
在用 Midjourney、Stable Diffusion 或者通过大模型(如 ChatGPT、Claude)生成 AI 人物时,大家最头疼的问题往往是:“抽卡”抽到崩溃,要么脸崩成车祸现场,要么眼神空洞像个假人,完全没有那种高级的灵气。
为什么会这样?因为你写的提示词太粗了。AI 不是人类画师,它不会“脑补”。你只写一个“美丽的女子”,AI 抓取到的只是高频词的平均值,出来的自然是千篇一律的网红脸。
今天我们就抛开那些虚头巴脑的理论,直接拆解一套经过上万次实测的 AI 人物精准控脸与眼神光效提示词框架。不扯概念,只讲能直接复制到工作流里跑通的代码和参数。
一、 传统“抽卡”痛点与结构化解法
很多人以为写提示词就是堆砌形容词,比如:`beautiful woman, detailed face, sharp eyes, 8k`。这种写法在目前的文生图模型(如 Midjourney v6、SDXL、Flux)里基本失效了。
原因很简单:AI 无法区分这些形容词的主次关系,容易导致画面污染。要精准控制面部和眼神,必须把提示词进行模块化拆解。
| 传统堆砌式写法(低效) | 结构化拆解式写法(高效) |
|---|---|
| `beautiful woman, blue eyes, big eyes, shiny eyes, detailed skin, nice face, 8k` | `[基础主体] + [面部骨相与皮肤肌理] + [眼部微结构与光效] + [光影与镜头语言]` |
| 痛点:特征冲突、AI 自由发挥度高、面部崩坏概率大。 | 优势:各模块职责单一、可控性强、支持局部精准微调。 |
在编写提示词时,我们必须严格遵循以下黄金公式:
核心公式 = 主体身份 (Subject) + 骨相特征 (Bone Structure) + 皮肤细节 (Skin Texture) + 眼神微结构 (Iris & Catchlight) + 光影矩阵 (Lighting Matrix)
二、 精准锁定面部特征的 4 个核心维度
要想让 AI 生成的脸部有辨识度、不死板,必须在提示词里给它明确的“生物学约束”。
1. 骨相结构(避免千篇一律的网红脸)
不要只说“好看”,要用美术和摄影术语去框定骨相。例如:
•高加索/欧亚混血感:`defined jawline, high cheekbones, delicate nose bridge`(清晰的下颌线、高颧骨、精致的鼻梁)。
•东方清冷感:`soft jawline, slightly downturned eyes, elegant proportions`(柔和下颌线、微下垂眼、优雅比例)。
2. 皮肤肌理(告别塑料感磨皮)
AI 默认生成的图往往有厚重的数码涂抹感。你必须加入真实皮肤的物理特征:
•`subsurface scattering skin`(次表面散射皮肤,让皮肤透出红润的血色感)。
•`natural skin pores, subtle freckles on nose`(自然毛孔、鼻翼两侧有淡淡的雀斑——这是打破塑料感的关键)。
3. 三庭五眼与面部朝向
控制画面的视角,避免出现视线对不上焦的情况。
•正面微侧:`three-quarters view, looking directly at the camera`(四分之三侧面,直视镜头)。
•微抬头仰视:`chin tilted up slightly, confident expression`(微微抬起下巴,自信表情)。
4. 实操提示词模板(面部控制段落)
A close-up portrait of a 25-year-old woman, highly detailed facial structure, defined cheekbones, natural skin pores, subsurface scattering, slight peach fuzz on cheeks, neutral expression, looking at the camera.
三、 点睛之笔:如何用提示词刻画“有灵魂的眼神光”
眼神是人物画面的灵魂。死鱼眼和有神的眼睛,差的是虹膜细节(Iris details)和瞳孔反射(Catchlight)。
1. 虹膜与瞳孔的精密描述
不要只写 `blue eyes`。要告诉 AI 虹膜的纹理和颜色的过渡:
•`intricate iris patterns, limbal ring`(复杂的虹膜纹理、边缘环——边缘环是显年轻和精神的关键细节)。
•`deep amber and hazel gradient eyes`(深琥珀色与榛子色渐变眼眸)。
2. 眼神光(Catchlight)的物理级控制
眼神光决定了光是从哪里来的,以及人物的精神状态。必须指定光源在眼球上的反射位置:
•柔和窗光:`soft window catchlight in eyes, 45-degree key light`(眼中有柔和的窗户眼神光,45度主光)。
•灵动眼神:`sparkling catchlights in dark pupils, wet-look eyes`(深色瞳孔中有闪烁的眼神光,水润感眼眸——注意,“水润感” `wet-look` 能瞬间消除干涩感)。
3. 实操提示词模板(眼部与光效段落)
Detailed eyes, intricate iris texture, prominent dark limbal ring, wet-look eyeballs, sparkling dual catchlights from studio softbox, sharp focus on pupils.
四、 全流程实操:从零组装一个高精准人物生成 Prompt
我们将上述模块组合起来,放入目前主流的文生图模型(如 Midjourney v6 或 Stable Diffusion XL)中测试。
完整提示词示例 (Prompt Template):
A cinematic close-up portrait of a 26-year-old female editor, natural facial features, high cheekbones, soft jawline, realistic skin texture with visible pores and subtle imperfections, subsurface scattering. Expressive hazel eyes, intricate iris details, defined limbal ring, wet-look eyes with crisp dual catchlights reflecting a studio softbox. Soft moody lighting, shallow depth of field, f/1.8, 85mm lens, photorealistic, 8k resolution. --ar 4:5 --v 6.0 --style raw
参数配置建议(以 Midjourney 为例):
•`–v 6.0`:版本必须用 6.0 或以上,对细节和文本遵循度有质的飞跃。
•`–style raw`:减少 Midjourney 官方的过度美化干预,让提示词的词义更忠实地落地。
•`–ar 4:5` 或 `–ar 2:3`:人像黄金比例,避免全身照导致脸部像素过少无法精细刻画。
五、 避坑指南与常见误区
在实际业务调优中,很多人写了长篇大论的提示词,结果依然翻车。主要原因通常踩了这几个坑:
1.矛盾的修饰词堆砌:
•*错误做法*:同时写 `matte skin`(哑光皮肤)和 `glossy wet face`(湿润脸庞)。AI 会逻辑混乱,导致局部发灰或出现油腻斑块。
•*正确做法*:确定单一皮肤基调,例如哑光底妆配合局部的眼球水润感。
2.忽略了镜头焦距(Focal Length)对脸型的影响:
•广角镜头(如 35mm 以下)会造成面部畸变,鼻子变大、脸部变形。
•务必锁定人像焦距:在提示词中加入 `85mm lens` 或 `135mm telephoto lens`,这能物理级矫正脸部比例,让五官更立体自然。
3.过度依赖负面提示词(Negative Prompt):
•在现代大模型(如 Midjourney v6 或 Flux)中,过多的负面提示词(如 `ugly, bad anatomy, deformed`)有时反而会干扰模型的注意力机制。
•核心策略:把精力放在正向提示词的结构化定义上,用准确的正向描述去挤压错误画面的生存空间。
掌握这套模块化拆解逻辑后,你不再需要盲目抽卡,而是像摄影师布光、化妆师捏脸一样去控制 AI 的每一个像素点。把上面的模板复制过去,调整你的主体职业和光影环境,马上去跑一组试试效果。

评论前必须登录!
立即登录 注册