如何使用AI画画人物姿势提示词来精确控制画面中角色的动作和体态？

想用AI画出特定的人物姿势，只靠“一个站着的人”这种模糊的提示词基本是不行的。AI听不懂你想的，它只会根据数据库里大多数“站着”的图片给你一个最常见的站姿。想要精确控制，就得把话说清楚，把动作拆解开，告诉AI每个身体部分该干嘛。

最直接的方法就是用动词。不要只说“一个人”，要说“一个人正在走路”、“一个人正在跑步”或者“一个人正在跳跃”。AI对动词的理解比形容词更具体。比如，用“a man walking”就比“a standing man”得到的姿态更有动感。但这只是第一步，因为“走路”也分很多种，是悠闲地散步还是急匆匆地赶路？所以，还得加上更多细节。

我们可以把一个完整的姿势拆分成“视角”、“动作”和“情绪”三个部分。这三个部分组合起来，就能让AI更准确地理解你的想法。

先说视角。你想从哪个角度看这个人？是平视、俯视还是仰视？这些词要直接加到提示词里。“from above”（俯视）画出来的人可能头大身子小，有一种窥视感。“from below”（仰视）则会显得人物很高大，有压迫感。除了角度，还有距离。“full body shot”（全身照）会完整展示人物的身体和姿态，“medium shot”（半身照）则聚焦于上半身的动作，“close-up”（特写）就只关注面部表情了。这些词就像是告诉AI摄影师该把摄像机放在哪里，非常关键。比如，你想画一个充满力量、准备战斗的英雄，用“from below, full body shot”就能立刻强化这种感觉。

然后是动作的拆解。这是最核心的部分。一个复杂的姿势，比如“一个人坐在椅子上，翘着二郎腿，一只手托着下巴”，直接把这句话丢给AI，效果可能很随机。AI可能会忽略“翘二郎腿”这个细节，或者把手画得很奇怪。要解决这个问题，就要把身体的各个主要部分分开描述。

可以想象成一个木偶，你需要告诉AI怎么摆弄它的头、躯干、手臂和腿。

• 头部 (Head): “looking up”（抬头）、“looking down”（低头）、“turning head to the right”（头转向右边）、“tilting head”（歪头）。这些指令都很明确。
• 躯干 (Torso): “leaning forward”（身体前倾）、“leaning back”（身体后仰）、“twisting torso”（扭转身体）。这些词决定了身体的重心和朝向。
• 手臂 (Arms): 手臂的姿势最丰富，也最容易出错。“arms crossed”（双臂交叉在胸前）、“arms behind back”（手臂背在身后）、“one hand on hip”（单手叉腰）、“stretching arms”（伸懒腰）。如果想更精确，可以描述到手肘和手掌。“elbows on the table”（手肘放在桌上）、“hands in pockets”（手插在口袋里）、“waving hand”（挥手）。
• 腿 (Legs): “standing on one leg”（单腿站立）、“legs crossed”（双腿交叉，通常指站姿）、“kneeling”（跪着）、“sitting with legs crossed”（坐着翘二郎腿）。这些词直接定义了下半身的姿态。

把这些组合起来，就可以构成一个非常具体的姿势指令。回到刚才那个例子，“一个人坐在椅子上，翘着二郎腿，一只手托着下巴”，我们可以把它改成更精确的提示词：“a person sitting on a chair, (legs crossed:1.2), (one hand supporting chin:1.1), looking thoughtfully at the camera”。这里我还用到了权重符号，比如“(legs crossed:1.2)”。在Midjourney或Stable Diffusion里，给某个描述加上括号和权重数字，可以告诉AI这个部分更重要，需要优先处理。这能有效避免某些细节被忽略。

举个具体的例子，我想画一个正在秘密观察的女侦探。

模糊的提示词可能是：“a female detective hiding and watching”。

AI可能会画出她躲在墙后，但姿势很僵硬。

精确的提示词可以这样写：“full body shot, a female detective, (peeking from behind a corner:1.2), leaning forward, body tense, one eye visible, holding binoculars, low light”。这个描述就具体多了。“peeking from behind a corner”（从角落里偷看）直接定义了核心动作，“leaning forward”（身体前倾）和“body tense”（身体紧张）补充了体态的细节和情绪，而“holding binoculars”（拿着望远镜）则让姿势更加合理和生动。

但是，有时候就算你把提示词写得再详细，AI还是会出错。比如画手，AI画手经常会画出六根手指或者手指扭曲得像麻花一样。或者是一些非常规的、动态感极强的姿势，光靠语言很难描述清楚。这时候就要用到更高级的工具了，比如ControlNet。

ControlNet是Stable Diffusion的一个插件，它可以让你通过一张参考图来控制生成图像的构图、人物姿势和景深等。对于控制姿势来说，它里面的OpenPose功能简直是神器。

使用OpenPose的步骤很简单：

1. 找一张参考图。 这张图可以是你自己拍的照片，可以是一张电影截图，甚至可以是你用软件摆出来的一个3D小人，只要图里的人是你想要的姿势就行。你甚至可以自己画一个简单的火柴人来确定基本姿态。
2. 提取骨骼图。 把这张参考图上传到ControlNet的OpenPose预处理器里。它会自动识别图中的人物，并生成一张“骨骼图”。这张骨骼图看起来就像是用线条和圆点连接起来的火柴人，它精确地记录了人物的头部、颈部、肩膀、手肘、手腕、胯部、膝盖和脚踝的位置。
3. 输入提示词并生成。 在Stable Diffusion的界面里，启用ControlNet，选择OpenPose模型，然后把你生成的骨骼图放进去。接着，在正常的提示词区域写下你想要的人物描述，比如“一个穿着盔甲的骑士”、“一个穿着连衣裙的女孩”。

点击生成后，AI就会严格按照你给的骨骼图来摆放人物的姿势，同时根据你的提示词来填充人物的样貌、服装和背景。这就相当于你给AI画了一个精确的姿势草稿，它只负责上色和细化。这种方法的控制精度非常高，几乎可以100%复现任何你想要的姿asi。无论是复杂的舞蹈动作，还是微妙的身体倾斜，只要你能找到或者做出参考图，它就能画出来。

比如，我想画一个宇航员在失重环境下漂浮，四肢展开的姿势。用语言描述这个姿势会很麻烦，而且AI不一定能理解“失重感”。但是，我可以用一个叫“Magic Poser”的3D建模App，在手机上轻松摆出一个宇航员漂浮的姿势，然后截图。把这张截图导入ControlNet生成骨骼图，再配上提示词“an astronaut in a spacesuit, floating in zero gravity, background of a space station”，就能得到一张姿势完美、细节丰富的图片。

总的来说，控制AI画画的人物姿势，就是一个从模糊到精确、从语言到图像的过程。

• 初级阶段： 用“动词 + 细节”来描述动作。
• 中级阶段： 把姿势拆解成“视角 + 身体各部分动作”，并用权重来强调关键点。
• 高级阶段： 使用ControlNet的OpenPose功能，直接用骨骼图来锁定姿势，实现像素级别的精确控制。

这个过程需要不断尝试。有时候AI会误解你的意思，有时候它会给你意想不到的惊喜。多去尝试不同的关键词组合，看看AI对“leaning”、“bending”、“twisting”这些词的不同反应，慢慢你就会掌握它的脾气，知道怎么跟它“说话”才能让它乖乖听话。