文生图提示词怎么写：从主体到镜头的四层结构

刚上手文生图的人最常见的挫败感是这样的：输入"一个女孩在海边"，出来的图平平无奇；换个模型再试，还是平平无奇。于是得出结论——"这个模型不行"。

但真相往往是：提示词只提供了一层信息，模型只能靠猜补齐剩下的九层。 猜出来的东西当然是平均值，平均值当然平庸。

这篇文章给你一套可复用的结构。它不依赖某个特定模型，在 HappyAI 的文生图里能用，换别的工具也一样能用。

四层结构

一条完整的提示词，信息量应该分布在四个层次上：

主体   谁 / 什么，在做什么，什么状态
风格   什么媒介、什么画风、什么年代感
光线   光从哪来，什么色温，什么氛围
镜头   多远、什么角度、什么焦段

回到开头那个例子，四层补全之后：

一个短发女孩坐在礁石上，望向远处的海平线，风吹起衣角；胶片摄影质感，柔和颗粒；日落前的侧逆光，暖橙色调，发丝有轮廓光；中景，略微仰拍，85mm 浅景深，背景虚化

同样的模型，同样的一次生成，差别不在模型，在你给了多少信息。

第一层：主体

主体要写"名词 + 动作 + 状态"，不要只写名词。

• ❌ 一只猫
• ⚠️ 一只橘猫
• ✅ 一只橘猫蜷在窗台上打盹，尾巴垂下来，耳朵有一只是折的

后者不只是更长，而是每个细节都在缩小模型的选择范围。"蜷着"定了姿态，"窗台"定了环境，"折耳"定了品种特征。信息越具体，输出越可控。

一个实用的自检：把你的主体描述念给一个没见过这张图的人听，他能不能画个草图出来？ 画不出来，说明信息还不够。

第二层：风格

风格是最容易被忽略、但对成片观感影响最大的一层。它决定的是"这张图看起来像什么东西做出来的"。

常用的几类锚点：

• 媒介：油画、水彩、铅笔素描、3D 渲染、胶片摄影、拍立得
• 画风：赛博朋克、极简主义、新艺术运动、浮世绘、蒸汽波
• 年代：80 年代复古、90 年代动画赛璐璐、千禧年 Y2K

一个常见误区是把风格词堆得越多越好。实际上风格词之间会互相打架 —— "水彩"和"3D 渲染"是矛盾的媒介，同时给出来，模型只能折中，结果是两边都不像。一般 1 到 2 个风格锚点就够了。

第三层：光线

光线是新手最少写、但老手最先写的一层。因为光线几乎单独决定了一张图的情绪。

三个要素：

1. 方向 —— 顺光（平淡、清晰）、侧光（立体、有戏剧性）、逆光/侧逆光（有轮廓光、氛围感强）、顶光（压抑）
2. 色温 —— 暖橙（日落、烛光、温暖）、冷蓝（月光、雨天、疏离）、中性白（棚拍、干净）
3. 柔硬 —— 柔光（阴天、柔和阴影、人像友好）、硬光（正午、强对比、有力量感）

同一个主体，"清晨柔和的散射光"和"深夜霓虹的硬光"会给出两张完全不同情绪的图。如果你对出图的"感觉"不满意，先改光线，通常比换模型有效。

第四层：镜头

镜头层解决的是"我离这个东西多远、从哪个角度看"。

• 景别：特写 / 近景 / 中景 / 全景 / 远景
• 角度：平视 / 俯拍（显得渺小、脆弱）/ 仰拍（显得高大、有压迫感）
• 焦段与景深：24mm 广角（视野开阔、有畸变）、50mm（接近人眼）、85mm 浅景深（人像，背景虚化）、微距

镜头层写不写，直接影响图能不能"用"。一张构图随机的图很难放进任何实际场景，一张明确"中景、平视、浅景深"的图，拿去做封面、做配图都合适。

迭代比一次写对更重要

不要指望第一条提示词就完美。真实的工作流是这样的：

1. 先写一条四层都覆盖的基础提示词，生成一批
2. 挑出最接近的那张，判断差在哪一层
3. 只改那一层，其他保持不变，再生成
4. 重复 2–3 次

关键在第三步：一次只改一个变量。 同时改风格和光线，出来的图变了，你也不知道是哪个改动起的作用，等于白试。

如果你已经有一张接近的图，只是想微调，那这时候更该换用图生图而不是继续在文生图里碰运气——两者的适用场景很不一样，我在另一篇文章里做了完整对比。

一个可以直接抄的模板

[主体：谁/什么 + 动作 + 关键细节]，
[风格：媒介 + 画风，最多两个]，
[光线：方向 + 色温 + 柔硬]，
[镜头：景别 + 角度 + 焦段/景深]

把这个模板贴在手边，每次生成前对着填一遍。填满四行，你的出图质量会立刻和"一个女孩在海边"拉开差距。

写不出来的时候还有个偷懒办法：去看别人的提示词。 AIGC 广场上大量作品是带提示词的，找一张你喜欢的，拆开看它四层各写了什么，比自己凭空想快得多。