从文本到画面：AI生图 + 图生视频 Prompt 工程全攻略（一）

前言
最近博主在练习使用AI生图和图生视频，有所感悟，遂写文。

注：本文生图AI以Seedream 4.5 为例，图生视频AI以可灵为例；Prompt示例以英文为主。

一、为什么Prompt满分却得不到想要的呈现效果？

1. 负面提示缺失 → 画面"跑题"概率指数级上升
2. 模型优先读"参考图"，再读"提示词"
3. 图生视频：方向性、时序性、空间概念在连续帧里会被二次解读

二、英文Prompt

用英文写作Prompt会更稳，原因如下：

• Token 切割更友好
  Seedream 4.5 底层跟大多数扩散模型一样，先用 CLIP/Tokenizer 把提示词切成 token。英文天然带空格，切分边界清晰；中文一句话会被切成 1～3 个字符的小碎片，容易丢语义。同样 75 个 token，英文能塞下 60 多个有效概念，中文可能只剩 30 来个，细节一多就被“截断”。
• 训练语料偏英文
  开源 LAION-5B、Pixar 官方数据集、3D-cartoon 标签 90% 都是英文标注。模型对 “subsurface scattering”“rim light”“depth of field” 这类词有强关联；翻成“次表面散射”“边缘光”“景深”后，权重反而下降，出图效果打折。
• 社区验证样本多
  目前 Civitai、Discord 和 Hugging Face 上能搜到的 Seedream 4.5 高质量样图，90% 以上用英文提示词。

如果更习惯中文，也可以使用中文提示词，只要稍加一些技巧：
长句拆短句，用分号或换行代替逗号堆叠，减少 tokenizer 误判。
关键材质、光影、构图词保留英文（或中英混排），例如“柔和的 rim-light”“ pastel 配色”，让模型同时吃到两种语言的高权重。

三、正面提示词和负面提示词（Positive Prompt & Negative Prompt）

Positive —— 要什么
Negative ——不要什么
双剑合一，天下无敌
大多数prompt只描述出想要的画面，没有指出图片中不可以包含什么。导致模型把训练集里的高频缺陷（多手指、过曝、水印）当成“合理”结果；Negative 相当于把这些方向反向减掉，画面立刻干净。

• 写 Negative 的 3 个角度

角度1：结构错误
extra limbs, extra fingers, deformed, long neck, twisted anatomy
多余肢体，多余手指，畸形，长颈，扭曲的解剖结构
角度2：画质错误
lowres, blurry, overexposed, noisy, jpeg artifacts
低分辨率、模糊、曝光过度、噪点、JPEG伪影

角度3：元素污染
watermark, text, logo, signature, username, frame, border
水印、文字、徽标、签名、用户名、边框、边界

权重小方法

• 加重：
  (extra limbs:1.3) 表示对“多肢”惩罚再狠 30%。
• 减轻：
  (blurry:0.8) 表示对“模糊”容忍度提高 20%，适合刻意做景深。
• 整句屏蔽：
  “(no distorted perspective:1.2)” 可用来强制消除透视畸形。
  一句话总结：
  数值 > 1 → 加大反向拉力（惩罚更狠）；
  数值 < 1 → 减小反向拉力（容忍度提高

四、AI生图 Prompt「三阶公式」

主体 + 材质/风格 + 光影 + 构图 + 分辨率 + 负面提示

1. 主体：用"形容词+名词"堆叠，最多3层
   示例：a futuristic cyber-punk male pilot（一位未来主义赛博朋克男飞行员）
2. 材质/风格：直接给模型"范式"
   cel-shaded, 8-bit pixel, oil-painting, Studio Ghibli style（卡通渲染，8位像素画风，油画质感，吉卜力工作室风格）
3. 光影：告诉模型"灯位"
   rim light from behind, 45° warm key light（后方轮廓光，45°暖调主光）
4. 构图：一句话锁定相机
   medium shot, low-angle, rule of thirds（中景，低角度，三分法构图）
5. 分辨率：与平台对齐
   4K, 8K, 300 dpi（DPI：每英寸点数）
6. 负面提示：反向封印
   low-res, extra limbs, text, watermark, distorted（低分辨率、多余肢体、文字、水印、变形）

