每个示例都从一句真实的粗略想法出发,最后给出可以原样粘进图像模型的提示词。
输入
Rough idea: matte black insulated water bottle, clean hero shot for a product page输出提示语
Matte black insulated water bottle on a pale grey seamless backdrop,
three-quarter angle, large softbox from camera left, subtle rim light
on the right edge, shallow depth of field, 85mm lens look, crisp
condensation droplets, generous empty space above the bottle for a
headline, photorealistic, 4:5主动写出标题要占的留白位置。不写的话主体会被居中,后期没地方放文案。
输入
Rough idea: portrait of a woman in her thirties, magazine feel, vertical crop输出提示语
Editorial portrait of a woman in her early thirties, head and shoulders,
direct eye contact, natural skin texture, single window light from the
left with soft falloff, warm neutral wardrobe, desaturated olive
background, medium-format look, 50mm, shallow depth of field, calm and
confident expression, 4:5先写光源和镜头,再写情绪。模型对具体的光学描述远比「电影感」这类形容词更听话。
输入
Rough idea: poster for an indie electronic music festival, summer, night输出提示语
Poster key visual for a summer night electronic music festival,
silhouetted crowd with raised hands, magenta and cyan stage haze,
long-exposure light trails, high contrast, visible grain, wide empty
band across the upper third reserved for the festival name, flat
graphic composition, 2:3不要让模型直接画出音乐节名称。预留一条空白带,文字后期在设计工具里排。
先整理主体、场景、构图、光线、材质、情绪和约束,再进入生成。
按模型、分类和标签研究公开作品,让下一条提示词从可验证的案例开始。
从提示词研究进入 Studio,不改变现有登录、套餐和积分行为。
先明确主体和目标画面。
补充风格、光线、镜头、比例和质量约束。
对照画廊案例,只复用有价值的结构。
生成、保存有效结果,再逐步迭代提示词。
下表积分为对应分辨率的单张价格,最终以生成时实际扣除为准。
| 模型 | 适合的场景 | 价格与限制 |
|---|---|---|
| GPT Image 2 | 版式驱动的需求,以及画面里必须有可读文字的场景 | 1K / 2K / 4K = 8 / 13 / 20 积分 |
| Nano Banana 2 | 写实细节,以及基于参考图的修改 | 1K / 2K / 4K = 10 / 15 / 23 积分;Lite 档 6 积分 |
| Seedream 5.0 Pro | 把多张参考图合成一张画面 | 1K / 2K = 12 / 20 积分;最多 5 张参考图 |
| FLUX.2 Pro | 方向还没定时的低成本风格草稿 | 1K / 2K = 7 / 9 积分 |
| Midjourney 8.2 | 风格化、插画感和杂志感的画面 | 1K / 2K = 每次 23 / 35 积分,一次返回 4 张;仅支持英文提示词,上限 1,024 字符 |
| Z-Image | 需要连试二十条变体时的批量草稿 | 2K = 1 积分 |
多半是提示词写成了形容词堆砌。先用一句话写死主体,再把风格、光线、镜头拆成独立短语,每次只改一处。
给文案预留空白,文字后期再排;或者把这类需求交给 GPT Image 2,它比偏插画的模型更擅长可读文字。
生成按钮旁边的分辨率/画幅选择器才是权威,它同时决定积分价格。请在那里设置,提示词里的比例只当提示。
把提示词原文连同模型和分辨率一起存下来。不同模型对同一句话的理解不同,提示词必须和模型绑在一起才可复现。
浏览和复制公开画廊里的提示词无需登录。生成需要登录账号:上传的参考图会存放在 Genvizu 以便模型读取,生成结果保留在你的生成记录中,积分按现有套餐与积分规则扣除。
你已经有一张喜欢的图,想从它反推,而不是对着空白页开始写。
你要的是运动、镜头调度和时长,而不是一张静止画面。
你要写的是 --ar、--stylize、--sref 这类 Midjourney 参数语法。
你想先看完整的提示词工具清单再选。
浏览和复制公开画廊里的提示词不花钱、也不需要账号。生成图片会消耗 Genvizu 积分,从 Z-Image 草稿的 1 积分到 Midjourney 8.2 的 23 积分不等,具体数字会先显示在生成按钮上。
GPT Image 2、Nano Banana 2 与 Lite、Seedream 5.0 与 5.0 Pro、FLUX.2 与 FLUX.2 Pro、Midjourney 8.1 与 8.2、Grok Image 2、Z-Image。各分辨率档位和积分价格见模型价格页。
可以。公开画廊页面会展示提示词、使用的模型,有来源信息时还会标注原作者。复用结构、换成自己的主体,产出的就是新作品而不是复制品。