「一只猫」和「一只橘猫趴在窗台上，午后阳光，浅景深，胶片质感」——生成的结果天差地别。文生图模型不是读心术，你写多具体，它就给多具体。

提示词四要素

写提示词不用背公式，凑齐四样就够：

  • 主体：画什么。越具体越好——「一只橘猫」好于「一只猫」，「戴眼镜的程序员」好于「一个人」。
  • 场景/背景：在哪里。「趴在窗台上」「霓虹灯街道」「纯白背景」。
  • 风格：什么质感。「水彩」「胶片质感」「3D 渲染」「扁平插画」。不写就默认写实照片感。
  • 构图/光线：怎么拍。「特写」「俯视」「午后侧光」「浅景深」。这四项里它对氛围的影响最大。

四要素连成一句自然语言即可，不用堆逗号分隔的关键词——现代模型对自然语句的理解已经很好。

两个模型的区别与选择

工具里内置两个引擎，风格略有差异：

  • GPT Image 2：对长提示词、复杂场景描述理解更好，适合「画面里有明确叙事」的需求。
  • Nano Banana 2 Lite：速度快、出图轻快，适合快速出草稿和氛围图。

拿同一句提示词各跑一次，你就知道自己的场景更适合谁。

比例跟着用途走

  • 社交媒体配图：1:1 或 4:3
  • 手机壁纸/故事：9:16
  • 博客头图/横幅：16:9

比例在生成前选好，比生成后裁切保留的内容多得多。

迭代，而不是一次到位

第一张图不会完美，也不需要。看哪里不对改哪里：主体不像就加细节描述，氛围不对就调光线词，构图僵就换个视角词。每次只改一个变量，三轮之内基本能收敛到能用的图。

打开图片工具箱的文生图，拿这篇里的四要素写一句试试。