HiAPI
博客

使用指南

可直接复制粘贴的 gpt-image-2.6-sunburst 图生图提示词

参考图编辑的实用配方手册:指令措辞、主体保真度、背景替换与负面清单

2026年11月17日
一份指南的封面艺术图:深绿色背景上,大型几何棱柱被剖分为平整的深松绿、鼠尾草绿和雾绿色块面。
本页内容

图生图提示词究竟控制什么

在图生图生成中,参考图承担了大部分工作。提示词并非从零开始的描述,而是叠加在源图之上的一组编辑指令。理解这一分工,正是提示词能带来可预测的修改、还是会触发整体重诠释的分水岭。

参考图提供主体的姿态、几何结构、纹理和光照基线。提示词提供的是增量:哪些应该改变、哪些必须保持不变、哪些绝不应出现。当你把提示词写成模型从零生成的样子,你就会与参考图相互竞争,得到浑浊的结果。当你把它写成一份编辑契约,模型就会在局部应用你的改动,并保留其余部分。

一个有用的心智模型将提示词拆为四项功能:

  • 参考锚点——一句简短的话,告诉模型图像中哪部分是主体、它是什么。
  • 编辑指令——你想要的具象改动,以动作的方式表述。
  • 保留规则——明确声明在编辑后必须保持不变的身份、颜色、形状和布局。
  • 负面清单——你希望抑制的失败模式。

只有编辑指令是真正必需的,但另外三项才是让结果可重复的关键。一句“把它做成棚拍效果”的提示词,会让模型自行猜测主体边界、光照连续性和边缘处理。而一句“保持运动鞋为唯一主体,将背景改为无缝影棚背景,保留鞋子的颜色与缝线,不要出现多余物体”的提示词,则把这些决策固定了下来。

这也是为什么仅靠参数无法修复保真度。如果你的提示词没有说明主体是什么或哪些不能移动,那么无论怎么调参都无法稳定输出。保真度首先是一个措辞问题。

四个提示词块——参考锚点、编辑指令、保留规则和负面清单——汇聚成一个单独的编辑输出。

四段式配方模板

以下是一个几乎可用于任何参考图编辑的骨架。每个块针对输出的不同方面,你可以根据编辑风险的高低来放大或缩小每个块。

[reference anchor]: The reference image shows <subject> in <context>.
[edit instruction]: Change <target> to <desired state> by <method>.
[preservation rules]: Keep <identity cues>, <color>, <shape>, <layout> unchanged.
[negative list]: No <failure mode 1>, <failure mode 2>.

以下是一个针对产品照片填写好的示例:

[参考锚点]:参考图展示了一只放在木桌上的陶瓷马克杯。
[编辑指令]:将木桌替换为干净的白色影棚台面,并在右侧添加柔和的定向阴影。
[保留规则]:完全保留马克杯的形状、釉色、杯柄位置以及任何可见纹理,与参考图一致。
[负面清单]:不要出现额外物体,不要出现文字,不要出现刺眼反光,不要裁切边缘。

每个块如何映射到输出

参考锚点不是装饰。它告诉模型什么被视为前景、什么被视为背景,直接影响分割和边缘行为。编辑指令是唯一应包含变化动词的块。保留规则是陈述性的、明确的,也是大多数人会跳过的那一块。负面清单简短、有针对性,只保留你实际观察到的失败模式。

何时压缩模板

对于低风险编辑,例如纯色背景上的颜色变化,你可以把锚点和保留规则合并成一句话。对于高风险编辑,例如在人物主体旁边添加新物体,则应扩充保留规则并保持负面清单紧凑。模板是一份检查清单,而不是固定格式。

把每个填写好的模板视为一个带版本的资产。措辞的微小变化会产生可测量的输出变化,因此请把配方保存在文件或小型数据库中,并与真实输出做差异比对,而不是凭记忆重写。

四段式配方如同四个棱柱,每个面各输入一种组成后的输出形态。

能落地的编辑指令

编辑指令是大多数提示词出问题的地方。模糊的指令迫使模型重新诠释整个场景,而精确的指令则把改动约束在你关心的区域和属性上。

指明目标、属性和结果

一条能落地的指令包含三部分:针对什么、改变它的哪个属性、结果应是什么样。“让它更亮”会失败,因为“它”含糊不清,而且“更亮”是相对的。“提高主体面部的曝光,使肤色呈现为暖调中间调,同时保持背景曝光不变”则指明了区域、属性和可衡量的结果。

使用编辑动词,而非创作动词

“生成”“创建”“想象”这类词会把模型推向重新合成。“替换”“调整”“移除”“扩展”“重新着色”这类词则让模型保持在编辑模式。如果你想要局部改动,就使用局部动词。

