不少图像生成AI的初学者在撰写提示词时，常因描述过于抽象（如“富有高级感”、“创作一幅好看的画作”），导致最终生成的图片与预期效果相差甚远。实际上，每一幅高品质的AI画作背后，都遵循着一套底层结构公式，即对“主体 + 背景 + 光线 + 构图”这四个维度的精细化描述规范。

Q：在生成AI图片时，提示词中的“主体、背景、光线、构图”应该如何具体撰写？不同生图模型对这些指令的解析能力有何差异？

A：

编写高质量的生图提示词，其核心在于“具象化表达”。你需要将脑海中模糊的画面，拆解为符合大语言模型与扩散模型逻辑的精确参数和具体名词。

1. 主流生图模型在四维指令上的解析力与规格对比

2. 不同模型的优缺点分析

• DALL-E 3

  • 优点：对“构图”与“主体”之间的空间位置关系理解非常智能。例如，输入“杯子位于书的左侧”，它极少出现执行偏差。
  • 缺点：在“光线”的细腻层次感和“背景”的电影级质感表现上，天然弱于Midjourney，生成的图像容易带有一种“AI塑料感”。

• Midjourney v6

  • 优点：光影过渡自然逼真，尤其擅长处理“逆光”、“侧光”这类复杂光线条件，背景与主体的虚实关系非常符合摄影光学原理。
  • 缺点：不支持负面提示词，有时即使你明确写了“背景纯白”，画面中仍可能出现非预期的杂乱物体。

避坑指南：四维提示词实战拆解与选型攻略

若要写出高确定性的提示词，建议按照以下模块化结构进行组装，效果会立竿见影：

• 第一步：【主体】避坑指南

  • 关键：主体必须是具体名词，并附带材质或外观属性的详细描述。
  • 错误写法示例：一个好看的女程序员。
  • 正确写法示例：A female software engineer, wearing round glasses and a black hoodie。

• 第二步：【背景】避坑指南

  • 关键：使用环境要素、天气或场景来直接定义背景，避免使用“干净背景”这类模糊的抽象词。
  • 错误写法示例：背景很高级。
  • 正确写法示例：In the background is a blurred office at night, with neon city lights visible through the window。

• 第三步：【光线】选型攻略

  • 关键：光线决定画面的质感，建议直接指定一种专业摄影光源。
  • 实用词汇表：
    • Cinematic lighting：适合营造故事感的叙事画面。
    • Volumetric light / Tyndall effect：适合森林、教堂等神圣场景，营造光束效果。
    • Rim light / Backlit：适合突出人物轮廓，增强立体感和分离度。

• 第四步：【构图】控制技巧

  • 关键：使用镜头焦距、拍摄角度与构图法则来精确框定画面。
  • 实用词汇表：
    • Close-up shot / Eye-level shot。
    • Rule of thirds composition：最安全稳妥的视觉比例布局。
    • Macro photography：适合拍摄芯片、水滴、产品等微观细节。

FAQ 常见问题解答

• Q：为什么我在提示词中写了“背景不要有桌子”，生成的画面里依然出现了桌子？

  • A：扩散模型（如Midjourney、Stable Diffusion）对否定句式的理解能力较弱，它们通常会抓取“桌子”这个关键词并将其绘制出来。正确的处理方式是：在DALL-E 3中使用正向描述，例如“背景为一片纯净的虚化光晕”；或在Stable Diffusion的负面提示词框中直接填入 table, desk 进行排除。

• Q：如何让生成的科技风配图看起来更具专业感，摆脱廉价感？

  • A：避免使用“future tech”这类空泛词汇。建议在构图和光线描述中融入具体的技术名词，例如：“低角度仰拍视角，主体为半透明的蓝色全息投影数据流，整体色调采用深蓝与冷青搭配，Octane渲染质感，光圈设定为f/2.8”。