AI生图重在表达能力，这套方法让小白也能稳定出好图
# AI生图不是做漂亮图，而是表达能力：这套方法让小白也能稳定出好图
打开 Midjourney 或 Stable Diffusion，随手输入一句 prompt，你大概率会得到一张“漂亮的废图”——光影精致、细节丰富，但完全不是你脑子里想的那个东西。这不是工具不够强，而是我们混淆了一个核心概念：**AI 生图的本质是表达，不是作画。**
## 为什么你总觉得 AI “听不懂人话”？
很多新手把 prompt 当成“许愿咒语”，以为堆砌漂亮形容词就能得到好结果：
```
A beautiful girl, beautiful face, beautiful eyes, golden lighting, 8k, ultra detailed
```
结果可想而知——AI 给出了一个“平均美”的模板，而不是你想要的“那个她”。问题出在表达方式上。
**AI 绘画模型本质是一个“文字到图像的翻译器”**。它的输入是你描述的语义，输出是语义对应的视觉概率分布。你输入得越抽象，它输出得越“大众化”。
## 核心方法论：三段式 prompt 结构
为了稳定出好图，我把 prompt 拆分为三个层次，按优先级排列：
### 1. 内容层：你画的是什么？（占 60% 的权重）
这是描述主体和动作的部分，必须非常具体。对比一下：
- 低效表达：`a beautiful girl`（AI 不知道美是什么，只知道平均值）
- 高效表达：`a Chinese female college student wearing a white shirt, sitting by the window in a library, reading a old book, natural expression`（AI 知道你要什么）
**核心技巧是：用“可拍摄的镜头语言”代替“感受性的形容词”。** 如果你不能用一句话说清楚画面里发生了什么，那 AI 大概率也理解不了。
### 2. 结构层：画面怎么组织？（占 25% 的权重）
这一层控制构图、视角和景别：
```
close-up shot（特写）/ full body shot（全身）/ wide-angle（广角）/ top-down view（俯视）
```
建议直接复用摄影领域的术语，Midjourney 和 SD 对这些词的识别非常稳定。**不要用“想让画面看起来更有冲击力”这种模糊的话，直接用“low angle shot”**。
### 3. 风格层：质感如何表现？（占 15% 的权重）
这是大多数人最容易堆砌的部分。确实需要控制艺术媒介、灯光类型和色彩倾向：
- 艺术媒介：`watercolor`、`oil painting`、`dramatic chiaroscuro`、`photorealistic`
- 色彩基调：`soft pastel palette`、`cinematic teal and orange`
**但不是越多越好。** 建议风格关键词控制在 3 个以内，并按“媒介→灯光→色彩”的顺序排列。
## 进阶：让 AI 稳定输出的两个关键参数
除了 prompt 文本，有两个参数直接影响稳定性：
### （1）Seed 值：复现的密码
Seed 是控制初始噪声的随机数。同样的 prompt + 同样的 seed = 完全一样的图。当你调好一张满意的图后，**固定 seed，再微调 prompt**，是探索变体的最佳路径。在 Midjourney 中用 `--seed 12345` 指定，在 Stable Diffusion 中直接输入种子数。
### （2）CFG Scale：听你的还是听它的？
CFG（Classifier-Free Guidance）是提示词对生成过程的引导强度。默认值 7 左右比较均衡：
- **数值过大（15+）** ：图像严重过饱和，对比度失真，出现奇怪的伪影
- **数值过小（1-3）** ：AI 自由发挥，完全不听你的话
建议：**想要精准表达时，把 CFG 调到 7-10；想要创意探索时，调到 4-5。**
## 工具推荐与场景匹配
不同工具对“表达能力”的支持力度不同：
| 工具 | 优点 | 缺点 | 适合用户 |
|------|------|------|----------|
| **Midjourney V6** | 语义理解最强，自然语言描述成功率极高，美学下限高 | 精细控制弱（多人/多物关系难），无免费版 | 追求效率的创意工作者 |
| **Stable Diffusion + ComfyUI** | 完全可控，ControlNet 能锁定姿态/构图/深度 | 学习曲线陡峭，需要动手搭建 | 有具体构图需求的重度用户 |
| **DALL-E 3** | 理解复杂长文本 prompt，文字渲染能力强 | 艺术风格单一，可定制性弱 | 快速概念验证、文案配图 |
| **Visual Electric / Leonardo.ai** | 界面友好，集成参考图生成，适合小白 | 功能深度不如前两者 | 完全没有提示词经验的新手 |
## 最被忽视的表达武器：负面提示词
在 Stable Diffusion 中，负面提示词（Negative Prompt）是稳定出图的一大利器，但 Midjourney 不支持（只能通过 `--no` 参数简单排除）。它直接告诉 AI **你不想要什么**，大幅减少“盲猜”空间：
```
负面提示词示例（Stable Diffusion）：
worst quality, low quality, blurry, deformed, bad anatomy, extra fingers,
watermark, signature, text, jpeg artifacts, oversaturated
```
**表达能力=正向约束（你要什么）+反向约束（你不要什么）**，两者缺一不可。
## 每个小白都能上手的四步流程
如果只记一条，请记住这个经过验证的工作流：
1. **写“分镜脚本”**：用一句完整的中文描述画面，回答“谁、在哪、做什么、什么视角”
2. **翻译成英文短句**：不要用长从句，拆成短句，用逗号隔开
3. **加风格词**：至多三个，按“媒介→灯光→色彩”排序
4. **生成 4 张，选 1 张，用 Seed 锁定后微调**：固定 seed，只改其中一个词，对比差异
## 优点与局限
这套方法论最大的优点，是把玄学变回了工程。**它让出图结果从“抽奖”变成了“改稿”**，每一次调整都有明确的因果关系，学习和迭代的速度快得多。
但必须承认其局限：**它不是万能的**。复杂场景中多主体的关系控制（比如“三个人握手”）、精确的品牌字体排版、或者是需要特定透视畸变的画面，目前的技术仍然很难稳定实现。这需要借助 ControlNet 等结构控制工具，已经不是纯 prompt 工程的范畴了。
## 总结
AI 生图是一场“表达力”的较量，**你能多精准地描述你脑海中的画面，决定了 AI 能多接近你想要的画面**。学会用结构化 prompt（内容、结构、风格三层），善用 seed 和 CFG 参数，配合负面提示词，你就能把出图率从“十张出一张”提升到“三张出一张”。
对于新人，入门建议也很简单：**先从“模仿优秀 prompt 结构”开始，不要从“自我创作”开始。** 去 Midjourney 的 explore 页面或 PromptBase 上拆解别人高分作品的 prompt 结构，比埋头乱试 100 张图更有效。**先学会表达，再谈创意。** 技术只是语言，思路才是内容。你的画面感，就是最好的 prompt。