控制数量
“几朵花”和“三朵花”是两种画面。数量写得越具体，模型越不会自作主张添东西；写“一片花海”，它就会把画面铺满。
01 / 拆句
长句为什么会“失焦”
“一个穿着白色连衣裙的短发女孩在夕阳下的海边草地上开心地笑着”——这句话人读得懂，模型却容易漏掉“海边”。原因是中文定语太长，关键名词被推到句子后半段，权重被前文的修饰语稀释。
解决办法不是删词，而是换结构：把一个长句拆成三到四个短句，每句只说一件事。
- 按空间拆：前景是什么、中景是什么、背景是什么。空间顺序天然对应画面层次。
- 按时间拆：先发生什么、后发生什么。适合动作类描述，避免姿势混乱。
- 按层次拆：主体、服饰、环境、光线，一层一句。最好用，也最像模板。
短发女生，白色连衣裙，站在海边草坡上，夕阳从侧面照来，头发被风吹起。
三组改写，看看差别在哪
左边是常见的写法，中间是它的问题，右边是改写结果。注意改写的方向：把评价换成观察。
| 常见写法 | 问题 | 改写后 |
|---|---|---|
| 一个很漂亮的女孩在很美的风景里拍照 | 全是评价词，没有可渲染的信息 | 短发女生穿白色连衣裙，站在起伏的草坡上，举着相机对镜头微笑，午后侧光 |
| 赛博朋克风格的城市夜景，非常酷炫 | 风格词空转，缺少具体城市元素 | 雨夜的高架桥下，霓虹招牌倒映在积水里，蓝色与品红交错，低角度仰拍 |
| 一只猫和一只狗还有一个人在客厅 | 三个主体的位置与关系全缺失 | 客厅地毯上，橘猫蜷在沙发脚边，金毛犬趴在前景，主人在画面右侧翻书 |
改写的共同点：删掉所有“很”“非常”，换成可以拍到的细节；给每个主体一个位置；最后补一句光线或镜头。做到这三点，出图的可控性会明显提升。
数字与量词，是最便宜的控制器
模型对数量的理解比想象中直接。写不写数字，画面密度完全不同。
控制规模
“一间小屋”与“一排小屋”决定的是纵深关系。数字在这里不只是数量，还在暗示画面是近景还是远景。
控制程度
“微微侧头”比“侧头”更轻，“大幅仰拍”比“仰拍”更极端。程度副词要挑具体的，别用“非常”“超级”这类空词。
一段可以直接填空的模板
【主体 + 数量】，【服饰或材质】，【动作】，【所在环境】，【光线方向与色温】，【镜头与质感】
例如：两只陶杯，粗陶哑光质地，并排放在木桌上，热气升起，清晨侧光从左侧窗子照入，50mm 定焦，浅景深。 每次只替换前两段，其余保留，风格会自然统一。
先写名词画面由名词构成，动词定关系，形容词只做微调。顺序别弄反。
一句一事每个短句只承担一个信息点，模型才不会漏读。
留白给后期需要加标题时，主动写“画面上方留出空白区域”。
文字生成图片的五个细节问题
中文提示词和英文提示词，哪个效果更好？
主流模型对英文的词边界更敏感，但中文完全可用，尤其是描述生活化场景时更省事。稳妥策略是：主体与场景用中文写清楚，风格与镜头术语补一两个英文词，两边取长。
描述里能不能直接写“不要什么”？
能，但要写在专门的负面提示词里，而不是塞进正向句子。正向描述里出现“不要水印”，模型读到的往往是“水印”这个实体，结果适得其反。
为什么写“唯美”“高级感”几乎没有效果？
因为它们是评价，不是描述。模型不知道“唯美”对应什么像素，但知道“逆光、柔焦、低饱和、薄雾”长什么样。把形容词换成可观察的物理特征，画面才会跟着变。
一句话里最多能安排几个主体？
两个主体加一个环境是舒适上限。三个以上，模型容易漏人、错位或把两个主体糊成一个。需要群像时，改用“一排”“人群”“前景与背景”这类集合词，比逐个点名更稳。
文字生成图片能生成带文字的图吗？
短单词偶尔可以，长句基本不可控，中文字形更容易出错。实用做法是：画面里留出干净的空白区域，标题和文案用排版软件后期加上去，既清晰又方便改。