
很多人用 AI 画图,输入的第一句话往往是“一个漂亮的女生,8K壁纸,超写实,杰作”。结果跑出来的图,皮肤像刷了一层塑料油漆,头发成了一团浆糊,背景糊成马赛克,手指细节更是完全崩坏。
很多人以为这是底模算力不够,或者自己运气不好。其实都不是。
真实原因只有一个:你写了太多无效废词,却完全漏掉了决定画面物理结构的两个核心支柱——光影和构图。
现在的文生图模型,无论是 Midjourney、FLUX.1 还是 SDXL,底层都是在海量真实摄影与艺术图像上训练出来的。它们懂透视规律,懂光学反射,也懂镜头焦段。但是它们根本不懂什么是“杰作”,也不懂什么是“超高画质”。你塞给模型一堆抽象的夸赞词,模型只能在潜空间里把各种平均特征混在一起,最后吐给你一张毫无立体感、细节发虚的“塑料假图”。
我做过上千次出图测试。把那些花哨的修饰词全部删掉,换成准确的光源方向和镜头焦距,成片可用率能从不到 20% 直接拉到 85% 以上。
这篇文章不讲玄学。我直接把平时自用的高成片率公式、光影参数以及构图词库拆开讲透,你照着套用就能做出清晰扎实的画面。
一、 核心起手公式:六层结构法
写提示词就像在影棚里给摄影师递拍摄脚本。摄影师需要知道拍谁、在哪里拍、怎么构图、怎么布光、用什么镜头。
写提示词也是一样的逻辑。必须按照重要程度,从前往后分层排列:
主体描述 + 场景环境 + 构图机位 + 光源布局 + 镜头与材质参数 + 渲染风格控制
这个顺序不能乱。因为扩散模型在初期去噪阶段,前排词元的权重明显高于后排词元。如果你把机位和光线塞在最后面,模型把主体轮廓定型后,就很难再回头去重新计算准确的明暗交界线。
想要跑出一张高质量图片,请按照以下五个步骤依次组织语言:
1.先写主体细节与动作。不要只写“一个老人”,写清楚“一位布满皱纹的70岁渔夫,身穿粗织羊毛衫,侧头看向远方”。具体细节能帮助模型锚定真实纹理。
2.然后写背景环境。写清楚物理空间,“在晨雾弥漫的木质码头边,背景有隐约可见的渔船桅杆”。
3.接着定死构图与机位。给出具体的景别和透视,“中景胸像,三分法构图,视线齐平”。
4.再架设物理光源。必须明确光从哪里来、是什么质感,“清晨冷色日光从画面左侧打入,右侧带微弱的环境反光”。
5.最后输入摄影参数。指定镜头焦段与光圈,“85mm人像镜头,f/2.8光圈,浅景深,胶片颗粒感”。
照着这五步写下来,模型得到的全是可执行的几何与光学指令,画面自然就不会发虚。
二、 解决塑料感的关键:把“好看的光”换成“物理光源”
很多人习惯在提示词里加“电影感光影”或者“美丽的光”。这两个词不仅没用,还会让画面明暗逻辑产生混乱。
光影的核心作用是塑造体积。没有明确的阴影,就没有物体的立体感;没有高光反射,就没有材质的质感。只要光线符合真实物理传播规律,皮肤的毛孔、织物的纹理、金属的折射就会自动显现出来。
在写光线时,务必拆解成三个要素:光源类型、入射方向、光质软硬。
这里整理了四种能够直接提升细节清晰度的经典布光方案,可以直接复制套用:
•伦勃朗侧光(Rembrandt Lighting)
•提示词表达:`dramatic 45-degree Rembrandt lighting, defined facial shadows, small triangle light on cheek`
•适用场景:人物肖像、严肃纪实、力量感雕塑。
•成片效果:光线从人物侧上方45度照射过来,背光侧脸颊形成三角形光斑。暗部细节深沉,明暗交界线清晰,能够彻底去除脸部的扁平假面感。
•边缘轮廓光(Rim Light / Backlight)
•提示词表达:`strong rim light from behind, sharp subject separation, subtle edge highlights`
•适用场景:暗黑背景人像、发丝特写、产品静物。
•成片效果:强光源放在主体后方,沿着人物发丝或物体边缘勾勒出一圈高亮线条。这个指令能强制模型把主体和背景彻底分开,绝不会出现人物边缘和背景糊在一起的问题。
•大面积漫射窗光(Soft Diffused Window Light)
•提示词表达:`large north-facing window light from camera left, soft diffused falloff, natural skin texture`
•适用场景:居家室内、日常人像、美食摄影。
•成片效果:光线过渡均匀平缓,阴影边缘非常柔和。高光部分不会过曝死白,能够把皮肤的自然纹理与服装面料完全保留下来。
•顶置聚光与体积光(Overhead Spotlight with Volumetric Dust)
•提示词表达:`harsh overhead spotlight, god rays cutting through atmospheric dust, high contrast chiaroscuro`
•适用场景:工业风场景、舞台人物、神秘建筑。
