如何设计AI模特提示词来生成特定人种、姿态和风格的虚拟模特？

要让AI给你画个特定样子的模特，其实没那么玄乎。关键在于，你得学会怎么跟它“说话”。AI听不懂“感觉”，它只认关键词。所以，别说“给我画个好看的”，得说清楚“她长啥样，在干嘛，什么风格”。这事儿就跟点菜一样，你说“来个好吃的”，天晓得厨子给你上什么；但你要说“一份宫保鸡丁，多放花生，别放辣”，那味道就八九不离十了。

咱们一步一步来拆解。一个好的提示词，通常由几个核心部分组成：主体、人种与特征、姿态与动作、服装与环境，最后是风格与技术参数。顺序不是死的，但逻辑得清晰。

第一步：先说清楚画的是谁

这是基础中的基础。你得先告诉AI，画面的主角是“一个女人”（a woman）、“一个男人”（a man）还是“一个女孩”（a girl）。这个词要放在前面，让AI第一时间抓住核心。如果你想画特定职业的人，比如“一个宇航员”（an astronaut）或者“一个女消防员”（a female firefighter），直接说出来，AI会自带一些职业相关的背景和服装元素。

第二步：明确人种和相貌特征，细节决定成败

这是最关键的一步，也是很多人觉得难的地方。AI的训练数据有偏见，如果你不特别说明，它画出来的人很可能偏向白人。 所以，必须明确指定人种。

想生成一个亚洲模特，你可以直接用“Asian woman”。但这样太笼统，AI可能会给你一个很刻板的形象。所以要加上更具体的描述。比如，“一个有着杏仁眼和乌黑长发的中国女人”（a Chinese woman with almond-shaped eyes and long black hair）。 这种描述方式比单纯一个“Asian woman”要精准得多。

我们来举几个不同人种的例子：
* 东亚模特：你可以用“a beautiful young Korean woman, with flawless skin, sharp jawline, double eyelids”。这里的“flawless skin”（无瑕的皮肤）和“double eyelids”（双眼皮）都是很具体的特征描述。
* 非洲裔模特：可以这样描述，“a woman of African descent with rich, dark skin, wearing traditional African attire, standing proudly”。 明确指出“dark skin”（深色皮肤）和具体的服装风格，能有效避免AI生成肤色较浅或特征模糊的人物。也可以试试“a Black woman with voluminous afro hair”，用发型来强化特征。
* 拉丁裔模特：可以试试“a Latina woman with olive skin and curly brown hair”。“Olive skin”（橄榄色皮肤）就是一个很好的关键词。

这里的诀窍是，把国家、地区和具体的相貌特征结合起来。 别怕啰嗦，词越多，AI的发挥空间就越小，结果也就越接近你的想法。与其用“African descent”，不如直接说“a Nigerian woman”，这样AI会调取更具体的地域特征数据。

第三步：用动词和介词锁定姿态

姿态决定了模特的动态感和情绪。想让模特摆出特定姿势，最直接的方法就是用动词。比如，“sitting on a chair”（坐在椅子上）、“walking down the street”（走在街上）、“leaning against a wall”（靠在墙上）。

但是，光有动词还不够，动作可能还是很僵硬。你需要把动作拆解得更细。比如，你想要一个自信的站姿，可以写“standing with hands on hips”（双手叉腰站立）。 想要一个放松的姿势，可以试试“sitting with legs crossed”（翘着二郎腿坐着）。

下面是一些可以直接用的姿态关键词组合：
* 手臂姿势：arms crossed（双臂交叉）、arms behind head（双手抱头）、hand on chin（手托下巴）、waving（挥手）。
* 腿部姿势：legs crossed（双腿交叉）、kneeling（跪姿）、standing on one leg（单腿站立）。
* 身体姿态：leaning forward（身体前倾）、looking back over shoulder（回头看）、stretching（伸展身体）。

一个实用的技巧是，想象你正在指挥一个真人模特，你会怎么跟她说？“头稍微歪一点”就是“head tilt”，“看着镜头”就是“looking at viewer”。把这些指挥语变成关键词，AI就能听懂。

