头一回用站上那个图片编辑，我干的事特别朴素，传一张自己在阳台上拍的照片，让它把背景换成傍晚的街道。图出来我盯着看了半天，背景对了，街道对了，光也对了，人不是我了。
五官都还在原来的位置，眉眼还是那个形状，可你一眼就能看出这不是同一个人，像有人照着你的样子画了一张挺像的画。我头一个反应是去找蒙版，想着把脸框出来锁死，只放背景那一块去变，鼠标在界面上划了一圈什么也没划出来。这功能没有局部重绘，也没有画板，你圈不了任何一块地方，它能收进去的只有两样，一张或者几张图，加一段文字。
那两个月我废掉的图，九成不是模型画不出来，是我把话讲得太省。省在哪儿，省在我每次都想着一句话把这一张图搞定，从来没想过先把角色和场景分别交代清楚。后来我把用法整个改了，改成建档的思路，角色一份档案，场景一份档案，两张档案先各自写扎实，再决定这一张是把它们凑到一块，还是只动其中一样。这篇讲的就是这两份档案怎么写，以及写完之后怎么让它们咬合上。
角色档案不等于把长相形容一遍。我一开始写的是齐肩黑发，大眼睛，气质温柔，这种词模型接不住，温柔能有一百种画法，大眼睛能有一百种大小。后来我把它拆成固定的几栏，脸型轮廓一栏，五官细节一栏，发型发色一栏，身形比例一栏，年龄段一栏，服装再拆成三小栏，上装一栏下装一栏，配饰单独算一栏，每栏都带主色和材质，常备道具另起一栏。栏与栏之间不堆形容词，只写能被画出来的东西，脸型写鹅蛋脸下颌线偏圆，五官写内双、鼻梁挺直、嘴唇偏薄，身形写七头身、肩窄、手腕细。这一份写完，之后每一张图的开头我都原样贴上，一个字不改。
贴的顺序也有讲究，先钉不可动的那些，脸、五官、肤色、发型、身形比例，钉完了才轮到服装，服装之后才轮到这一张真正要改的那件事。顺序反过来也能跑，只是脸被重画的概率高得多，模型读到后半段的时候，前半段那张脸在它那儿已经松了。「保持不变」这四个字比我写了半天的改动描述管用得多，我现在写角色约束，每一栏后面都跟一句原样保留。
角色档案写完先别急着往场景里塞，得先给它出一张基准。用单图跑一张标准定妆照，或者干脆跑三视图，正面和侧面各一面，再加一个四分之三侧面，这张图之后就是你这个角色的身份证。要三视图的人容易在这儿翻车，你要四个面它给你两三个，压缩得挺随意，面数和每一面朝向都得写死，它才肯老老实实排格子。基准图出来之后当场下载，结果区不会长期留着，我吃过一次亏，生成完想着晚点再存，第二天回来什么都没了。
场景档案是我更晚才补上的一块，补上之后废图率掉了一大截。以前我写场景就四个字，傍晚街道，写完自己觉得挺清楚。模型看到的是一片空白，傍晚是哪国的傍晚，街道是石板还是沥青，光从哪边来，地面干不干，画面里除了人还有什么。后来我也给场景拆了栏，地点类型一栏，时间和天气一栏，光源的方向和色温一栏，主要材质和主色一栏，纵深一栏拆成前景中景背景三层，机位和景别一栏。写出来大概是这样，南方老城的窄巷，雨后傍晚七点，主光是巷口一盏暖黄路灯从画面左后方打过来，环境光是蓝调时刻的冷天光，地面是湿沥青带反光，两侧斑驳砖墙上几扇窗亮着灯，前景压一根虚化的电线杆，中景放人，背景巷子往深处收，机位与人物齐平，取中景半身。
场景档案里数光那一栏管用。人物放进新场景看着像贴纸，边缘干净得过分，脚下没有影子，色温跟环境对不上，病根全在这儿。补三句话就能救回来，匹配场景透视，加接触阴影，再加一层来自场景光的色偏。这三句我后来固定写在每一条多图提示词里，贴纸感没再出现过。
两份档案分开写的好处是，你能一次只动一样。角色进了新场景发现脸不对，那是角色档案的问题，跟场景无关，你把场景描述整段删掉，只拿基准图配角色约束再跑一次，脸就回来了。反过来场景假得厉害，人物像抠上去的，那就把角色约束原样留着，只重写场景那几栏，特别是光和纵深。我早期爱犯的错是同一条里既换背景又换外套，两处一起改，改完的脸和改完的衣服互相不认识。拆成两次提交，中间多花十个积分，但每一步出了什么状况我都清楚。
单图和多图这两个标签，很多人以为是一个东西的两种数量，其实是分工不同的两件活。单图是在一张图上做修改，不传图就变成文生图，一样按单图那档的十个积分算，它是你改档案的工具，改角色用它，改场景也用它。多图干的活跟批量完全没关系，你传十张它不会给你处理十张，它是拿你给的那几张当素材攒出一张新的，出来的永远是一张，而且比单图贵一倍，一次二十个积分，它是你把两份档案凑到一块的工具。我一开始拿它当批处理用，传了六张产品图想统一换个背景，等了一到三分钟，出来一张把六个产品挤在一块的怪东西。
多图还有个规矩，你传进去的先后就是它编号的先后，头一张叫图一，第二张叫图二，提示词里得按这个次序把每张图的身份讲明白，图一是角色，图二是场景，图三是道具。不讲的话模型自己去猜，猜出来的结果通常是把人物脸和服装背景搅在一块。参考图我也从十张砍到了两三张，超过三张它就开始漏元素，你写进去的条件它只照顾前一两个。
