AI绘画提示词进阶：把人物、动作、环境和光线写清楚，出图更可控 | 海豚善学

同样使用AI绘画工具，有人能够稳定生成符合设计要求的画面，有人却总要反复抽卡。人物长相基本正确，姿势却不符合预期；场景氛围已经出来了，光线方向又和人物对不上。提示词改了很多次，结果依然不够稳定。

这类问题往往与提示词的信息组织方式有关。人物、动作、环境和光线并不是四组可以随意拼接的关键词，它们之间存在明确的空间和视觉关系。想让AI更准确地理解画面，需要把这些关系描述清楚，并根据实际生成结果调整。

一、人物描述要有重点，别把外貌特征全部堆上去

描述人物时，最容易出现的问题是修饰词过多，却没有明确哪些特征最重要。例如，提示词同时强调精致五官、立体面部、柔和轮廓、成熟气质和可爱风格，模型可能生成一个符合部分描述、却不符合整体预期的角色。

更实用的做法是先确定人物的核心特征，再补充次要细节。核心特征通常包括年龄感、发型、体型、服装和具有辨识度的外貌特点。对于需要反复生成的角色，发型、服装配色和面部轮廓应当优先保持稳定。

例如，设计一名用于悬疑插画的女侦探，可以先明确她是短发、窄脸、穿深色风衣，再补充眼神、配饰等细节。没有必要在每次生成时都重新描述一遍所有五官。

人物描述还需要考虑画面景别。全身图应该优先交代体型、服装和姿势；面部特写则更适合描述眼神、表情和皮肤质感。画面没有呈现的细节，通常不值得占用太多提示词。

只写“一个女孩正在奔跑”，无法充分限定人物的动作。模型可能生成正面奔跑、侧面奔跑，甚至是身体朝前但双腿姿态不合理的画面。

如果对动作有明确要求，可以补充身体朝向、四肢位置、运动方向和动作状态。例如：“女孩侧身向画面右侧奔跑，身体略微前倾，右臂向前摆动，左腿向后蹬出。”

对于静态图片，这类描述主要帮助模型确定某个动作瞬间的姿态，并不意味着它能准确还原完整的运动过程。

涉及复杂动作时，可以减少同时出现的要求。人物一边跳跃、一边转身、一边挥动武器，还要求衣服和头发呈现特定运动轨迹，可能使画面出现肢体错误。可以先确定主要姿态，再补充确实影响构图的动态细节。

如果需要准确控制手臂角度、人体姿势或人物在画面中的位置，单靠文字通常不够稳定。使用支持姿态参考或结构控制的工具，往往更容易得到符合要求的结果。

“一个人在办公室里”只说明了地点，并没有说明人物与环境如何组合。桌子在哪里、窗户位于哪个方向、人物距离背景多远，都会影响最终构图。

可以把环境拆成三个层次：

例如，制作一张咖啡馆插画，可以描述人物坐在靠窗的桌边，桌面位于画面下方，窗外街道处于背景，远处行人略微虚化。这样的信息能够帮助模型建立更明确的空间关系。

如果场景中有多个重要物体，最好明确它们的位置，而不是只罗列名称。对于需要反复使用的固定场景，还可以通过参考图保持家具布局和建筑结构的一致性。

光线词汇经常被用来修饰画面，但“电影光效”“高级光影”“氛围感”并不能准确说明光线从哪里来。

描述光线时，可以关注以下三个方面。

如果人物站在窗边，提示词要求阳光从左侧照射，那么人物面部、衣服褶皱和附近物体的明暗表现应尽量与这个方向一致。若又加入多个没有明确位置的强光源，画面就可能出现光影混乱。

不同画风对光线的表现也不同。写实摄影可以强调自然反射和材质变化，赛璐璐动漫则可以重点控制明暗分区和阴影形状。光线描述应当与目标画风相匹配。

当人物、动作、环境和光线都明确后，可以按照画面信息组织提示词。下面是一种适合反复调整的结构：

主体与外观 + 动作姿态 + 环境关系 + 镜头构图 + 光线与色彩 + 风格要求。

例如：

“短发女侦探，穿深灰色风衣，站在旧公寓的走廊里，右手拿着文件夹，侧身观察尽头的房门。中景构图，人物位于画面左侧，走廊向右后方延伸，天花板上的冷白灯照亮墙面，人物脸部保留柔和阴影，悬疑题材的日系动漫插画风格。”

这段描述的重点不是字数，而是各部分之间没有明显冲突。人物做什么、处于什么位置、环境如何延伸、光线从哪里来，都有相对明确的交代。

不同模型对自然语言和标签式提示词的理解能力存在差异。使用支持自然语言理解的模型时，可以直接写完整描述；使用偏向标签训练的模型时，可以将同样的信息拆成简洁的关键词组。

生成结果出来后，不建议每次都重写整段提示词。先判断问题属于哪个部分，再针对性修改。

测试时尽量保持模型、画幅和其他主要参数不变，每次修改一个关键因素。这样更容易判断提示词究竟有没有改善画面。

当提示词能够准确表达主体、姿态、空间关系和光线要求后，后续修改就会更有方向。对于需要高精度控制的画面，再结合参考图、局部重绘和结构控制，通常比单纯增加关键词更有效。