音述AI新版本的图片反推功能需先更新至 v2.3.1 及以上版本，可通过首页 AI 工具箱或“创作→反推”入口进入；上传前建议先裁剪画面，确保主体占比超过 60%，关闭智能水印增强，并勾选结构化 JSON 输出；最终结果通常包含中文完整版提示词与精简关键词版，其中技术术语必须完整保留，不可随意删改。

如果你想用音述AI新版本把一张氛围感很强的参考图快速转换成可复用的提示词，却遇到上传后无响应、反推结果过于空洞，或者根本找不到功能入口的情况——这并不代表你不会操作，而是还没有摸清新版界面的使用逻辑和几个关键触发点。

确认是否已进入「音述AI」最新正式版

打开 App 后，先查看首页左上角是否显示“v2.3.1”或更高版本号；如果仍是 v2.2.x 及以下版本，需要前往应用商店完成更新。旧版本目前不支持视频反推和多版本提示词并行输出，强行使用往往会导致解析中断，或只返回默认模板词。

点击右下角“我的”→“检查更新”，看到“已是最新版”的提示后，再继续后续操作。若未更新就直接进入功能页，【所有反推操作都可能静默失败且不会弹出报错提示】。

图片反推提示词：三步定位+一键启动

方法一：首页快捷入口（推荐新手）
进入首页后，在中部找到“AI工具箱”卡片→向左滑动到第三页→找到图标为“放大镜+画框”的模块→点击即可进入。

方法二：路径直达（适合批量操作）
首页→底部导航“创作”→顶部标签切换到“反推”→选择“图片反推”。

⚠️注意：不要误点“语音转文字”或“音频分析”等相似图标，这几个模块的界面看起来很像，但底层模型完全不同；一旦误入，上传图片时通常会提示“文件类型不支持”或“当前功能无法解析该文件”。

上传图片后的关键设置项

第一步：上传前裁剪画面主体
点击“上传图片”后，系统会自动打开本地相册；选中目标图片→进入预览页→通过双指缩放与拖动位置，尽量让主体人物或核心物体保持居中，并占据画面 60% 以上。若背景元素过多、主体太小，AI 在识别光影、构图和主体关系时就容易出现偏差。

第二步：关闭“智能水印增强”开关
这个功能默认是开启状态，会优先强化图片中的文字、Logo 或边缘轮廓，从而干扰 AI 对原始视觉重点的判断。建议手动关闭，否则反推出的提示词里很容易频繁出现“bold text”“sharp logo”等与画面主体无关的描述。

第三步：勾选“输出结构化JSON”
该选项位于上传按钮下方的灰色小字区域，默认并未勾选。开启后，结果页除了常规提示词外，还会同步生成带字段标签的 JSON 数据，例如 "subject_position":"center"、"lighting_angle":"45-degree-left" 等字段，特别适合接入自动化工作流或程序化调用。

解析完成后的结果使用策略

结果页默认显示的是“中文完整版提示词”，包含完整句式和更清晰的主谓宾结构，可直接复制到即梦、通义万相等 AI 绘图平台使用；点击右上角“切换”按钮后，还可以查看“精简关键词版”，其内容以英文逗号分隔，更适合 Stable Diffusion WebUI 等场景。

如果首句是“a photorealistic image of...”，说明系统判断这张图属于实拍照片；如果首句是“an anime-style illustration of...”，则表示它被归类为二次元或插画风格——这个前缀不要删除，否则在后续生图时，风格跑偏或崩解的概率会明显上升，官方测试数据显示提升约 73%。

点击“编辑提示词”后，可以适当删减部分冗余描述，但【严禁改动“medium shot”“soft backlighting”“cinematic color grading”等技术术语短语】，这些词组是经过多轮校验后保留下来的核心风格锚点和控制参数。

视频反推：仅限MP4格式且单段≤12秒

进入“反推”页面→将顶部标签切换为“视频反推”→点击“上传视频”→从相册中选择符合要求的视频片段。目前仅支持 MP4 格式，不支持 MOV、A VI 以及带 B 帧压缩的 HEVC 编码文件；如果上传后进度条一直卡在 99%，大多数情况下就是视频格式不符合要求。

上传成功后，系统会自动截取第 3 秒、第 6 秒和第 9 秒三帧作为关键帧采样点，并分别生成对应提示词。你只需要在结果页左右滑动查看这三组输出内容，无需再手动截图后重复上传。

每组提示词的结尾都会带有时间戳标记，例如“[t=6.2s] subject raises right hand slowly”，复制使用时务必完整保留方括号中的内容，因为 MiniMax H3、Seedance2 等模型通常依赖这一标记来完成动作定位与时间锚定。