音述AI反推提示词功能目前仅支持静态图片上传，支持的格式包括 .png、.jpg、.jpeg、.webp，且单张图片大小必须≤20MB。若图片分辨率低于320×320像素，识别准确率会明显下降。同时，建议尽量避免水印、画面畸变、反光、文字模糊等干扰因素，以提升识别效果和反推质量。

音述AI反推提示词功能不支持音频文件解析，只接受图像类素材输入。也就是说，上传内容必须为静态图片，不能是录音、语音片段，或带有声波图、频谱图等音频可视化内容的文件。

支持的图片格式与规格

当前仅支持以下四种图片扩展名：.png、.jpg、.jpeg、.webp。

单张图片文件大小不能超过 【20MB】；一旦超出限制，系统会直接报错并中断处理，且不会提供压缩提示。

虽然分辨率没有强制最低要求，但当图片低于 320×320 像素时，主体识别能力会大幅下降。此时，AI可能会将人物误识别为背景纹理，或把图片中的文字当作噪点直接过滤。

不支持的“伪图片”类型

截图类白膜图（例如 SketchUp 线稿、Blender 纯灰度渲染图）虽然可以被识别，但前提是线条足够清晰，且不能存在大面积纯黑或纯白填充区域。

带有动态水印的图片（如抖音截图中的浮动 logo、B站弹幕截图）通常会被系统自动裁切掉水印区域，进而造成构图失衡；【务必提前手动去除水印】。

对于扫描件或手机翻拍的文档图片，如果存在明显的透视畸变、阴影遮挡或反光斑块，反推结果中往往会出现大量错误的材质描述，例如把纸张褶皱识别成“熔岩裂纹”或“金属拉丝”。

推荐预处理操作路径

第一步：使用系统自带画图工具打开原图 → 裁剪无关边框与多余留白 → 保存为 PNG 格式。

第二步：在 Photoshop 或 Canva 中执行「图像→调整→亮度/对比度」→ 将对比度提高至 +15 → 避免 AI 将灰阶过渡误判为雾气效果。

第三步：检查图片中是否包含文字——如果文字属于核心信息（例如海报标题、产品 Slogan 等），字体大小应至少达到 ≥24pt，且文字边缘必须清晰不能模糊；否则，反推结果中通常不会生成任何相关文字内容，甚至连“英文无衬线体”这类基础字体描述也无法输出。