一个优秀的文生图提示词应该包含哪些结构化要素？

一个优秀的文生图提示词，本质上就是一份清晰、具体、结构化的指令。AI不像人，它没有想象力和常识，你必须告诉它全部的细节，它才能生成你想要的画面。把AI当成一个能力超强但毫无主见的画师，你的任务就是把脑子里的画面，用它能听懂的语言精确地描述出来。

这套语言，或者说指令的框架，基本可以拆分成几个核心要素。按顺序组合起来，出图效果一般不会差。

1. 主体 (Subject)：画面的核心是什么？

这是最先要确定的东西，也是提示词的起点。主体必须明确，不能模棱两可。 AI需要知道画面的主角是谁或是什么。

• 谁/什么： 一个人、一只动物、一个物体，还是一栋建筑？ 越具体越好。不要只说“一个人”，可以说“一个年轻的女人”；不要只说“一条狗”，可以说“一只正在摇尾巴的金毛幼犬”。 细节越多，AI抓取到的特征就越准确。
• 动作/状态： 主体在做什么？是“一个正在看书的女孩”，还是“一个在雨中奔跑的男人”？动作能给静态的画面带来故事感。
• 特征描述： 主体的外貌、穿着、情绪等。比如“一个穿着红色连衣裙、面带微笑的女孩”。这些描述词会直接影响最终的视觉效果。

举个例子，一个模糊的主体提示词可能是“一个男人”，而一个结构化的主体提示词是“一个留着胡子、穿着棕色皮夹克的中年男人，表情严肃地看着窗外”。后者给出的信息量完全不同，AI生成的图像也会精确得多。

2. 环境 (Environment)：主体在哪里？

环境是画面的背景，用来烘托主体和营造氛围。没有环境描述，AI可能会给你一个单调的纯色背景。

• 地点： 室内还是室外？ 是在“一间堆满旧书的图书馆”，还是在“一片阳光明媚的森林里”？ 具体的地点能让画面更有场景感。
• 天气/时间： 是“一个下着大雪的傍晚”，还是“一个晴朗的午后”？ 时间和天气直接影响光线和色调。
• 周围物体： 环境里还有什么东西？比如，“街道上停着几辆复古汽车”、“桌子上放着一杯冒着热气的咖啡”。这些细节能极大地丰富画面内容。

一个简单的环境描述是“在街上”，而一个好的描述是“在一条夜晚的东京街道上，霓虹灯闪烁，地面有雨水反射的光影”。

3. 艺术风格 (Style)：画面看起来像什么？

这是决定画面整体质感的关键要素。你想让它看起来像一张照片，还是一幅油画？

• 媒介类型： 照片 (Photograph)、油画 (Oil painting)、水彩画 (Watercolor)、3D渲染 (3D render)、插画 (Illustration)、素描 (Sketch) 等。 这是最直接的风格定义。
• 艺术流派： 印象派 (Impressionism)、超现实主义 (Surrealism)、赛博朋克 (Cyberpunk)、蒸汽朋克 (Steampunk) 等。 不同的流派有独特的视觉语言。
• 艺术家风格： 你可以指定某个著名艺术家的风格，比如“in the style of Van Gogh”（梵高风格）或“in the style of Hayao Miyazaki”（宫崎骏风格）。AI会模仿这位艺术家的笔触、色彩和构图特点。

一个没有风格的提示词，AI会使用它的默认风格，通常比较普通。加上“电影质感”(cinematic) 或者“80年代复古照片风格”(80s retro photography) 这样的关键词，画面立刻就有了不同的味道。

4. 构图与镜头 (Composition & Camera)：从哪个角度看？

这部分内容对于想生成更具专业感的图像非常重要，相当于你在指挥一个虚拟的摄影师。

• 景别： 特写 (Close-up)、中景 (Medium shot)、全身像 (Full body shot)、远景 (Long shot)。 这决定了主体在画面中的大小和位置。
• 视角： 鸟瞰图 (Bird’s-eye view)、仰视图 (Low-angle shot)、第一人称视角 (First-person view) 等。 不同的视角会带来完全不同的视觉冲击力。
• 镜头类型： 广角镜头 (Wide-angle lens)、长焦镜头 (Telephoto lens)、微距镜头 (Macro lens)。 镜头会影响画面的景深和空间感。例如，f/1.8的光圈可以带来背景虚化的效果，而f/16则能让整个画面都保持清晰。

比如，同样是画一只猫，”一只猫的特写，微距镜头” 和 “一只猫的远景，广角镜头” 生成的会是两张完全不同的图片。

5. 光照与色彩 (Lighting & Color)：画面的氛围和色调是怎样的？

光和色是情绪的直接表达。 它们能瞬间改变一张图片给人的感觉。

• 光照类型： 柔和的光 (Soft light)、刺眼的阳光 (Harsh sunlight)、霓虹灯 (Neon lighting)、工作室灯光 (Studio lighting)、体积光 (Volumetric lighting) 等。 光照决定了画面的明暗对比和立体感。
• 色彩描述： 鲜艳的色彩 (Vibrant colors)、柔和的色调 (Muted colors)、单色 (Monochromatic)、黑白 (Black and white)、粉彩色 (Pastel colors) 等。 你可以直接指定画面的主色调，比如“以蓝色和金色为主色调”。

例如，“电影光效，黄金时刻” (cinematic lighting, golden hour) 会让画面呈现出日落时分的温暖光线和长长的影子，氛围感十足。

6. 图像质量与细节 (Quality & Detail)：画面要多精细？

最后，你可以加上一些提升画面整体质量的“魔法词”。这些词语会告诉AI在细节上下更多功夫。

• 常用词： 高细节 (Highly detailed)、照片级真实感 (Photorealistic)、8K、超高清 (Ultra HD) 等。虽然AI不一定真的能生成8K分辨率的图片，但这些词会引导它在渲染时加入更多细节。
• 负面提示词 (Negative Prompts)： 同样重要的是告诉AI不想要什么。 比如，如果你不希望画面中出现多余的手指、模糊的背景或文字，就可以在负面提示词中加入“多余的手指 (extra fingers)”、“模糊 (blurry)”、“文字 (text)”等。这能有效帮你过滤掉很多不理想的结果。

把这些要素串联起来，一个结构化的提示词就诞生了。通常，越重要的描述越往前放。 一个比较通用的公式可以是：[主体] + [环境] + [风格] + [构图/镜头] + [光照/色彩] + [质量/细节]。

当然，这只是一个基础框架。不同的AI模型，比如Midjourney和Stable Diffusion，对提示词的理解方式和侧重点也略有不同。 关键在于不断尝试和调整，通过控制变量的方式，一次只改变一个要素，观察它对画面的影响。 用得多了，自然就会形成自己的一套方法。