博客

使用指南

Z-Image 提示词配方:用于 Turbo 文生图的可直接复制粘贴的提示词

面向场景、风格与图中文字的可复用提示词结构——附权重与负面清单指南

2026年11月17日
Z-Image 提示词配方指南的封面图:近黑底上薄荷绿点阵由疏到密渐变,右下有深青色点群。
本页内容

为何提示词配方胜过一次性提示词

大多数人写提示词的方式就像写提交信息:写得快、只写一次、再也不管。提示词要么管用要么不管用,图片被存到某个地方,而为什么它能成功的知识就此消散。下次需要类似的图片时,你又得从头开始。

提示词配方则是一种相反的习惯。不要把提示词当成一个不透明的字符串,而是将它拆解为具名区块——主体、场景、风格、图中文字,以及一份简短的负面清单——并让这些区块在各次生成中保持稳定。当你想要一张新图片时,不必重写提示词,只需替换其中一个区块的内容。

对开发者而言,这在实际中有三重意义:

  • 可复现性。 配方是参数化模板。同一配方、相同槽位值的两次渲染,结果应当像同胞而非陌生人。这让回归问题变得可见。
  • 可归因性。 当输出不对劲时,区块结构能告诉你该往哪里看。光线不对?检查场景区块。招牌看不清?检查文字区块。 monolithic 提示词给不了你这样的把手。
  • 跨项目复用。 单个素材需求很少真的只有一个。你会希望同一套视觉语言贯穿一张主图、一组缩略图和一张社交卡片。配方可以扩展;一次性提示词则会被复制粘贴、逐渐走样。

这种思维转变很小,却改变了你的迭代方式:你不再“随便试试”,而是开始运行受控的变体。本文余下部分就搭建这套工具箱——先讲配方的解剖结构,然后是场景与风格槽位,接着是渲染文字的措辞,再是权重与负面提示词的纪律,之后是公平的对比循环,最后是如何把已验证的配方接入生成调用。

提示词被拆成可复用的区块——主体、场景、风格、文字、负面——再重新组合成一次生成请求。

Z-Image 配方的解剖结构

在复制任何提示词之前,先弄清每个部分是为了什么会有帮助。一个持久的 Z-Image 配方有五个槽位。你不必每次都填满五个,但应当知道哪些留了空。

槽位 1:主体

画面里有什么,直白地说。一两个名词短语。克制在这里修饰的冲动——描述主体看起来如何的形容词属于风格区块,而非主体区块。混在一起会让后续替换更难。

槽位 2:场景

主体在哪里、是什么时间、环境在做什么。这个区块承载了大部分的构图压力。它应当描述地点、光照条件,以及主体与背景之间的空间关系。

槽位 3:风格

视觉处理方式:媒介、渲染特性、色彩行为、时代、细节程度。这是你应当能够整体替换而不触碰其他部分的区块。

槽位 4:图中文字

任何必须出现在图片内部的文字,以及它们的位置和外观。这部分单独用一节来讲,因为它是人们最常留成隐含的槽位——也是最常失败的那个。

槽位 5:负面清单

一份简短、可复用的清单,列出你反复看到却不想要的东西。它应绑定于观察到的失败,而非猜测。

组装模板

写成一个骨架,配方看起来像这样:

[subject] in [scene], [style], text: "[string]" placed [position] rendered as [typographic look]
negative: [short list]

价值就在方括号里。每个方括号都是一个独立的轴。如果你改了风格区块而构图随之变化,你就学到了关于这些区块如何互动的真知识——并且可以记录下来。如果你一次性改掉所有东西,你什么可复用的东西都没学到。

还有一条值得尽早养成的纪律:用纯文本文件保存你的配方,并标注各个槽位。当某次渲染让你意外时,你可以把配方与上一版本做差异对比,而不是努力回想自己打了什么。

场景与风格的关键词结构

场景和风格是最常坍缩成一锅乱炖的两个区块。让它们在结构上保持分离,是本文中杠杆率最高的习惯。

组织场景区块

如果你总是以同样的顺序回答同样的问题,场景描述会更容易复用:

  1. 地点类型——室内/室外,以及什么样的空间(影棚、街道、森林、走廊)。
  2. 光照条件——方向与质感(柔和侧光、强烈顶光、阴天漫射、单一实用灯)。
  3. 景深线索——什么近、什么远,背景是杂乱还是干净。
  4. 氛围——雾霭、尘埃、雨、静止。可选,但能稳定情绪。

