ai生图训练营文生图图生图 零基础快速出图

入门与上手

给零基础学员的文生图与图生图快速出图流程:从写第一句提示词到改图迭代,附检查清单与卡壳排查顺序。

很多人第一次打开生图工具,输入一句「画只猫」就没了下文:出来的图不是想要的,也不知道下一步改哪里。这篇把文生图和图生图拆成两条可照做的流程,告诉你每一步该填什么、出图后先看什么、改不动时按什么顺序排查。适合完全没碰过生图、只想先跑通一次完整流程的人。

第一次打开生图工具的人,最常见的动作是输入一句「画只猫」,然后盯着出来的图发愣:不是想要的,也不知道下一步该改哪里。问题不在工具,在于没人把流程拆开讲。这篇把文生图和图生图当成两条独立的流水线,每一步该填什么、出图后先看哪一层、改不动时按什么顺序排查,都按能照着做的顺序写出来。

适合完全没碰过生图、只想先跑通一次完整流程的人。不追求一次出神图,目标是把「输入—出图—判断—再改」这个循环走完一遍,之后再看别人的提示词,你就能看懂他每一句在解决什么问题。

先分清文生图和图生图,别用错入口

文生图是你只给文字,模型从零开始画;图生图必须先喂一张参考图,输出会贴着原图的构图、色调或线条走。入口选错,后面所有调整都是在跟工具较劲,所以第一步先确认你手上有没有素材、想要的是从零还是改现有。

文生图
没有参考素材,只靠文字描述生成画面,适合先看效果和试风格
图生图-保构图换风格
保留原图布局和主体位置,把画风、材质、配色换掉
图生图-保风格换内容
保留原图的光影和笔触,把主体或场景替换成别的东西
不适用图生图的场景
原图主体太乱、分辨率太低,或者你想改的其实是文字排版,这类退回文生图重做更快

用图生图前先问自己一句:这张图里我到底要保哪一样?说清楚保构图还是保风格,只保一样,输出才不会两头不靠。想两样都保,模型通常只能给你一张四不像。

  • 有清晰参考图、只想换风格:走图生图,保构图
  • 没有素材、只想先看模型能画什么:走文生图
  • 参考图本身就很糊:先把图修清楚,或者直接改用文生图
  • 拿不准走哪个入口:先到 /ai-nav/category/ai-image 和 /ai-nav/category/ai-image-edit 看分类,再回 /sites 确认通道是否在线

第一句话怎么写:把画面拆成四个格子

提示词不用写得漂亮,要写得可拆解。把一句话分成「主体 + 场景 + 风格 + 画面要求」四段,每段只放一个重点。形容词堆得越多,模型越会把注意力平均分给每个词,结果每样都沾一点、每样都不像。

格子要写什么常见错误
主体是什么、几个、在做什么写成抽象情绪,如「孤独」
场景地点、时间、光线场景和主体互相矛盾
风格参考的影像类型或材质一次写三四种风格
画面要求比例、视角、清晰度把参数当风格写
  1. 先填主体写清楚是什么、几个、在做什么动作,一个主体一句话,不要塞两个动作
  2. 再填场景地点加光线,比如室内靠窗的下午光,别写「好看的背景」这种没法执行的话
  3. 然后填风格只选一种影像类型或材质方向,选定后这一轮不要再换
  4. 最后填画面要求写比例和视角,例如竖幅、平视,出图后按这个对照是否符合

写不出自己的词,就先抄结构不抄内容:找一段别人写好的提示词,按上面四个格子拆开,再逐格替换成你自己的词。术语和写法可以对着 /ai-dict/category/tips 和 /ai-nav/category/ai-prompt 里的工具补课。

出图之后改什么:一轮只动一个变量

很多人拿到第一张图就开始到处改,改完五处出了好图,也说不出是哪句话起的作用,下次照样不会。正确做法是固定其他描述不动,一次只换一个词或加一句限定,让每一轮都有可归因的结果。

  • 主体对不对:数量、动作、朝向是否和描述一致,不对就先改主体那段
  • 构图顺不顺:主体在画面里的位置和大小是否合理,不对就调视角和比例
  • 风格像不像:整体质感是否接近你要的方向,不对只改风格那一格
  • 细节干不干净:多余的手指、错乱的文字、糊掉的边缘,这类放最后修
  • 图生图额外看两项:参考图权重和保留强度,多数「不像」和「太像」都是这两项在起作用

判断顺序比改法更重要。主体都不对的时候去抠边缘细节,等于在错的画上描边。连续几轮越来越差,就退回上一版提示词重开,不要在坏图上继续叠加修改。

现象先动哪一项先别动哪一项
主体形状不对主体描述风格词
画面太挤或太空比例与视角主体词
风格跑偏风格那一格参考图权重
图生图太像原图保留强度调低提示词大改
图生图完全不像保留强度调高换模型

出图慢、出图糊、不出图:按这个顺序排查

卡住的时候容易做的一件事是乱试:换模型、换提示词、换通道同时进行,最后不知道是哪一步救回来的。按下面顺序一项一项排查,每一步只验证一个假设。

  1. 确认任务是否提交成功看有没有任务记录或进度提示,没有记录说明根本没发出去,先解决提交这一步
  2. 看排队状态很多「没反应」只是前排队列长,等一会儿再看,不要立刻判定通道挂了
  3. 查尺寸和参考图清晰度出图糊先看输出尺寸设置,再看图生图的输入图本身是否够清楚,输出质量很难超过输入
  4. 同一句提示词换一个通道试如果换通道就好了,是通道的问题;换通道还是差,是提示词的问题
  5. 最后再考虑改提示词结构按四个格子逐格检查,找哪一格写得互相矛盾

价格、额度、限速这类会随时间变的数字,别凭记忆判断,到 /official-api 和 /price-watch 核对当时的口径,通道是否可用则到 /sites 看状态。想快速比较不同通道在同一任务下的响应差别,可以用 /tools/speed-test 跑一遍再决定用哪个。

下一步跑通一轮之后,去通道列表挑两三个稳定在线的一起试同一句提示词,对照差异比单看教程快得多。

常见问题

完全没写过提示词,第一张图该用什么题材练手?

挑结构简单、你熟悉的东西,比如一个杯子放在木桌上、单一光源。复杂场景一次要控制的变量太多,新手很难判断是哪句话起作用。先用简单题材跑通三到五轮,把「改一个变量看一次结果」的手感练出来,再上复杂画面。

图生图出来的图跟原图差太远,是哪里出问题?

大概率是参考图权重给低了,或者你在提示词里把原图的主体重新描述了一遍,两股指令互相打架。先只留参考图、提示词写「保持构图改风格」这类单一指令试一张,确认模型认这张参考图,再逐步加你要改的部分。

同样一句提示词,别人出图好看我出图难看,是模型问题吗?

先别归因到模型。检查三件事:比例设置是否一致、有没有隐藏的风格预设、参考图是否相同。这三样对齐之后再比提示词。真要比模型差异,用 /tools/pelican-bench 这种同一提示词交叉对比的方式,比自己各出一张更靠谱。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。