子光线最硬，汉堡端出来已经塌了一点，薯条油光也收住了。手机拍完，我简单裁图、调亮度，大概花了四十分钟。照片谈不上好看，但有个明显好处，我知道它今天能吃。

回来我又试了第二种方案，用图像模型生成菜单图。界面很常规，左边输入提示词，右边选择比例和风格，点生成后等十几秒。我一开始写得很直白，St Louis diner burger, golden fries, warm light, realistic menu photo。结果第一张出来，我盯着看了半天，确实亮，也确实不像食物。

面包上的芝麻像贴上去的，薯条每根粗细一致，番茄酱的反光太均匀，像塑料抛光。背景是一间不存在的小馆子，墙上有字，但放大后全是糊掉的符号。卡住的地方也明显，模型很会“画菜单”，却不太懂“菜单摄影”。它总把画面往高端广告片方向拉，黑背景、强轮廓、过度饱和。我反复改提示词，加了“不要过度修图”“真实油光”“桌面有纸巾”“轻微蒸汽”，第三轮才有一张勉强能看。

惊喜也有。它生成速度很快，十几分钟就能出一组。朋友店里有一张空桌背景特别乱，我用模型把桌面换成木纹，把杯子挪走，整体干净很多。对临时补图来说，这个效率确实诱人。

但我没敢直接拿 AI 图给他用。我做了个小测试，把实拍图和生成图各挑一张，放在朋友店里给六个人看。人不多，只能当线索，不能当数据。我问他们，哪张更让你愿意点。五个人选实拍，理由都差不多，看起来“今天能吃”，AI 那张看起来“广告味儿重”。剩下一个人选了 AI，因为画面更干净，没有油渍和褶皱。

第二个问题更直接，如果知道这是 AI 生成的图，你会不会觉得被误导。多数人说，不至于生气，但会降低期待，端出来如果差太多，还是会差评。这个反应和最近几篇报道差不多。St Louis 餐厅用 AI 做食物图，食客反感。有媒体把这类图叫 “slop”，意思是又糊又假，看着不像能吃的东西。卫报和 NBC 的说法也接近，消费者遇到 AI 菜单图，会觉得不吸引人，甚至误导。

我查了几家报道，至少不是单一平台的情绪吐槽。各家报道的样本不一样，洛杉矶夜市和旧金山咖啡店都有涉及，St Louis 本地餐厅也被单独报道过。能看出，反感已经变成一种普遍直觉。食客抵触的是“拿假图当真承诺”。

我最后给出的结论是看情况。临时补空白图、外卖平台先别空着这类场景可以用；老板没预算请拍摄时，也可以把它当过渡方案，并明确写一句“图片仅供参考”。不适合主打本地熟客的社区店，菜品卖相本身就不稳定的店，以及已经被顾客质疑“图不对版”的店。

优点很直白，快，能补图，能换背景，能把杂乱桌面收拾干净。缺点也很硬，细节会假，高光会怪，食物不像食物，餐厅不像餐厅。更要命的是，它会把顾客原本就有的怀疑再放大一层。你图里汉堡漂亮，端上来塌了，顾客不会怪模型，只会怪你。

菜单图是一份小型合同。

朋友最后没全用 AI。他选了一张手机实拍做主图，把另一张 AI 图降成背景补光，还在平台上加了一句“图片为现场拍摄，略有光线差异”。熟客进店第一句还是问，今天汉堡是不是图里那个。他说至少这个答案他答得出来。

---

📌 本文编译自 Hacker News，原文地址 https://www.stltoday.com/news/local/business/article_4049a9c9-e801-4073-a8a0-347494790282.html

版权归原作者所有，本文为基于公开报道的编译与独立分析。