一条指令,一个维度

把多个改动堆叠到一个从句中,会让人难以判断模型实际执行了句子中的哪一部分。把复合编辑拆成按顺序排列的句子:先更改背景,再调整光照,然后清理边缘。模型会将提示词作为一系列约束来处理,而有序的句子给了它更清晰的任务队列。

尽可能量化

相对性语言很弱。“稍微大一点”没有给模型任何锚点。“缩放主体,使其占据画面中央三分之一”则具体且可检查。你不一定总需要数字,但当你有一个可衡量的目标时,就把它写下来。

弱指令与强指令的示例

弱:“让夹克看起来更好。”

强:“将夹克的颜色改为深海军蓝,同时保留原始面料纹理、缝线和纽扣位置可见。”

强版本指明了目标(夹克)、属性(颜色)、结果(深海军蓝)以及不变量(纹理、缝线、纽扣)。这才是模型能够执行的精确度。

保持主体忠实

主体保真度是图生图编辑中最常见的抱怨,而它几乎总是提示词的问题。模型会保留你明确要求它保留的内容。如果你只描述改动,模型就有自由在其他所有方面漂移。

为每次编辑写一条保留条款

保留条款是一句话,列出不能改变的属性。对于产品,这意味着形状、比例、材质、颜色、标志位置以及任何独特纹理。对于人物,这意味着面部特征、肤色、头发和表情。先写这份清单,再写编辑指令,这样你就知道自己要保护什么。

Preserve the subject's exact silhouette, surface texture, and color values. Do not smooth, stylize, or repaint the subject.

将身份与上下文分开

身份属性属于主体,上下文属性属于场景。当你更换背景时,你是在改变上下文;提示词应明确这一边界。“将背景改为渐变影棚背景,同时保持主体的光照和颜色不变”告诉模型这次编辑落在边界的哪一侧。

谨慎使用负向强化

说“不要改变脸”有时不如说“保持脸与参考图完全一致”有效。正向的保留语言通常比否定更有效,因为它给模型一个瞄准的目标,而不是一个要避开的东西。将否定保留给你实际见过的失败模式。

保真度首先是一个措辞问题

在调参之前,先检查你的提示词是否指明了主体、列出了不变量,并使用了编辑动词。在大多数情况下,缺失的保留条款才是主体漂移的真正原因。添加该条款,重新运行,在改动其他任何东西之前先做对比。

干净地替换背景

背景替换是一种合成操作,其失败方式是可预测的:主体周围的晕影、光照不匹配、物体悬浮以及阴影丢失。每种失败都对应提示词中缺失的条款。

用具体语言指明新场景

“一个好看的背景”什么也没给模型。“一个无缝的浅灰色影棚背景,带有从左上方到右下方的柔和渐变”给了它表面、颜色和光照方向。分别用不同从句说明材质、颜色和光照行为,以便各自独立评估。

说明光照方向

主体的光照来自参考图。新背景的光照必须与之匹配,否则合成会看起来像贴上去的。如果参考图的主光来自左侧,就说明:“新背景的光照方向应与主体主光一致,并向右边缘柔和衰减。”

显式处理边缘

边缘行为是干净合成成败的关键。添加一条描述主体边界处应发生什么的条款:“保持主体边缘清晰无晕影,并在主体与新表面接触处添加微妙的接触阴影。”否则,模型可能把主体融入背景,或留下亮边。

组合起来

Replace the existing background with a seamless warm-gray studio backdrop. Light the backdrop from the upper left to match the subject's key light, with a soft gradient toward the lower right. Keep the subject's edges crisp, preserve its original color and texture, and add a subtle contact shadow beneath it. No halo, no floating, no additional props.

这一个块就说明了场景、光照、边缘行为和失败模式。运行它,与参考图对比,然后一次调整一个条款。

构建有效的负面清单

负面清单是一组你想抑制的失败模式的简短集合。它不是第二个提示词,也不是倾倒所有审美偏好的地方。目标是针对性抑制,而非宽泛约束。

什么应放入负面清单

包含你实际在自己的输出中观察到的缺陷。典型条目:多余物体、文字或水印、刺眼反光、主体边缘被裁切、重复肢体、比例扭曲、不想要的风格化以及可见接缝。每个条目应指明具体失败,而非模糊品质。

什么不应放入

不要包含“丑陋”或“糟糕”这类宽泛品味词。不要否定场景中不合理存在的东西。不要堆叠二十个项目,希望其中一个能解决问题。过长的负面清单会压平输出,因为模型要同时避开所有东西而耗尽容量。

保持简短有序

有效的负面清单通常是三到六项,按你看到该失败的频率排序。把最具破坏性的缺陷放在最前。如果你发现自己要加第七项,那说明该修正提示词中的正向条款了。

No text, no watermark, no extra objects, no halo around the subject, no cropped edges.

