如何玩转参考图？我总结出了这句短提示词！！

将图一的【对应维度】迁移到图二，保持图二的主体身份与主要内容。

将图一的光线氛围与明暗关系迁移到图二，保持图二的主体身份与主要内容。

将图一的【维度】迁移到图二，保持图二的主体身份与主要内容。

将图一的【光线氛围、明暗关系、色彩倾向和后期调色质感】迁移到图二，保持图二的主体、构图和内容不变。

如果你只想看结果，先点开上面这张图放大看；想知道我怎么折腾出来的，再往下看。

最近在想着做剧，然后会遇到一个问题：每次想把一张图片里的一些东西运用到另一张图片上时，我发现提示词好像不会写。让 AI 写的话，又臭又长，而且有时候总会增加一些我不想要的细节。我就在想，这个东西到底有没有什么简单的办法，能够达到差不多的效果。于是我开始大量跑图试验。你别说，最后还真给我找到了一种方法。

这张总览左上角是底图，其他 17 格分别是一个视觉维度的测试结果。这轮正式对照里，每项保留一张结果；在这之外，我还试过别的词和图片效果，但没有把它们混进这张表。这里先把最直观的一组放出来，再说我是怎么把提示词写短的。

现在废话不多说，直接告诉大家：我分别测试了什么，最后什么样的提示词能够简单又明了地完成我们的需求。

第一轮跑了 8 张，我却没找到想要的感觉

最开始我来测试，主要是想测试图片和图片之间的色彩迁移和光影。我当时尝试了两种方法：

1. 直接迁移：直接由你想要的图和原图进行迁移。
2. 调色对比：对你的图做调色，生成对比图，然后让模型理解它调了什么，再进行迁移。

肉眼看，这两种都没有让我觉得方法已经稳了。数值上，前后对照比单图参考更接近标准答案，但都没达到当时要的精确调色目标。

这就是当时那两组的效果。数值有差，画面上却都没给我一个能直接用的答案。

我把「风格」拆成 17 个可以看的问题

后来经过好几次尝试，我就在想：一张图片在想迁移的时候，到底会改变一些什么？于是我把图片进行拆解，大概分成了这么多个维度，也就是 17 个维度。

比如我想迁移某一种东西的时候，但其实真实图片中的光影、色彩、曝光、对比度，常常会一起变化；空气感和柔雾也很容易被混着说。只写「参考图一的风格」，结果变了，我却说不出是哪部分起了作用。

所以这一次我就先把这些东西全部细分、拆开，然后一个一个测试，看最后的结果。每一轮测试，我只测试一个变量，再看它带回来的变化到底有什么。

为了能直观对比效果，我全部选用了一张图作为底图。最开始为了美观性，我还用了两张不同的图，但对比下来感觉偏差会很严重。后来我就用一张图作为底图，开始生成尝试。我用的核心提示词模板主要是下面这段：

比如光影这一张，用的完整原句就是：

为什么要用这么简单的方式呢？

为什么不像之前有 AI 给我写提示词的时候，比如我让它迁移光影，它会把你想要的那个画面里的光影做详细分析，再写入提示词，然后输入给下一张图片？

因为我觉得那样太复杂了，而且我实测下来，效果好像并没有太大的偏差。同时，那个东西并不适合我们日常写提示词、使用，太劳累了。我们平常写提示词的时候，不可能去搞一张图片，然后又给它写：这是金色侧逆光，景深是多少毫米镜头、多大的光圈，东西在哪里，构图哪个近哪个远、哪里要畸变。那么多东西，很难都考虑到。所以，把它写短，再发挥 AI 模型本身的能力。实测下来的效果，其实好像并没有太大偏差。除非出现很大的偏差，这时候你再往里面加约束、加限制，我觉得会有更好的效果。

我大概就是从下面这些方面来进行测试的：

• 光线与调色：光线氛围与明暗关系；色彩倾向与色彩分级；曝光特征与动态范围；影调与对比关系。
• 成像与质感：成像质感；后期处理质感；锐度与细节表现；材质与高光表现；空气透视与环境氛围；颗粒与噪点特征。
• 摄影与空间：景深与焦外特征；镜头成像特征；快门与运动模糊特征；构图方式；摄影机机位。
• 造型与媒介：人物造型风格；媒介、笔触与绘制方式。

看似只是把同一句话换了 17 个词，后面的验图才真正磨人。如果只看生成图，变漂亮了就容易算「有效」；如果只看是否还像原图，重绘得越彻底反而越吃亏。所以我把每项都排成「参考、原图、结果」三图对照，先写出原本希望借到的特征，再检查结果有没有它。光影要看受光区域和暗部关系；颗粒要放到原尺寸，看它是不是只在缩略图里「似乎有点脏」；锐度不能因为画面好看就算迁移成功；构图和机位则必须接受空间会重新生成，再追问主体和阅读内容还在不在。

