解决常见的 AI 图片生成问题

重写前诊断故障

当结果很弱时，最快的反应通常是“延长提示词时间”。这会使问题更难被发现。首先从视觉角度来说失败：层次不清晰、相机错误、灯光平淡、物体重复或风格与主体冲突。

更改可以纠正该故障的最小变量。

主题不引导

如果主要主题感到迷失，请将其移至提示词中的较早位置并减少竞争对象。说出它的位置和相对比例。 “一叶红独木舟占据宽阔湖景的下中心”比笼统列出山、水、林、天、雾、鸟、船更清晰。

对比也可以建立层次结构。要求安静的背景、不同的值范围或选择性的焦点，而不是简单地将主题描述为“重要”。

构图感觉很拥挤

拥挤通常来自太多命名元素或要求每个对象都详细。删除不必要的道具并引入负空间。选择一种相机距离和一种视角。

灯光浑浊

命名主要光源和方向。如果包含多个灯光，请区分它们的角色。 “右侧柔和的窗光与远处背景中昏暗温暖的灯”赋予模型层次感。

浑浊的结果也可能来自矛盾的线索，例如阴天和正午的阴影。选择支持情绪的条件。

物体相乘或合并

重复的小物体、手指、家具腿和图案仍然具有挑战性。减少计数、增加间隔并定义关系。 “三个杯子均匀地排成一排”比“桌子上有很多杯子”更容易评估。

如果精确计数是必要的，则需要迭代和手动校正。不要仅仅因为整体图片看起来令人信服而发布未遂事件。

文字不正确

短文本在某些模型中可能呈现良好，但确切的排版仍然需要验证。引用所需的短语，保持简短，并简化周围的场景。对于重要的标签、活动、合法副本或包装，稍后使用受控类型系统添加文本。

切勿认为标志或背景标签是无害的。生成的文本可能会意外地类似于真实姓名或冒犯性短语。

风格压倒想法

风格叠加——电影、超现实、复古、极简、极繁、超现实、梦幻——可能会朝着不相容的方向发展。选择一种媒介和支持它的两到三个特征。

不要尝试“电影般的梦幻复古现代照片”，而是尝试“自然的社论照片、柔和的温暖调色板、可见的胶片颗粒”。

图片看起来很一般

通用结果通常来自通用名词和情绪词。添加一种有意义的关系或材料细节：椅子的角度、表面的天气、人与物体互​​动的方式，或者影响环境的一天中的时间。

特异性应该使图片更清晰，而不仅仅是装饰性更强。

使用受控迭代日志

保存启动提示词并记下每一代的一个更改。以相同的比率比较输出。简单的日志可以防止循环编辑并揭示模型可靠地遵循哪些指令。

对于结构化词汇，请返回编写更好的提示词 和照明和构图术语。