对比两个极端

塞得过满的清单可能会说“不要文字,不要水印,不要标志,不要多余的人,不要动物,不要汽车,不要硬光,不要柔光,不要模糊,不要颗粒,不要风格化,不要卡通,不要扭曲,不要裁切,不要接缝,不要晕影,不要阴影,不要反光。”其中几项相互矛盾,模型无法全部满足。聚焦的清单只列出你实际看到的四五个缺陷,其余交给正向条款。聚焦的清单约束更少,结果更干净。

过满与聚焦:两个棱柱展示了简短、有针对性的负面清单如何更干净地约束结果。

前后对比配方演练

这些演练从头到尾使用四段式模板。每个配方都可直接复制粘贴;根据你的参考图调整名词即可。

配方 1:产品配色变更

[anchor] The reference image shows a single running shoe on a neutral surface.
[edit] Change the shoe's upper color to a muted olive green while keeping the sole and laces their original colors.
[preserve] Keep the shoe's silhouette, panel seams, stitching, and material texture exactly as in the reference.
[negative] No extra shoes, no text, no harsh highlights, no cropped edges.

之前:参考图中原始配色的鞋子。之后:同一只鞋,鞋面重新着色,缝线和缝合仍可见,鞋底和鞋带不变。没有保留条款时的典型失败是鞋子被重新上色后丢失面板细节;保留条款则保持结构完整。

配方 2:影棚背景替换

[anchor] The reference image shows a ceramic mug on a wooden table.
[edit] Replace the table and background with a seamless white studio surface, lit softly from the upper left.
[preserve] Keep the mug's shape, glaze color, handle position, and any reflections on its surface unchanged.
[negative] No additional objects, no text, no halo, no floating shadow.

之前:马克杯在温暖的木质表面上。之后:同一只马克杯在干净的影棚背景上,光照方向匹配,并带有柔和的接触阴影。没有边缘条款时,马克杯容易带上亮边;在负面清单中加入“no halo”并保持保留条款紧凑即可解决。

配方 3:人物肖像重新打光

[anchor] The reference image shows a person in a dim indoor scene.
[edit] Increase the exposure on the subject's face so the skin reads as warm mid-tone, and add a soft fill light from the front-right.
[preserve] Keep the subject's facial features, skin tone, hair, and expression exactly as in the reference. Leave the background exposure unchanged.
[negative] No stylization, no smoothing, no changed eye color, no extra people.

之前:曝光不足的肖像。之后:同一张脸以可读的曝光呈现,背景仍然昏暗。最常见的失败是过度平滑;明确的“no smoothing”条目和保留条款可保持皮肤纹理完整。

配方 4:移除物体

[anchor] The reference image shows a desk with a laptop and a coffee cup.
[edit] Remove the coffee cup and reconstruct the desk surface where it stood.
[preserve] Keep the laptop's position, the desk's wood grain, and the overall lighting unchanged.
[negative] No ghost outline, no smudged texture, no new objects.

之前:桌子上有一个杯子。之后:同一张桌子,杯子消失,木纹自然延续。这里的失败模式是杯子原来位置出现模糊斑块;“no smudged texture”条目会推动模型去重建而非模糊。

把每个配方作为带版本的资产运行。将提示词文本与输出保存在一起,以便随时间对比变化。

通过 API 运行这些配方

上述所有配方都可以通过 HiAPI 统一接口直接转换为 API 调用。提示词作为单个字符串传入;参考图作为源输入传入。gpt-image-2.6-sunburst 图生图的模型页面记录了输入字段和参数,因此在接入请求前请先查看确切的字段名。

实用说明

  • 提示词作为单个字符串。 按顺序保留四个块,并使用平实的句子。模板中的块标签只是为你自己方便阅读;你可以在最终负载中保留或去掉它们。
  • 参考图质量很重要。 模型会保留它能看见的内容。清晰、光照良好、主体边界明确的参考图,比低对比度或高度压缩的参考图产生更干净的编辑结果。
  • 一次迭代一个条款。 当输出不理想时,只改一个块并重新运行。同时更改编辑指令和负面清单,就无法归因差异。
  • 给配方做版本管理。 将提示词文本、参考图标识符和输出保存在一起。一个小型配方库加差异比对,胜过你反复重写的长提示词。
  • 计费随操作而定。 图生图请求在 API 侧按每次生成计费;请查看网站上的价格面板以获取当前费率,而不是硬编码假设。

如果你使用的是同一模型系列的上一代,gpt-image-2 图生图页面提供了等效的参数参考。两者之间的提示词结构不变,只是模型能力不同。

从你自己工作流中的一个配方开始,通过 API 端到端运行它,并在添加更多块之前将输出与参考图对比。模板只是起点;你自己的失败模式才是让负面清单有用的东西。

立即开始构建持久 AI 产物

获取 API 密钥,通过一个基于任务(task)的 API 调用图像、视频和音频模型。

阅读 API 文档