AI 实用 07｜AI 图像生成：从"碰运气"到可控产出

一条提示的七个部分

生成图不稳定，通常不是模型的问题，是信息缺口太大——你只说了"一只猫"，剩下的一切都交给随机。

完整描述按这个顺序排列，命中率最高：

【主体】什么，几个，什么状态
【动作/姿态】在做什么
【环境】在哪里，前景背景有什么
【光线】光源方向、色温、时间感
【镜头】景别、视角、焦段感
【材质/细节】表面质感、服饰、道具
【风格】写实/插画/3D/胶片/水墨……
【约束】比例、留白位置、不要出现的东西

一个可用的完整例子：

一只橘色短毛猫，成年，体态偏瘦，坐在浅色木地板的窗边，身体朝右，头部回望镜头。
午后侧逆光，光线从右后方打进来，毛发边缘有淡淡的金色轮廓光，室内整体偏暖，背景略微虚化。
中景，50mm 视角，略微俯视，画面留出上方三分之一空白。
写实摄影风格，浅景深，皮肤与毛发细节清晰，色彩自然不浓艳。
画幅 4:5，不要出现文字，不要出现多余的手或物品。

对比"一只可爱的橘猫，高清"——差别不是一点点。

文字渲染：这是最容易崩的部分

AI 生成图中的文字，尤其是中文，错误率很高。四个降低错误率的手段，按有效性排序：

1. 字越少越好

四个字以内基本能对，超过八个字错误率陡增。标题图上的标语，能压缩就压缩。

2. 用引号把文字单独标出来，并指定位置

画面中央上方有一个红色圆角标签，标签内写文字：“限时特惠”
（“限时特惠”四个字必须完整、清晰、无错字）

明确"必须完整"这句，能让模型在这部分多分配注意力。

3. 分区域、分图层描述

上半部分：深蓝色背景，居中白色大字“年终盛典”
下半部分：三行小字，分别是“12月1日”“全场五折”“仅限三天”

分区比"画面里有这些字"清楚得多。

4. 实在要求精确 → 后期加字

这是最可靠的方式。生成时留出干净的文字区域，用设计工具把字排上去。

理由很实在：AI 生成的是像素，你要的是排版——字距、行距、对齐、字重，这些设计工具做得比模型稳定得多。要求"文字一字不差"时，这条几乎是唯一确定的做法。

负面提示：明确"不要什么"

很多工具支持负面描述（或在正面提示里写"不要出现"）：

负面：多余的手指、畸形的手、重复的脸、模糊的文字、水印、logo、
过度饱和、塑料质感、比例失调的四肢、裁切到人物头部

"手"是最高频的失败点。如果画面里手不重要，直接写"手部不出现或背在身后"，比生成后修补省事。

参考图：三种用法别混

用法	作用	典型场景
风格参考	学配色、笔触、氛围	"照这张的插画风格画别的内容"
结构参考	保构图、姿态、轮廓	"保持这个姿势，换衣服和背景"
局部参考	只改一部分	"这张图把背景换成雪景，人物不动"

同时用风格 + 结构参考时要说清主次：

以图1的姿态和构图为基准（人物位置、镜头角度不变），
以图2的色彩和笔触风格为准（暖色、厚涂质感）。

不说主次，模型会自己混，出来通常是"两张都不像"。

比例和用途的对应

用途	比例	备注
头像、商品主图	1:1
小红书、Instagram	4:5 / 3:4	竖版信息流更占屏
短视频封面、手机海报	9:16	上下要留安全区
PPT、网页首屏	16:9
公众号头图	2.35:1 / 1.91:1
电商详情长图	1:2 / 1:3	竖长，注意分段阅读节奏
官网 Banner	3:1 / 4:1	极宽，主体居中偏左/右

先定用途再定比例。定完比例再写提示，构图描述才有的放矢（比如 3:1 的横幅，你得说"主体偏左，右侧留白给文案"）。

一致性：做系列图的关键

做一套（同一角色、同一商品、同一风格的多张图）时，最麻烦的是"每张都不太一样"。

三个抓手：

固定种子（seed）。同 seed + 微调提示，能显著提高相似度。
固定参考图。把"定妆图"作为风格/角色参考，每张都带上。
把不变的描述写成固定前缀。每次都原样粘贴同一段"角色设定"，只改场景部分。

[固定] 28岁亚洲女性，齐肩黑发，浅灰针织衫，圆框眼镜，柔和自然光，写实摄影
[变化] 场景：坐在咖啡馆窗边 / 场景：站在地铁站台 / 场景：伏案在书桌前

前缀固定，变量放后面——这是保持系列一致最简单的方法。

工作流：先构图，再高清

不要一上来就生成大图。推荐的顺序：

低分辨率快速试 3~4 版构图。看主体位置、留白、比例对不对。
选定一版，用同 seed 放大。
局部重绘修细节（手指、文字、边缘）。
后期：调色、加字、裁切。

这个流程比"一次生成一张大图然后反复重来"省很多时间，因为构图错了，细节再精致也没用。

常见失败与对策

现象	原因	对策
手指数量不对	手在画面中占比小	手部避开镜头 / 局部重绘
文字乱码	字数太多、无引号、无位置	减字、加引号、指定区域；或后期加字
风格飘忽	描述太笼统	加具体参照（"类似胶片颗粒的质感"）
构图溢出	没描述留白	明确"上方留白三分之一"
色彩过艳	默认倾向高饱和	加"低饱和""自然色彩""莫兰迪色调"
主体被裁	比例与描述冲突	先定比例再写构图
人脸崩坏	面部占比太小	特写/中景而非远景

提示词写作的四条心法

用名词和形容词，少用副词。"非常非常美"没有信息量；"哑光质感、米白色、边缘有细微磨损"才有。
按空间顺序写。从主体到环境，从中心到边缘。模型对顺序敏感。
一次只改一个变量。想测试"暖光"效果，就只改光线，别同时改风格和构图。
保留成功版本。把效果好的提示原文存下来，改几个词就能复用，比每次重写快得多。

商用前必须注意

版权：生成图的商用授权取决于所用工具的服务条款，各家不同，用前读一遍。
肖像与商标：不要生成可识别的真人肖像、品牌 logo，除非你有授权。
AI 生成标识：部分平台和地区要求标注"AI 生成"，发布前确认平台规则。
不要用 AI 图冒充纪实摄影。新闻、证件、证明材料类场景，这是红线。

一句话

图像生成的可控性，来自"把视觉信息翻译成文字"的能力。你越能说清"光从哪来、镜头在哪、留白在哪"，出图越接近你想要的样子。**模型不是不听话，它只是不知道你没说出来的那些。