第四步：服装、场景和风格，让模特活起来

现在，你的模特有了人种和姿态，但还像个没穿衣服的假人。接下来要给她穿上衣服，放到一个具体的场景里，再定个调子。

服装（Clothing）:
服装的描述也要具体。不要只说“dress”（裙子），要说清楚是什么样的裙子。“a red silk evening gown”（一条红色的丝绸晚礼服）就比“a red dress”好得多。材质、颜色、款式，一个都不能少。
* 示例：“wearing a black leather jacket and blue jeans”（穿着黑色皮夹克和蓝色牛仔裤）。

场景（Setting/Background）:
模特在哪？背景是什么？这决定了照片的整体故事感。
* 室内：“in a modern office building”（在一个现代办公楼里）、“in a cozy living room with a fireplace”（在有壁炉的舒适客厅里）。
* 室外：“on a bustling city street at night”（在夜晚繁忙的城市街道上）、“on a serene beach at sunset”（在日落时分的宁静海滩上）。

风格与技术参数（Style & Technicals）:
这是最后一步，相当于给照片加滤镜和专业的拍摄参数。它决定了图片的质感。

• 照片质感: 想让图片看起来像真的照片，就必须加上“photorealistic”（照片般逼真）或“hyper-realistic”（超现实）这样的词。 再加上一句“shot on 35mm film”（用35毫米胶片拍摄），会增加一种复古的胶片质感。
• 灯光: 灯光是情绪的催化剂。“cinematic lighting”（电影感灯光）能营造故事氛围；“soft lighting”（柔和光线）适合温馨的场景；“dramatic lighting”（戏剧性光光）则能增强冲突感。
• 画质: “ultra-detailed”（超多细节）、“high quality”（高质量）、“masterpiece”（杰作），这些词虽然有点像废话，但在很多模型里确实管用，能让AI在生成图片时投入更多计算资源，提升最终的画面质量。
• 构图: “full body shot”（全身照）能展示完整穿搭，“close-up portrait”（脸部特写）则聚焦于面部情绪，“from behind”（从背后拍摄）提供一种窥视感。

整合起来，看个完整例子

假设我们想生成一张在东京街头的时尚日本女模特的照片。

• 第一版（新手）: a Japanese woman in Tokyo

  • 结果可能很随机，风格、姿态、长相都不可控。

• 第二版（进阶）: photorealistic, a young Japanese woman, short black hair, walking on a street in Shibuya, Tokyo, wearing a stylish trench coat

  • 好多了。明确了照片风格、年龄、发型、动作、地点和服装。

• 第三版（专业）: masterpiece, ultra-detailed photorealistic portrait of a stylish young Japanese woman in her 20s, with short bob haircut and subtle makeup, walking confidently across the Shibuya crossing at night, wearing a beige trench coat and black boots, cinematic lighting with neon signs in the background, bokeh effect, shot on a Sony A7III with a 50mm f/1.8 lens

  • 这就是顶级提示词了。我们把所有细节都写进去了：
    • 质量词: masterpiece, ultra-detailed photorealistic portrait
    • 主体与特征: a stylish young Japanese woman in her 20s, with short bob haircut and subtle makeup
    • 姿态与动作: walking confidently
    • 场景与服装: across the Shibuya crossing at night, wearing a beige trench coat and black boots
    • 风格与技术: cinematic lighting with neon signs in the background, bokeh effect, shot on a Sony A7III with a 50mm f/1.8 lens

最后的这个例子，通过指定相机型号和镜头参数（Sony A7III, 50mm f/1.8 lens），等于是在告诉AI：“我不要一张画，我要一张看起来像是专业摄影师用特定设备拍出来的照片。” AI会去模仿这些设备拍出来的照片的景深、色彩和质感，最终结果的真实感会大大提高。

总的来说，设计提示词就是一个不断添加细节、缩窄AI想象空间的过程。你给的信息越精确、越没有歧义，AI就越能成为你手里那支听话的画笔。多试试，多拆解，很快你就能让AI生成任何你想要的虚拟模特了。