AI 生成图片和视频：怎么把效果控制住

第一次用 AI 出图，大多是"输入一句话，出来一张看着挺唬人的图"。但真要用在工作里，你会发现可控性才是关键——能不能复现、能不能微调、能不能批量保持风格一致。

出图：把描述拆成几个固定维度

与其写一长串随意的话，不如按固定结构描述，效果稳定得多：

• 主体：画面里主要是什么，数量、姿态、表情
• 环境：室内／室外、时间、天气、背景简繁
• 风格：照片／插画／水彩／极简线稿；是否要写实
• 构图与光线：近景／全景、俯视／平视、顺光／侧逆光、色调冷暖
• 画质词：高清、细节丰富之类，按需添加

先写一个通用模板，之后每次只改其中一两项。这样你能清楚知道"是哪一次改动带来了变化"，而不是每次都从零赌一把。

保持风格一致：先定一张"参考图"

需要一组风格统一的图（比如系列封面），我的做法是：先反复调整，选出一张最满意的作为参考，后续生成都以它为基准，只改主体内容。比每次从头描述可靠得多。

生成视频：先想清楚它难在哪

视频比图片难在两个地方：时间维度的连贯性和时长成本。

• 目前更适合做短片段（几秒），作为素材或演示，指望它一次生成完整成片还不现实。
• 给出起止画面（首帧＋尾帧）能让运动更可控；只给一句文字描述，运动轨迹基本靠运气。
• 镜头运动描述要具体："缓慢推近""固定机位、只有主体在动"，比"镜头很酷"有用得多。
• 生成失败的片段很正常，多试几次，挑可用的。

关于"AI 味"

看多了会发现 AI 出图有种共同的观感：过度干净、光影完美、细节过剩。要削弱这种感觉，可以：

• 主动加入一些"不完美"的描述：自然光、轻微噪点、日常场景
• 降低画质堆砌的词，风格描述往具体年代、具体媒介上靠（如"2010 年前后的数码照片质感"）
• 后期手动加一点颗粒、调整色温，往往比反复改提示词更快

两条必须守的线

• 不要用真人肖像做训练或生成，涉及肖像权，风险很高。
• 涉及商标、品牌、在世人物风格的内容慎用，商用尤其要注意。

小结

把 AI 出图出视频当成"一个手很快但需要明确指令的美术"，把要求拆细、留好参考、接受重抽，效率会高很多。