視覺提示詞的基本原則
一、內容描述基本原則
1. 角色描述（Character）
核心要素：
物理特徵：性別、年齡、髮型、體型
服飾細節：服裝款式/材質/色彩（如「亞麻材質藏青色西裝」）
文化標識：明確民族/時代特徵（如「苗族銀飾」、「1920年代flapper風格」）
通用技巧：
用「杏仁眼/高顴骨」替代模糊的「漂亮」
對抗刻板印象：主動添加「南亞膚色/圓臉」等細節
2. 場景構建（Location）
環境要素：
空間結構：室內/室外、建築類型、空間尺度
自然特徵：植被種類、地質形態、水體類型
時間光線：黃金時刻/午夜、直射光/漫射光
進階技巧：
材質聯動：「青苔覆蓋的花崗岩台階」優於單純「石頭台階」
光影敘事：「透過百葉窗的條紋陰影」增強場景氛圍
3. 動態表達（Actions）
動詞精確化：
基礎描述 優化版本
「走路」 「跛行著穿過人群」
「拿東西」 「用指尖捏起古董懷錶」
4. 氛圍營造（Atmosphere）
情感座標法：
X軸：收–放 | 壓抑(陰鬱)–愉悅(快樂)
Y軸：動–靜 | 活躍(緊張)-平靜(鬆弛)
示例：「咖啡館場景」可定位為(愉悅，平靜)象限
5. 鏡頭語言（Camera）
電影化參數：舉例
景深：f/1.4淺景深特寫
運動：Dolly zoom變焦推進
角度：荷蘭式傾斜構圖
:eyes:注意：所有AI工具都存在「描述衰減」現象，建議保留20%描述空間作為測試進化調整
二、提示詞優化策略
- 優先級漏斗：首要層(20%字符)：角色+核心場景次要層(30%字符)：關鍵動作/光影細節層(50%字符)：材質/氛圍/鏡頭
- 關鍵詞矩陣法：[主體][特徵][動作][環境]範例：「[考古學家][磨損的皮靴][挖掘][暴雨中的遺址]」
- 人機理解平衡：
- 人類友好：保持主詞 動詞 受詞結構
- AI友好：每段不超過3個修飾層級
跨時代工作建議
- 基礎層練習（所有時期適用）
- 每日用50字描述現實場景，訓練結構化思維
- 工具層適應（2025年建議）
- 新模型特性
- 兩種模型搭配
- LMA：支持「光影強度+30%」等參數化微調
- MMX：可用「角色DNA」功能繼承特徵
- 文化安全清單(避免種族、性別、職業等刻板印象)
- 每次提示前檢查：
- 是否包含地域特徵細節
- 是否避免職業/性別刻板印象
通用問題解決方案
當AI理解偏差時：
- 定位法：「請將第三段描述的鎧甲反光效果應用到當前圖像」
- 對比法：「比上一版增加更多現代感，參考附件風格圖」
- 分解法：將複雜場景拆分為：背景層 → 主體層 → 互動層
該框架經測試適用於：
- 傳統模型（Stable Diffusion 2.1）
- 新興模型（2025年Photon Flash/Image-01）
- 未來3年可能出現的基礎生成架構
關於「保持主詞－動詞－受詞語法結構」的精確說明
| 語法元素 | 人類自然語言 | AI 最佳化提示詞寫法 | 原因說明 |
|---|---|---|---|
| 主詞 | 常省略（由語境推理） | 必須明確 | AI 缺乏上下文推理能力 |
| 謂語 | 可含糊（如「處理一下」） | 需使用具體動詞 | 避免動作不清，造成理解錯誤 |
| 受詞 | 可抽象（如「那個東西」） | 應使用具象名詞 | 提高特徵識別精度與圖像生成準確性 |
鬆散中文表達：
「畫面裡有個男的，穿得不錯，在公園曬太陽」
問題分析：
- 主詞模糊（是哪個男的？）
- 謂語含糊（「穿得不錯」無法具象化）
- 受詞缺失（什麼公園？場景不明）
AI 友善語法結構：
「[中年亞裔男性] [穿著] [米色亞麻西裝] [坐在] [櫻花樹下的長椅上]。
[陽光] [透過] [樹葉縫隙] [投射] [斑駁光影]。」
當描述包含多個元素或動作關係，建議使用分句編號法：
- 主句：穿紅色連身裙的女性
- 子句 A：左手握著一只復古皮箱
- 子句 B：背景為 1920 年代的火車站
這種方式可協助 AI 逐步理解場景關係與視覺層次。
- 補全代詞與角色身份
- 如「她」應補全為「the female character」或「the young woman」
- 中文習慣描述順序：大小 → 顏色 → 材質 → 名詞
- 例如：「大型棕色皮質沙發」
最新技術特性：
- LMA ：已支援中文語序彈性，可接受部分非標準順序描述。
- MMX：對古典文風（如文言文、古詩詞）提示詞有特殊優化效果。
- 每個分句是否有清楚主詞？
- 動詞是否能對應為具體視覺畫面？
- 名詞前是否有足夠修飾語（建議 2～3 個）？
- 是否避免「的」字過度連用（建議不超過 3 個連續）？