
很多朋友在用 AI 生成图片时,总会遇到一个让人抓狂的问题:画面元素是对的,但位置全乱了。比如你想让“一个穿红衣服的女孩在左边喝咖啡,一只橘猫在右边沙发上睡觉”,结果 AI 生成的画面往往是女孩坐在猫身上,或者咖啡杯长在了猫尾巴里。
这就是典型的构图失控。
今天我们不扯那些虚头巴脑的理论,直接上干货,拆解如何通过提示词工程和控制工作流,把 AI 画面的构图死死按在你的预期里。
一、 为什么你的构图总失控?
在动手写提示词之前,先得搞清楚 AI 为什么听不懂位置指令。
大模型的底层逻辑是概率预测。当你输入“左边 A,右边 B”时,在向量空间里,A 和 B 的特征往往会发生粘连。特别是在没有区域控制插件(如 ControlNet)的纯文本生图模式下,AI 很容易把两个物体揉成一团。
要解决这个问题,光靠堆砌形容词没用,你必须给大模型建立空间锚点。
目前主流的大模型中,GPT-4o(常用于编写优化文生图的 Prompt)、Midjourney v6 和 Stable Diffusion 的处理逻辑各有不同。我们可以把它们的特点做个简单对比:
| 模型/工具 | 构图控制能力 | 优势场景 | 劣势与痛点 |
|---|---|---|---|
| Midjourney v6 | 中等偏上 | 光影、质感、艺术感极强 | 复杂多物体空间定位容易翻车 |
| DALL-E 3 (GPT-4o) | 较强 | 语义理解准确、文字排版好 | 画面容易带有浓重的“AI塑料感” |
| Stable Diffusion XL | 极强(需配合插件) | 精准控制、商业落地首选 | 配置繁琐,对新手门槛高 |
二、 四步法:写出精准控制构图的 Prompt
想要纯靠提示词(Prompt)在文生图大模型里控制构图,必须遵循一套严密的编写逻辑。我把它总结为四个步骤:主体定位、空间分层、视角锁定、边缘约束。
1. 主体定位:用坐标系思维代替模糊形容词
不要用“旁边”、“附近”这种模糊词。我们要用明确的方位词,甚至引入九宫格的概念。
•错误写法:一个女孩在喝咖啡,旁边有一只猫。
•正确写法:Foreground left (前景左侧): A young woman drinking coffee. Background right (背景右侧): An orange cat sleeping on a sofa.
通过明确的前后景和左右方位,把画面进行物理切割。
2. 空间分层:建立景深层级
很多构图混乱是因为 AI 分不清主次。在提示词中,必须显式声明画面的纵深关系。
•核心关键词推荐:
•`Extreme foreground`(极前景)
•`Foreground`(前景)
•`Middle ground`(中景)
•`Background`(背景)
•`Deep background`(远景)
3. 视角锁定:固定镜头语言
视角决定了构图的基础框架。如果不指定视角,AI 每次生成的镜头高低都会随机变化。
•常用视角 Prompt 组合:
•平视特写:`Eye-level shot, close-up, centered composition`
•上帝视角:`Top-down view, flat lay composition, bird’s eye view`
•电影感构图:`Cinematic wide shot, rule of thirds, asymmetric composition`
4. 边缘约束:防止元素溢出
有时候主体虽然在左边,但尾巴或翅膀伸到了画面外面,或者被裁切。你需要加上边缘限制词。
•约束技巧:在句尾加上 `fully in frame`(完全在画框内)、`surrounded by negative space`(四周留白)。
三、 实战演练:电商产品图构图提示词
假设我们现在要为一个马克杯做一张电商主图:左边放杯子,右边放咖啡豆,中间留白写字,背景是纯色。
如果我们直接对 Midjourney 说“一个马克杯和咖啡豆”,它大概率会把咖啡豆铺满整个屏幕,杯子埋在豆子里。
优化前的废片 Prompt:
A coffee mug on the left, some coffee beans on the right, white background, product photography.
优化后的精准控图 Prompt:
Commercial product photography, minimalist style.
[Composition]: Rule of thirds, asymmetric layout.
[Left element]: A matte black ceramic coffee mug placed strictly on the left third of the frame, fully in frame, casting a soft shadow to the right.
[Right element]: A small pile of roasted coffee beans scattered on the right third of the frame.
[Middle element]: Empty clean space in the center, negative space.
[Background]: Solid neutral gray background, studio soft lighting. --ar 16:9
为什么这个提示词有效?
1.明确了 `Rule of thirds`(三分法构图)。
2.用 `left third` 和 `right third` 把画面精准切割。
3.用 `empty clean space in the center` 锁死了中间区域,防止元素乱跑。
4.`–ar 16:9` 锁定了横屏比例,为左右布局提供了物理空间。
四、 进阶技巧:不同大模型的构图调优策略
不同的模型,喂食的“语法”偏好完全不一样。在实际操作中,你需要对症下药。
1. 针对 ChatGPT (DALL-E 3)
DALL-E 3 对自然语言的理解极强,你可以直接用“像写小说一样”的逻辑去指挥它。
•技巧:善用括号和分号。
•示例:`(Masterpiece photography:1.2). The composition is divided into two parts: On the left side, a blue vase; on the right side, a wooden chair. Do not mix them.`
2. 针对 Midjourney v6
Midjourney 喜欢短平快的英文标签,同时对参数极其敏感。
•技巧:善用 `–v 6.0` 和 `–style raw` 减少 AI 的主观发挥。多利用 `–iw`(图像权重)或 `–p`(个性化参数)来稳定风格。
•避坑:不要写太长逻辑复杂的长难句,Midjourney 会抓瞎。用英文逗号隔开的区块描述更加高效。
3. 终极方案:如果提示词依然失控怎么办?
当商业项目的构图要求精确到像素级时,纯文本提示词的概率性永远无法满足 100% 的准确率。此时必须上工作流:
•ControlNet (OpenPose / Canny / Depth):在 Stable Diffusion 中,直接用线条图或深度图锁死构图。
•局部重绘 (Inpainting):先让 AI 生成背景,再把主体通过蒙版分步画上去。
五、 写在最后
控制 AI 构图的本质,是把你的空间想象力,翻译成大模型能听懂的几何约束语言。
别指望用一句简单的“帮我画个好看的图”就能得到完美的商业级构图。多去拆解优秀作品的空间结构,把画面拆成前景、中景、背景、坐标和留白,你的生图成功率会从 20% 直接飙升到 80% 以上。动手去试试吧。

评论前必须登录!
立即登录 注册