按这个固定顺序回答,意味着两个场景区块可以直接比较。如果你在不同次运行间调整短语顺序,就无法判断输出变化是源于新措辞还是新顺序。

组织风格区块

风格描述词分为几个族类。每个族类最多挑一两个,而不是从同一族类里堆叠十个形容词:

  • 媒介——照片、插画、3D 渲染、版画、绘画。
  • 渲染特性——锐利、柔焦、颗粒感、高对比、扁平。
  • 色彩行为——低饱和、高饱和、单色、暖调偏移、冷调偏移。
  • 时代或参考类别——中世纪现代版画、现代编辑风、复古未来主义。保持笼统;具体艺术家名字往往会产生不稳定的结果。

不重建也能换风格

一旦场景和风格成为独立槽位,风格探索就变得廉价。把主体和场景固定在基线上,只轮换风格区块:

subject:  a ceramic watering can
scene:    on a concrete ledge, soft window light from the left, shallow depth, clean background
style A:  photograph, crisp, muted color
style B:  illustration, flat, saturated color
style C:  3D render, soft-focus, cool-shifted

三次渲染、一个变量,得出一个你真正能陈述的结论:哪种处理方式适合你的项目。注意场景区块保持完全一致——这正是比较有效的原因。如果你同时改了光线,那你就只是在猜。

一个实用技巧:维护一个小型场景区块库,里面都是你已经验证过的(一个影棚布光设置、一个户外日光设置、一个室内实用灯设置)。大多数项目只需要两三个反复出现的环境,而不是二十个。

让文字真正被渲染出来的措辞

图中文字是含糊提示词失败得最明显的地方。像“一张带标题的海报”这种笼统风格短语,会让模型去自行发明文字、位置和字体——而它通常发明得很糟。解决办法是别再指望,开始明确指定。

每个文字请求都需要三样东西

  1. 内容——精确的字符串,放在引号里。不是对字符串的描述。
  2. 位置——它在画面中的位置及相对大小。
  3. 字体外观——字重、大小写和风格(粗体无衬线、细体衬线、手写体、模板字)。

一个说明不足的请求看起来像这样:

a storefront with a sign above the door

一个结构化的请求看起来像这样:

a storefront with a sign above the door, text: "OPEN LATE" centered on the signboard, bold uppercase sans-serif, high contrast against the board

第二个版本并不保证成功,但它给渲染器提供了目标。当它失败时,失败是可诊断的:字符串错了、位置错了,还是字体错了?

经得起考验的措辞模式

  • 精确引用字符串。 用直引号把字面文本括起来,让它读作内容,而不是风格形容词。
  • 相对于物体声明位置, 而不是相对于画面——“居中于招牌板上”比“在画面中间”更稳定。
  • 描述载体。 招牌、标签、书脊、屏幕。定义明确的表面上的文字,比漂浮在空间中的文字渲染得更可靠。
  • 保持字符串简短。 长句子会招致部分渲染和凭空捏造的填充。如果你需要一整段,把它拆成多次渲染,或者接受一个只有标题是真实文字的设计。
  • 说明文字不是什么, 如果你反复看到多余发明的词:像 extra words, gibberish text 这样的负面条目,往往比在正向提示词里重复自己更有效。

当文字仍然渲染不出来时

如果一个简短的字符串放在清晰的表面上,试了两三次措辞仍然失败,问题通常出在场景,而不是文字区块。杂乱的背景、极端的透视以及浓重的氛围效果都会与可读性竞争。先简化场景区块——压平背景、减小角度——再开始堆叠更多文字指令。

左:说明不足的文字请求保持散乱。右:指明内容、位置和风格后,同样的颗粒便能归入结构。

不靠猜的权重与负面提示词

强调和负面提示词是人们最先伸手去够、却最后才理解的两个杠杆。两者都有用,也都以同样的方式出错:它们作为民间传说而非证据积累起来。

权重的习惯

  • 从不加权开始。 先让配方在基线下跑通,再加任何强调。一个只有一半短语被加权的提示词才管用的提示词,是脆弱的提示词。
  • 提升表现不佳的区块,而不是整个提示词。 如果风格被忽略了,通常需要强调的是风格短语——而不是字符串里的每个形容词。
  • 每次迭代只改一个权重。 同时提升两个权重,你无法知道哪个起了作用。
  • 记录你提升了什么以及为什么。 三周之后,一个没有注释的权重与一个笔误无法区分。

