文生图AI描述词的语法结构是怎样的，有哪些需要遵守的规则？

文生图AI描述词的语法结构更像是在给机器下达一连串清晰的指令，而不是在写一个符合人类语言逻辑的完整句子。把它想象成你在点菜，你不会对服务员说：“我今天心情不错，想来点能让我想起童年夏天的食物。” 你会直接说：“一份番茄炒蛋，一份米饭。” AI也是这样，它需要直接、具体的关键词。

最基础的结构，可以拆解为几个核心部分，用逗号隔开就行。逗号是这里最重要的“语法符号”，它用来分隔不同的概念，让AI知道这是一个独立的元素。

一个万能公式可以是：主体, 细节, 动作/场景, 风格, 构图/光照。

我们一步步拆开来看。

1. 主体 (Subject): 你想画什么？

这是最核心的部分，必须放在最前面。AI会优先理解和生成描述词最开始提到的东西。如果你想画一只猫，那就直接写“a cat”。如果你想要一只穿着宇航服的猫，那主体就是“a cat in a spacesuit”。主体要尽可能具体。 “a girl”就不如“a beautiful young girl with long blonde hair”生成的效果稳定。

2. 媒介与细节 (Medium & Details): 它是什么材质的？有什么特征？

这部分是用来丰富主体的。 “a cat”很模糊，但“a fluffy ginger cat with green eyes”（一只毛茸茸的绿眼睛橘猫）就具体多了。细节决定了画面的质感。

媒介则是告诉AI，你想要的这张图是“照片”还是“画”。这是个非常重要的指令。常见的媒介词包括：

• Photograph (照片): 生成写实风格的图片。可以进一步细化，比如“vintage photograph”（复古照片）或“wildlife photography”（野生动物摄影）。
• Illustration (插画): 风格更卡通或具有设计感。
• Oil painting (油画): 模仿油画的笔触和质感。
• Digital art (数字艺术): 这是个很宽泛的词，通常会生成干净、现代的CG艺术作品。
• Pencil sketch (铅笔素描): 生成黑白素描效果。
• 3D render (3D渲染): 得到像游戏或动画电影里的那种立体模型效果。

比如，你写“a cat, photograph”，AI就会努力生成一张看起来像真实相机拍出来的猫片。你写“a cat, oil painting”，它就会给你一张有油画笔触的猫。

3. 场景与环境 (Scene & Environment): 主体在什么地方？在做什么？

这一部分是给主体提供一个背景。比如，“a cat, sleeping on a bookshelf, in a cozy library”。（一只猫，睡在书架上，在一个舒适的图书馆里）。场景描述词能极大地增加画面的故事感。没有场景，你得到的可能就是一只背景单调的猫。

4. 艺术风格与艺术家 (Art Style & Artist): 你想模仿谁的风格？

这是让AI“抄作业”最直接的方法。你可以指定一个艺术流派，或者干脆直接用某个艺术家的名字。AI在其训练数据里学习了大量艺术家的作品，可以很好地模仿他们的风格。

• 艺术流派: “impressionism”（印象派）、“surrealism”（超现实主义）、“cyberpunk”（赛博朋克）、“anime style”（动漫风格）。
• 艺术家名字: “by Van Gogh”（梵高风格）、“by Hayao Miyazaki”（宫崎骏风格）、“by Greg Rutkowski”（一位在AI绘画领域被广泛使用的数字艺术家，他的风格恢弘且富有细节）。