•成片效果:自上而下的硬光,在地面拉出极长阴影。光束中的微尘能增强画面的空间纵深感。
三、 锁定画面焦点的四大构图公式
细节模糊的另一个常见原因,是机位焦段与景别冲突。
比如你写了“全身照”,又写了“眼睛特写”,模型在生成潜变量时就会在宏观身形与微观眼球之间来回拉扯,最终把两者都画成一团模糊。
想要画面清晰,每次生成必须只选定一种明确的构图机位:
1. 经典三分法偏心构图(Rule of Thirds)
•核心词汇:`rule of thirds composition, subject placed on the right vertical line, generous negative space on the left`
•使用要点:把核心主体放在画面的左三分之一或右三分之一处,另一侧留出空白。这种构图视觉焦点明确,模型不会在画面正中心强行塞入杂乱结构。
2. 居中对称与画框构图(Centered Symmetry & Frame-in-Frame)
•核心词汇:`deadpan centered composition, perfect symmetrical balance, framed by a concrete doorway`
•使用要点:适合建筑、庄重的正面肖像或机械装置。利用门框、窗户或自然阴影作为内层边框。画框构图会引导视觉往中心收拢,迫使模型在主体中心区域集中计算边缘细节。
3. 极低视角仰拍(Low-Angle Shot)
•核心词汇:`extreme low angle shot from ground level, worm’s-eye view, dramatic vertical perspective`
•使用要点:机位贴近地面向上拍。适合展现建筑的高耸或者人物的压迫感。这种大透视能拉长线条,避免平面化。
4. 镜头焦段与光圈控制(Lens & Aperture)
这是控制景深最硬核的方法。直接告诉模型相机的光学参数:
•需要背景虚化、凸显皮肤和眼神:`85mm f/1.4 lens, shallow depth of field, creamy bokeh background, razor-sharp focus on the eyes`。
•需要全景清晰、交代环境细节:`24mm wide-angle lens, f/11 aperture, deep depth of field, everything in sharp focus from foreground to background`。
重要避坑点:Midjourney 的默认算法极度偏好浅景深。如果不做限制,背景大概率会被虚化成色块。如果你做建筑或者室内场景,必须写上 `f/16, deep depth of field, architectural photography`,强制关掉背景模糊。
四、 主流工具与模型特性对比选型
不同模型对光影和构图指令的解析方式存在本质区别。如果你拿写 Midjourney 的习惯去跑 FLUX,或者把写 SDXL 的逗号标签直接扔给 FLUX,成片率一定会大幅下滑。
下面是我在多轮测试后整理的对比表格,供你在选型时参考:
| 评估维度 | Midjourney (v6 / v6.1) | FLUX.1 (Dev / Pro) | Stable Diffusion XL (SDXL) |
|---|---|---|---|
| 提示词语言偏好 | 简短短语、逗号分隔、摄影专有名词 | 完整自然语言长句、物理场景空间描述 | 标签堆叠(Tags)、加权语法 `(word:1.3)` |
| 光影理解机制 | 偏向艺术化与电影质感,自带强对比高光 | 严格遵循物理光源位置,能精准构建多光源 | 依赖 ControlNet 或专有 LoRA 辅助修正光线 |
| 景深默认倾向 | 默认偏向大光圈虚化,需手动压制背景模糊 | 默认偏向纪实与自然景深,背景细节保留完整 | 取决于基础模型微调方向,容易出现虚焦 |
| 皮肤与毛孔质感 | 偏商业精修磨皮质感,需加 `–style raw` | 极度接近真实未修图相机原片,毛孔清晰 | 需依赖负向提示词过滤塑料感,颗粒感需外挂 |
| 构图控制精度 | 构图富有艺术美感,但严格机位指令容易被忽视 | 对位置方位(如左侧、右上角)遵从度极高 | 需搭配 OpenPose 或 Depth 控制网才能严控机位 |
| 核心避坑参数 | 务必开启 `–style raw`,降低 `–stylize` 到 100-200 | 坚决不要使用 masterpeice/8k 等空洞标签 | 必须配置详尽的 Negative Prompt 过滤低质杂色 |
从表格可以看出:
•如果你用 FLUX.1:用写作文的方式写一整段连贯描述。明确说“一盏台灯放在书桌右边,暖黄色的光打在笔记本上”,它还原得最好。