五、图生视频 Prompt「五维控制」

1. 时长 = 运动预算
   想"长推镜"→给足6 s；5 s以内模型会"偷工减料"
2. 首帧锚定
   上传一张已验证的静帧作为Image Reference，画面先验被锁死
3. 关键动作"拆秒"
   按0-1 s、1-3 s、3-6 s写清关键姿态，避免整段描述
4. 空间坐标用"camera-left/right"
   少写"left"单字，防止与观众坐标混淆
5. 负面提示再压一次
   把"抖动、闪白、变形、切镜"写进Neg，连续帧稳定性+40%

---

六、完整模板实例

生图

Positive: 「1 boy, cowboy shot, silver hair, leather jacket, city night, neon reflections, cinematic lighting, ultra-detailed, 8K, anatomically correct hands, perfect proportions, clean image without any watermark or text」
Negative: 「extra limbs, extra fingers, deformed, long neck, blurry, lowres, jpeg artifacts, watermark, text, logo, cropped, worst quality, duplicate hands, mutated anatomy」

正向描述： 「1名男孩，牛仔镜头，银发，皮夹克，城市夜景，霓虹倒影，电影级光影，超精细细节，8K画质，解剖学准确的手部，完美比例，无水印无文字的纯净画面」
负向描述： 「多余肢体、多余手指、变形、长颈、模糊、低分辨率、JPEG伪影、水印、文字、标识、裁剪、最差画质、重复手部、解剖结构畸变」

图生视频

Positive 「starting from the exact frame: silver-haired boy in leather jacket stands in neon-soaked alley, slow dolly-in 15% + 5° upward tilt, subtle wind lifts her hair, glowing particles drift, background bokeh pulses twice, 24 fps, cinematic depth of field, smooth stabilization, ultra-detailed, 4K, ProRes 422, 8-second clip, no cut, no transition」
Negative 「extra limbs, jerky motion, sudden zoom, frame tear, overexposure flicker, morphing anatomy, watermark, text, logo, jump cut, motion blur artifact」

正向描述：「精确起始帧：银发少男身着皮夹克伫立霓虹浸染的巷子，15%慢推镜头+5°向上倾斜，微风轻拂发丝，流光粒子飘散，背景虚化两度脉动，24帧/秒，电影级景深，流畅防抖，超精细画质，4K分辨率， ProRes 422格式，8秒无剪辑无转场镜头」
负向描述：「肢体错位、动作生硬、突兀变焦、画面撕裂、过曝闪烁、变形解剖结构、水印、文字、标识、跳剪、运动模糊伪影」

---

常见疑问

Q：Negative 越长越好吗？
A：超过 150 token 反而稀释注意力；保持 50–100 token 即可。

Q：把 Negative 全关掉，手指仍然正常？
A：这次用的模型版本或采样方法可能碰巧刚刚好，没有出现问题。保险起见，还是把 extra fingers 放在 Negative 最前面再加权重 (extra fingers:1.2)，让模型每次都能“看见”并避开多指问题。

Q：可以写中文吗？
A：WebUI 会自动翻译，但英文词库更全，建议中英混用：「extra fingers, 多手指」。

Positive -->“好不好看”，Negative --> “能不能看”。
可以先把负面 prompt 填满，再按回车。

示例prompt生成的图片

下面两组图分别是使用完全prompt和只有positive prompt生成了3张图片。
可以看到完全prompt图片比较理想，只有positive prompt的图片可能出现背景色彩不够丰富、多手指、服装元素不够（没有帽子）的缺点。

参考文献

[1] 搜狐科技. 同一个问题中文和英文提问，哪个回答更好？实测对比来了[EB/OL]. (2023-05-29)[2026-01-10].
https://m.sohu.com/a/718464295_104036.

token计算工具：Tokenizer - OpenAI API
AI工具：LiblibAI

🗓️ 文章信息

更新日期：2026年01月11日

当前版本：v1.0

分类：技术博客

关键词：AI绘画、AI视频、Prompt工程、AIGC、可控生成、可灵、Stable Diffusion、Runway

原创声明

本文为作者原创，版权归作者所有。原文于 2026年01月11日 同步发布于 CSDN、博客园、稀土掘金、51CTO、知乎。

欢迎学习与分享，但请尊重原创，转载请保留署名与出处。

未经许可，禁止用于商业用途或二次发布。