举个例子，“a cat, in the style of Van Gogh”，你就会得到一张充满旋转笔触和明亮色彩的星空猫。

5. 构图、光照与色彩 (Composition, Lighting & Color): 画面怎么安排？

这是进阶操作，但对画面效果的影响巨大。它决定了画面的氛围和专业程度。

• 构图 (Composition): 你想从哪个角度看主体？常见的词有：“close-up shot”（特写）、“wide-angle shot”（广角镜头）、“from above”（俯视）、“portrait”（肖像）。
• 光照 (Lighting): 光线是决定氛围的关键。“cinematic lighting”（电影光）、“dramatic lighting”（戏剧性光照）、“soft light”（柔光）、“neon lights”（霓虹灯）。比如，“cinematic lighting”会让画面看起来像电影截图。
• 色彩 (Color): 你可以指定画面的主色调。“monochromatic”（单色）、“vibrant colors”（鲜艳的色彩）、“pastel color palette”（粉彩调色板）。

把这些组合起来，一个完整的描述词就诞生了：“a fluffy ginger cat, sleeping on a bookshelf, in a cozy library, golden hour lighting, cinematic shot, soft details, by Hayao Miyazaki.” （一只毛茸茸的橘猫，睡在书架上，在一个舒适的图书馆里，黄金时刻的光照，电影镜头，柔和的细节，宫崎骏风格。）

权重：如何强调或减弱某个元素

有时候，你希望AI更关注某个词。这时候就需要用到权重。不同平台的语法不一样。

• 在Stable Diffusion（以及很多模仿它的模型）中，使用括号和数字。

  • (keyword:1.3)：将“keyword”这个词的权重增加30%。数字越大，影响越强。(red hair:1.5) 会让AI拼了命也要画出红头发。
  • [keyword]：这是降低权重的简写，相当于(keyword:0.9)。如果你发现画面里某个元素太多了，可以试试用这个。

• 在Midjourney中，使用双冒号和数字。

  • keyword::2：给“keyword”两倍的权重。比如 space ship::2 forest::1，AI会尝试画一个宇宙飞船和森林的结合体，但飞船的特征会更明显。

权重是个精细活，需要反复尝试。通常1.1到1.3的权重增加已经很明显了，不要一开始就用太高的数字，否则画面容易“崩坏”。

负面描述词 (Negative Prompts): 告诉AI不要画什么

这是另一个极其重要的工具。AI有时会犯一些常见的错误，比如画出六根手指的人，或者画面模糊、构图奇怪。负面描述词就是用来避免这些问题的。你等于是在给AI一个“禁忌清单”。

几乎所有专业的AI绘画都会用到一长串负面描述词。这里有一份可以直接拿来用的基础款：

(worst quality, low quality, normal quality:1.4), ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, bad anatomy, watermark, signature, cut off, low contrast, underexposed, overexposed, bad art, beginner, amateur, distorted face.

这段话的意思是：不要生成低质量、丑陋、重复拼接、手脚脸画得烂、主体超出画面、多余肢体、畸形、身体被切、结构错误、有水印签名、对比度低、曝光不足或过度等等的图片。把这段话放在专门的负面描述词输入框里，就能过滤掉大部分不理想的结果。

规则总结与实践建议

1. 词语优先于句子: AI对单个关键词的理解比对复杂句子的理解更好。用逗号把你的想法拆分成独立的关键词或短语。
2. 顺序很重要: 最重要的概念，比如主体，一定要放在最前面。越往后，影响力越低。
3. 具体、再具体: 不要用模糊的词。 “sad man”不如“an old man with tears in his eyes, sitting alone in a dark room”效果好。
4. 使用艺术家名字: 这是通往特定风格最快的捷径。可以去一些AI作品分享网站看看，别人都在用哪些艺术家的名字来获得灵感。
5. 负面描述词是必须的: 养成每次都使用负面描述词的习惯，这能帮你省去很多重新生成的时间。
6. 学习和模仿: 找到一张你喜欢的AI图片，看看生成它用的描述词是什么。这是最直接的学习方式。很多平台都允许你查看作品的描述词。
7. 不断测试: 没有任何一个描述词是完美的。同一个词，换一个模型（比如从Midjourney换到Stable Diffusion），效果也可能完全不同。唯一的办法就是多试。改一个词，换个顺序，加一点权重，看看画面会有什么变化。这就是整个过程的乐趣所在。