把角色和场景凑到一块，靠的是基准图滚动。想给同一个角色出十个不同场景的图，别每次都拿头一张原始照片去跑，拿基准图配一张新场景，角色约束一个字不改，只重写场景档案里那几栏。十张里挑出更满意的那张，把它升级成下一轮的基准，滚着走。这么干的一致性比从头跑稳得多，虽然还谈不上锁定，这功能没有角色ID也没有固定seed，它给你的是尽力保持，离锁死还差着一截，你能做的就是让每一份档案都足够具体，具体到它没有空间去猜。
商品置入是同一套逻辑的另一副面孔。图一放商品，图二放桌面或者橱窗，提示词里除了位置，还得点名形状颜色材质跟图一完全一致，logo和标签文字不许重绘，然后照例补透视、软阴影、桌面反光那三句。logo被重画这事我遇过两次，两次的共同点都是商品图分辨率太低，像素不够它就自己脑补字，这种时候要改的是你手里那张商品图，跟提示词没关系。
角色的表情和动作，我归到角色档案的延伸里，走单图一条一条提交。句式固定不动，只把中间那个表情描述换掉，要八到十二个就是八到十二次提交，模型全程不换，纵横比一直用1比1。中途换通道是风格不统一的头号来源，你换一个模型，它对面部的理解跟上一个是两套，出来那几张一眼就能看出分了两批。想要同一个角色的连续四帧动作，别指望一次多图请求给你排好分镜，它不会自动排，要么先出一帧角色加场景的基准再逐帧改动作，每回只改动作词，把同样取景和同样背景这两句留着，要么直接在提示词里写 2x2 storyboard grid，four panels，same character，sequential motion。只改时间和天气的时候也一样，先写一句构图和所有物体保持原样，相机机位和取景都不变，然后再讲要改成什么，前面那句不写它连构图一起给你重画。风格迁移和结构修改是两种请求，整图转水彩的时候别再叠换背景或者换服装的指令，叠了构图必被重画，分开跑更省事。
顺带说几个把我坑过的暗门。提示词里写「移除背景」，或者英文的 remove background，单图那边会自己拐进抠图这条路，后台把你写的整段话丢掉，换成一句预设好的固定指令，你辛辛苦苦建的两份档案当场全部作废。想同时干别的，就别在同一条里提这四个字。纵横比也是这样，单图那边是真生效，改了就改尺寸，多图那边这个选项只是存进了扣费记录，压根没送到模型跟前，最后画幅多大，看的是你给的素材和走的那条通道，你在多图上选了16比9出来还是别的比例，目前的实现就是这样。
文件规格上，界面写着5MB，实际校验是16MB，宽和高都得落在384到5000像素之间，超了直接报错。我有一张长截图六千多像素，传了三次都失败，等比缩了一遍才进去。多图那边尽量别用AVIF，转成JPG或者PNG省事。用中文写提示词，在网页上操作是没问题的，前端会悄悄替你翻成英文再提交，直接调接口就不翻译了，中文原样下发，效果飘得厉害，API那边自己写英文。提示词长度我摸出来一个区间，四十到一百二十个英文单词，也就是三五句话加一段约束，少于二十个词基本等于没提要求，出来的图跟原图差别小到你要放大对比才看得见，超过三百个词它开始丢条件，写在中间那部分十有八九被忽略。上限是一万字符，两份档案加起来我也从来没写到过那个量级。
出图不对的时候我按固定顺序排查，头一件事是分清楚这回坏在角色档案还是场景档案，这一步分清了后面就快了。角色不像，先查参考图，侧脸和遮挡要换掉，墨镜口罩强阴影也得换，脸在画面里的占比别低于四分之一，脸部区域至少三百乘三百像素，全身图的长边一千往上。手部畸形多半是动作幅度太大加上手在画面里太小，把参考图裁到手部清晰的角度，提示词里补一句 natural hands with five fingers。场景假，查光那三句写没写，查纵深的三层给没给。整张图几乎没变化，先看提示词是不是动词开头，有没有明确目标，模型偏保守的时候你写得含糊它就选择少动。
单图这边点下去通常等三十到六十秒，失败是不扣积分的，成功才扣，所以试错的成本比我想象的低，我早期那种反复琢磨半天不敢点提交的习惯其实没必要。真遇上超时或者返回500那一类，换一个通道再跑一次通常就过了，单图这边有降级，主模型不行会自动切备用，多图那边没有降级，选了什么就走什么，卡住了只能自己换。积分不够会直接拦在提交那一步，401是登录态掉了或者后台没配模型Key，400多半是参数不合法或者格式不支持，429是提交太频繁。首页那个专做贴纸的标签另算，跟这套流程不通，图生图和文生图都支持，能选带文字或者不带文字，出来的是一张16比9的Q版拼图，点一下拆解按钮它才给你分成一个个单独的，要批量出聊天贴纸走那边更快。
两个月下来我对这类工具的期待调整到了一个更实在的位置。它没有蒙版，没有换脸接口，没有固定seed，多图也不做批处理，每次只出一张。它有的是一件事，你说得越具体，它猜得越少，而具体这件事是有结构的，角色一份档案，场景一份档案，两份都写扎实了，才谈得上把它们凑进同一张图。
以上，既然看到这里了，觉得有用的话顺手点个赞和在看，下期我把这两份档案的模板拆开写一遍，直接能抄的那种。