•如果你用 Midjourney:多用短语切片,并必须加上 `–style raw` 参数。这个参数能直接关闭 Midjourney 自带的过度平滑滤镜,让真实杂质和毛孔露出来。
五、 实操对比案例与排错步骤
为了让你看清差距,我们直接看两组真实对比。
案例 1:女性室内人像
•低成片率提示词(翻车示范):
`a beautiful young woman, indoor, masterpiece, 8k, photorealistic, cinematic lighting, ultra detailed skin, highly detailed face`
•生成结果:磨皮过度的芭比娃娃脸,眼神呆滞,背景模糊成一片没有逻辑的黄灰色,看不出任何生活气息。
•高成片率提示词(优化示范):
`A medium close-up of a 28-year-old woman sitting by a wooden dining table, neutral expression. Rule of thirds, camera at eye level. Soft natural light entering from a large window on the left, casting gentle shadows across her face and revealing authentic skin pores and fine hairs. 50mm prime lens, f/2.8, subtle depth of field, authentic daylight color balance, editorial magazine photograph. –style raw –v 6.1`
•生成结果:五官比例真实,眼球有明确的窗户倒影高光,脸颊暗部带有环境反光,皮肤纹理完全符合光学漫反射效果,整张照片像真实的杂志原片。
案例 2:金属工业产品静物
•低成片率提示词(翻车示范):
`a modern black wristwatch on a table, studio light, best quality, super realistic, octane render, 3d render`
•生成结果:看起来像廉价的三维建模未贴图渲染,表盘反光杂乱无章,边缘漂浮在背景上,缺乏重力感。
•高成片率提示词(优化示范):
`Top-down flat lay shot of a matte black mechanical wristwatch placed on a dark textured slate background. Hard rim lighting from top-right creating sharp metallic highlights along the beveled edges. Crisp shadow falling to the bottom-left. Macro lens, f/8 aperture, entire watch in precise focus, showing micro-scratches and brushed steel texture. Commercial studio product photography.`
•生成结果:表壳边缘高光锐利,表盘金属拉丝与微小划痕根根分明,阴影硬朗利落,产品重量感扑面而来。
六、 画面依然发糊?三步排错流程
当你写完了上面的参数,如果跑出来的图仍然不理想,请按照这三步顺藤摸瓜找问题:
1.第一步:做减法,把多余词汇砍掉一半
检查提示词里有没有出现互相矛盾的词。比如你同时写了“晴朗大太阳(harsh sunny daylight)”和“温柔烛光(gentle candlelight)”,模型无法兼顾,就会输出灰暗混沌的中间态。删掉次要光源,只留一个主光和一个辅光。
2.第二步:检查主体与镜头距离
如果你想要面部高清细节,却把镜头拉到了“远景全身照(full body shot)”,AI 模型在有限的分辨率像素块里分给面部的面积只有区区几十个像素,再神仙的算法也画不出高清眼睫毛。要局部细节,立刻把景别改成特写(close-up)或中景(medium shot)。
3.第三步:固定 Seed 种子,单变量测试
不要每次改动都全盘重写。先固定住图片的随机种子(Seed),每次只改动一个变量。比如这轮只修改光照角度,下一轮只调整镜头光圈。通过对比四张图的变化,你就能精准知道哪个关键词起到了决定性作用。
AI 生成画面从来不是碰运气。把抽象的形容词扔掉,用物理世界的逻辑去定义光从哪里来、影子落向哪里、相机摆在多远。只要输入了具体的空间与光学信号,模型就能还你一张细节饱满、边缘锋利的高清大片。
原创文章,作者:七点互动,如若转载,请注明出处:https://ai.qidianhudong.com/aikonw/prompt-template/4922.html