从生成式模型中获取可靠结果的指南
本指南并非平台规则列表，而是一套能让模型更容易产出优质结果的实践方法。大多数生成失败并非因为模型无法完成任务，而是因为模型收到的输入不够清晰、聚焦且不具备直接可执行性。
1. 将提示词写成创作指令，而非聊天请求
模型最擅长执行清晰的创作任务。请尽量避免模糊的请求，例如：
- “帮我修一下这张图”
- “看看这里有什么问题”
- “让这个看起来更漂亮点”
- “请修复分镜脚本里的问题”
这类措辞通常会导致模型以文本解释进行回复，而不是生成图像。
更强有力的写法：
Create a new image based on the reference image.
Keep the same character and scene, but fix the duplicate panel number.
Remove the lower panel labeled 9.
Extend panel 10 to fill the empty space.
Do not add extra text, borders, or labels.
Output a clean final image.
核心原则： 告诉模型要产出 (Produce) 什么样的图像，而不仅仅是你遇到了什么问题。
2. 每次任务只做一件主要的事
如果单个提示词要求模型同时更换角色、切换背景、修改文字、保持风格、重新排列分镜、增强细节以及调整构图，那么它极容易分散注意力。
将工作拆分为较小的步骤：
- 先修复构图和布局
- 然后处理角色一致性
- 接着增强风格和细节
- 最后进行高分辨率处理或成品润色
特别是对于图像编辑和视频生成，循序渐进 (Step by Step) 通常比写一段冗长的提示词更可靠。
3. 提示词并非越长越好
长提示词可以表达复杂的需求，但过长会带来两个问题：
- 部分模型有长度限制
- 模型可能会忽略或模糊末尾附近的细节
一个可靠的结构如下：
Goal: 想要达成的最终结果
Reference: 必须保持一致的图像/元素
Changes: 需要修改的内容
Style: 视觉风格、相机角度、光影、颜色
Avoid: 不应出现的内容
例如：
Goal: Create a cinematic 16:9 fantasy illustration.
Reference: Keep the same woman and dragon from the reference image.
Changes: Place them at an airship skyport during golden hour.
Style: Painterly realism, warm light, detailed brass and leather textures.
Avoid: No text, no watermark, no modern objects, no extra characters.
4. 使用参考图时，避免冲突的输入
参考图的数量多并不意味着结果会更好。模型可能无法识别：
- 哪张图决定角色形象？
- 哪张图决定风格？
- 哪张图决定构图？
- 哪张图只是灵感来源？
请说明每张参考图的用途：
Use image 1 for character likeness.
Use image 2 for clothing style.
Use image 3 only for background mood.
Do not copy the layout from image 3.
如果你只想编辑一张图片，请从单个主要参考图开始，这样成功率通常更高。
5. 保持视频和音频参考短小且具体
视频和音频模型对片段长度更为敏感。过长的音频或视频文件可能无法被完整处理。
建议：
- 将音频参考剪辑至最核心的瞬间
- 视频参考使用短片段
- 如果你只需要某种动作感或镜头移动，不要上传长视频
- 如果你只需要某种嗓音或声音风格，不要上传整首歌或长篇叙述
更好的方法是：仅提供最能代表你需求的 5-15 秒片段。
6. 图像较大时，先编辑轻量版本
图像尺寸极大、分辨率极高，或者同时编辑多张大图，都会显著提高失败率。
建议：
- 先在中等尺寸的图像上确认效果
- 满意后再生成高分辨率版本
- 如果模型支持高分辨率输出，你未必需要上传巨大的原图
- 编辑多张图片时，剔除任何不相关的参考图
7. 避免让模型“读取”复杂的界面截图后再进行精确编辑
例如：
- “看这张分镜图，删除底部的 9，然后放大第 10 格”
- “这张图里有两个数字——修复错的那个”
这类任务要求模型先理解复杂的布局，然后进行精确的局部编辑，失败率较高。
最好直接说明操作步骤：
Create a clean corrected storyboard layout.
There should be 10 panels in total.
Panel numbers must be 1 to 10, with no duplicates.
Remove the duplicate lower panel 9.
Make panel 10 wider to fill the remaining space.
Keep the same visual style and characters.
对于非常精准的局部编辑，请在提示词的基础上配合清晰的蒙版、裁剪后的图像，或者仅上传需要修改的区域。
8. 当模型返回文本而非图像时
这通常意味着模型将你的输入识别为了问题或解释请求，而不是生成图像的请求。
修复方法：
- 添加 "Create a new image..."
- 添加 "Output only the final image."
- 避免使用类似 “你能修复吗...” 的提问
- 不要像在聊天中那样描述问题
- 明确陈述最终图像应该是什么样子的
示例：
Create a new corrected image based on the reference.
Do not explain the changes.
Output only the final image.
9. 出错后如何快速重试
如果任务失败，重复提交相同的输入并不是明智之举。更有效的做法是：
- 缩短提示词
- 减少参考图数量
- 降低输出分辨率
- 裁剪音频或视频
- 将一个复杂的任务拆分为两个简单的任务
- 将其重写为更直接的生成指令
10. 一个好的提示词模板
Create a [image/video] of [main subject].
Keep from reference:
- [what must stay the same]
Change:
- [what should be changed]
Style:
- [visual style, camera, lighting, mood]
Constraints:
- No text
- No watermark
- No extra characters
- Keep composition clean
Output:
- Generate the final image/video directly.
优质的输入不在于复杂程度，而在于确保模型清楚地知道：看哪里、留什么、改什么、避开什么以及产出什么。