有些界面把权重暴露为提示词内的语法;另一些则通过单独的参数应用。无论哪种,纪律都一样:一次强调就是一个假设,你应当能说出什么样的结果会证伪它。

负面提示词的习惯

把你的负面清单当成一个与反复出现的失败绑定的小型、有版本管理的工件——而不是垃圾填埋场。

  • 只有在你至少两次看到该失败后才添加条目。 一次糟糕的渲染只是噪声。
  • 具体地命名失败。 blurry text 和 gibberish text 是可操作的;bad quality 不是。
  • 限制清单长度。 如果它增长超过大约十二条,可能正向提示词说明不足,你只是在治标。
  • 在对比运行中修剪。 如果移除某个条目在多次渲染中毫无变化,它就是死重——砍掉。
  • 每个项目保留一份权威清单。 不同提示词使用不同负面清单,会让跨提示词比较失去意义。

对于文字密集的工作,一份有用的负面清单通常会稳定在少数几条反复出现的条目上:不想要的额外词、扭曲的字形、重复的物体,以及一些你场景类型特有的伪影。就这样。清单保持简短是因为它被精心挑选,而不是因为你胆小。

用正确的方式比较真实输出

本文的每一项论断都是起始假设,而非定律。Z-Image 配方应当针对你自己的渲染进行验证,而草率的比较会欣然确认一个错误结论。

公平比较的规则

  1. 固定一个基线。 选一个配方变体,并在每个候选旁边重新渲染它,这样你看到的始终是基线与改动,而不是改动与记忆。
  2. 每次运行只改一个槽位。 风格替换没问题;风格加光线加新的负面条目就不算比较,而是重新设计。
  3. 渲染不止一次。 生成有方差。每个变体只渲染一次,可能会让一个不可靠的短语看起来很有决定性。
  4. 针对明确的标准评判。 在渲染前就决定“更好”意味着什么——文字的可读性、场景的准确性、风格的一致性。含糊的标准产生含糊的结论。
  5. 把配方记录在输出旁边。 一张没有提示词的图片只是奇闻轶事。

一个轻量级的循环

对开发者而言,一个可行的循环如下:

  • 把当前最佳配方保留为 baseline。
  • 起草一个只改动单个区块的变体。
  • 以相同设置各自渲染两者几次。
  • 以相同尺寸并排查看——不要顺序查看,也不要在不同缩放级别下查看。
  • 要么将变体提升为基线,要么丢弃它并记下原因。

被丢弃的变体才是最有价值的。它们证明了那些你很想加进去的短语其实并无帮助,从而在你下次组装配方时保持精简。

该记录什么

对于每一个存活的配方,记录:五个槽位、负面清单、任何你加过权的东西,以及它通过的标准。那条记录就是配方。提示词字符串本身只是一半——另一半是知道这个提示词是针对什么验证过的。

通过 API 适配配方

一旦配方通过比较存活下来,最后一步是让它可调用。目标是在整个请求过程中保持区块结构完整,这样你手工调优的那些槽位就变成代码中的参数。

从槽位到代码

配方可以干净地映射到请求构造器:每个槽位一个变量,按固定顺序组装,负面清单和任何权重一并传入。重要的性质是:改变风格意味着改变一个变量——而不是对巨型字面量做字符串编辑。

recipe = {
    "subject": "a ceramic watering can",
    "scene": "on a concrete ledge, soft window light from the left, shallow depth, clean background",
    "style": "photograph, crisp, muted color",
    "text": None,
}

prompt = "{subject} in {scene}, {style}".format(**recipe)

当你添加图中文字时,它作为独立片段插入,而不是被撒进场景描述里。这让结构保持可请求、可差异对比。

在代码中保持纪律

一些习惯会从手工迭代延续到程序化使用:

  • 给配方做版本管理。 把它们作为带修订标识的数据存储,这样输出回归可以追溯到配方变更,而不是靠猜。
  • 每次渲染都记录完整提示词。 组装后的字符串、负面清单以及任何权重。没有这些的调试就是考古。
  • 有意识地做批量比较。 如果你在生成变体,每批只保留一个变化的轴,就像你手工做的那样。
  • 接入后验证。 一个在几次手工渲染中看起来不错的配方,在自动化后值得稍微更大规模的检查——方差在量上会显现得更清楚。

HiAPI.ai 通过单一统一接口暴露 Z-Image,因此集成细节——请求字段、权重参数和响应处理——都在模型页面上:参见 Z-Image 获取当前的集成参考。从一个已验证的配方开始,把它接上,让对比循环告诉你何时某个改动值得保留。

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