人物提示词最容易出的岔子,不是词少,是几个方向互相打架:脸描述得很细,服装却换了三套;风格词堆了一串,构图没人管。这篇不列词表,只讲怎么判断该留哪些、砍哪些,以及什么情况下你手上这套词其实不适用。
人物提示词最容易出的岔子,不是词少,是几个方向互相打架。脸描述得很细,服装却前后换了三套;风格词堆了一串,构图完全没人管。跑出来一张好看的,换个词就再也复现不出来,这时候多数人第一反应是「再加几个形容词」,结果越加越糊。
这篇不给你词表。词表这东西换个模型就失效,而且会让人误以为照着抄就能出图。真正能带走的是判断标准:该留哪些词、砍哪些词、按什么顺序加,以及你手上这套写法在什么场景下根本不该用。先把这四件事定下来再动手,返工次数会少很多。
先分清你要控的是哪一层
一条人物提示词里,其实混着四类不同性质的描述。身份层管长相、年龄、气质;外观层管服装、发型、配饰;状态层管表情、动作、站姿;画面层管构图、光线、镜头。很多人写词时是想到哪写到哪,四层搅在一起,出了问题根本不知道是哪句词惹的。
每层只留最关键的一两个词,这是硬规矩。判断标准也不复杂:某个词删掉后画面会明显变样,就留着;删了几乎没差别,那就是废词。废词不只是浪费额度,它还会跟别的词抢权重,把本来明确的描述搅浑。
- 身份层最先写死:年龄感、脸型或五官特征、整体气质,一到两个词说清就够
- 外观层紧随其后:服装和发型各锁一个方向,别又「简约」又「繁复」
- 状态层描述本次要什么表情和动作,换图时这层最常改,所以放后面
- 画面层管构图光线镜头,和人物本身无关的那部分全归这里
词多了不一定更准,先排优先级
同一个方向别写两个说法。又写「写实」又写「照片感」,模型不会理解成加强,它会自己折中,出来反而两边都不像。这种同义堆叠是新手最常见的误判,看着词很丰富,实际是在互相削弱。
风格词和人物词冲突的时候,先保谁取决于用途。要做系列形象、多张图保持同一个人,就锁死风格词,人物细节可以退一步;只做单张出彩,就保人物细节,风格让模型自由发挥。这两条路不能同时走。
| 词的类型 | 放在提示词什么位置 | 能不能轻易改 |
|---|---|---|
| 年龄、肤色、发型等硬约束 | 靠前 | 改一次整张图全变,尽量一开始就定 |
| 情绪、氛围等软描述 | 靠后 | 改了影响有限,适合微调时动 |
| 风格词 | 视用途决定前后 | 系列图要锁死,单张图可放松 |
| 构图、镜头、光线 | 画面层内部前后均可 | 和人物解耦,单独调最安全 |
顺序错了后面全白写这话不夸张。硬约束放后面,模型已经根据前面的软描述把人物定了个大概,再想拉回来就得靠加更多词去对冲,词越加越乱。
怎么判断一组词够不够用
别一次把四层全写完就开跑。先只跑身份层,连续出几张,看脸稳不稳。如果第一张就飘、第二张换了个人,说明身份词写得太虚,这时候要加的是具体特征,不是加形容词。「气质优雅」这种词加十遍也没用,「方脸、短发、四十岁上下」才有约束力。
- 单跑身份层只保留身份描述,连出几张,看是不是同一个人。飘就补具体特征,别补形容词。
- 加外观层身份稳定后再加服装和发型,一次只加一层。出了问题能立刻定位是哪句词造成的。
- 加状态层和画面层表情动作和构图光线分开加,每加一层跑一次,确认没把前面的稳定性破坏掉。
- 做复现测试换几个不同场景,看同一个身份能不能稳定复现。能复现才算模板,只能出一次好看的叫碰运气。
这里有个常见失败经验值得说:调身份层的时候顺手把构图也改了,结果脸稳了但构图崩了,以为是身份词的问题,回去又改脸,来回折腾。一次只动一层,这不是讲究,是省时间。
什么情况下这套挑法不适用
做真人换脸、图生视频这类有参考图的任务,人物长相已经由参考图决定了。这时候提示词只该负责动作和镜头,再去重写人物层是多余动作,甚至会跟参考图打架。有参考图就老老实实把人物层让出去。
追求单张艺术感、本来就不要求复现的创作,也没必要死磕一致性。锁太死反而出不来活的东西,模型那点随机性正是你要的。这套分层挑词法是为「要稳定、要复用」的场景准备的,不是万能公式。
还有一种情况:平台自带人物模板或角色库。先用模板改,比自己从零写词划算得多。模板已经把身份层和外观层写好了,你只需要调状态和画面,别把力气花在重复造轮子上。
至于各家模型对人物描述的反应差异、不同写法的实际表现,站内有对照资料可以查,但具体数字别记,模型更新快,去站内页面核对当时的版本更靠谱。
下一步想把这些判断标准落到具体模型上,先去工具目录挑一个能快速出图的环境实测,再回来看价格和模型资料做取舍。→常见问题
人物提示词是不是越长越好?
不是。长词表的问题在于互相打架,模型不知道听谁的。建议按身份、外观、状态、画面四层各留一两句,跑稳了再加。删掉不影响结果的词,留着只会占位置。
为什么同一个人物第二次出图就变了?
多半是身份层写得太抽象,只写了「年轻女性」这种谁都符合的描述。换成可判定的具体特征,比如发型长度、脸型、明显配饰,再固定种子或参考图,稳定性会好很多。
提示词里的人物描述和参考图冲突怎么办?
以参考图为准的思路更省事:提示词只补参考图没交代的部分,比如表情、动作、景别。两边都写死,模型会折中出一张既不像图也不像词的画面。