解決常見的 AI 影像生成問題

重寫前診斷故障

當結果很弱時，最快的反應通常是「延長提示詞時間」。這會使問題更難被發現。先從視覺角度來說失敗：層次不清晰、相機錯誤、燈光平淡、物件重複或風格與主體衝突。

更改可以修正該故障的最小變數。

主題不引導

如果主要主題感到迷失，請將其移至提示詞中的較早位置並減少競爭對手。說出它的位置和相對比例。 「一葉紅獨木舟佔據寬闊湖景的下中心」比籠統列出山、水、林、天、霧、鳥、船更清晰。

對比也可以建立層次結構。要求安靜的背景、不同的值範圍或選擇性的焦點，而不是簡單地將主題描述為「重要」。

構圖感覺很擁擠

擁擠通常來自太多命名元素或要求每個物件都詳細。刪除不必要的道具並引入負空間。選擇一種相機距離和一種視角。

燈光渾濁

命名主要光源和方向。如果包含多個燈光，請區分它們的角色。 「右側柔和的窗光與遠處背景中昏暗溫暖的燈」賦予模型層次感。

渾濁的結果也可能來自矛盾的線索，例如陰天和正午的陰影。選擇支持情緒的條件。

物體相乘或合併

重複的小物、手指、家具腿和圖案仍然具有挑戰性。減少計數、增加間隔並定義關係。 「三個杯子均勻地排成一排」比「桌子上有很多杯子」更容易評估。

如果精確計數是必要的，則需要迭代和手動校正。不要僅僅因為整體圖片看起來令人信服而發布未遂事件。

文字不正確

短文本在某些模型中可能呈現良好，但確切的排版仍然需要驗證。引用所需的短語，保持簡短，並簡化周圍的場景。對於重要的標籤、活動、合法副本或包裝，稍後使用受控類型系統添加文字。

切勿認為標誌或背景標籤是無害的。產生的文本可能會意外地類似於真實姓名或冒犯性短語。

風格壓過想法

風格疊加——電影、超現實、復古、極簡、極繁、超現實、夢幻——可能會朝著不相容的方向發展。選擇一種媒介和支持它的兩到三個特徵。

不要嘗試“電影般的夢幻復古現代照片”，而是嘗試“自然的社論照片、柔和的溫暖調色板、可見的膠片顆粒”。

圖片看起來很一般

通用結果通常來自通用名詞和情緒詞。添加一種有意義的關係或材料細節：椅子的角度、表面的天氣、人與物體互動的方式，或影響環境的一天中的時間。

特異性應該使圖片更清晰，而不僅僅是裝飾性更強。

使用受控迭代日誌

儲存啟動提示詞並記下每一代的一個變更。以相同的比率比較輸出。簡單的日誌可以防止循環編輯並揭示模型可靠地遵循哪些指令。

對於結構化詞彙，請返回編寫更好的提示詞 和照明和構圖術語。