接着还要回答第二个问题：为了得到这个变化，结果把什么也带过来了？这一步不能用一个「成功」或「失败」盖掉。景深变浅，同时换了背景；机位变低，同时编出了下装；运动拖影明显，同时把本来该静止的背景也拖花了。它们都可能是方向稿，却未必能直接交付。我要的是一张能接着改的图，所以这些代价必须和收获一起写下来。

有些感觉很容易借到，却很难只借这一点

只看光影的时候，就能看出有很大的变化。因为这种简单描述能够代替另一张图片的大致氛围，但因为没有什么约束条件，就会发现它其实还会把一些其他东西带过来。但这怎么说呢？其实也还行。

色彩那张把环境推成蓝青色，肤色仍留着一点暖色。这也是我期待的「大概感觉」。但往下看，曝光和影调对比两项几乎都走向金色高光、深暗部、偏绿的阴影；成像质感和颗粒两项又都借到了蓝青色。词分成了 17 项，不代表模型就把它们当成 17 个互不影响的旋钮。每张结果要回到参考、原图、结果三张一起看，才看得出它主要改变了什么。

在这一组里，「后期质感」借来了高光泛开和一层灰雾；「空气感」则把背景推成青白色的朦胧空间，连斜向的光束也出现了。两张都能让我想到「柔」，但一张偏滤镜般的扩散，一张偏环境里的散射。成像质感和颗粒也要分开看：前者让整幅画面更像低光快照，顺手改了蓝青色调；后者在原尺寸下能看到更明显的细颗粒，色彩被带跑得相对少一点。若只看总览缩略图，这些区别很容易被我一句「质感到位」糊弄过去。

更明显的是空间相关的几项。景深结果里，人物还清晰，背景出现大片暖色散景，这个方向确实到了；可参考图里的灯光和一个模糊人影，也跟着进了新的咖啡馆。这就是短提示词，它可能一次性成功，也可能不会，需要你再走完一轮后期约束。

机位那张也很典型。参考是贴近地面的仰拍，生成结果真的把镜头降到了桌下：桌腿和近处鞋子被放大，人物缩到了画面远处。问题随之而来——原图只有上半身，模型补出了牛仔裤和运动鞋，而且下装明显借用了参考图。机位迁移成功的同时，我也知道了以后做角色资产时，不能只给一张半身图就指望下半身自动正确。

与机位相邻的「镜头感」把近处杯子和桌面放大，让人物缩进更深的室内；「构图」干脆把半身阅读改成全身斜坐，连花裙和袜子都补了出来。原本期待的建筑留白没有明显出现，真正被借到的是人物尺度和坐姿布局。看到这里，我已经没法把这几项当成给照片换一个滤镜：一旦要搬镜头、搬人物，模型就在重新搭场景。对需要重绘重建的任务，这恰好是它的用处；对只想调整裁切而不碰姿势的人，这种变化可能太大。

运动那张更让我犹豫。头发和手有横向拖影，远看很有速度；放到三图一起比，背景也被拖成了摇摄效果。参考图里桌椅是静止的，人物在转动；生成结果把「有运动感」抓到了，却没有把「哪里动、哪里不动」分清楚。做风格化的动态画面，它可以给方向；要做可信的快门效果，这张还要继续改。

还有两张提醒我，别把「出图了」等同于「迁移成功了」。锐度项预设要变柔软、弱化细节，结果里的发丝、脸和针织纹理反而更清楚。参考本身既有柔雾也有清晰发丝，这个词在这张素材上没能把我想要的柔软感带过来。

材质项看起来更微妙：皮肤高光柔润了一些，毛衣依旧是毛衣。我测试的是表面反光，不是让毛衣变成参考图的纱衣；但眼前的变化也可能只是泛光和柔化，没法确认模型真的借到了参考材质的高光表现。

剩下的「造型风格」和「视觉媒介」又是另一类重绘。前者明显把参考里的帽饰与衣服带到了阅读人物身上，后者把原来照片式的窗边阅读改成了有笔触的插画。它们的变化很醒目，适合先试方向；但如果我有已经锁定的角色服装，造型那项就不能直接照搬。如果我还需要保留照片质感，媒介那项当然也不是「更好」，而是换了表达方式。

这轮 17 项里，按「指定感觉有没有明显靠近、画面能不能作为下一轮方向稿」来目检，15 项方向明显，材质项证据较弱，锐度项没有朝预设方向走。这个数字是这 17 张图的逐项记录，不是模型的成功率，更不是换一套参考图也一定成立。

所以这段提示词怎么写

上面那一段分析，大部分都是 AI 写的，全都是屁话。真实效果总结其实就一句话：短提示词。它的优势是写得快，能快速见效果。但你可能需要两三轮迭代，来优化你想要的场景。相比于复杂的提示词而言，它可以让你纯手敲，并且能直接感知到画面的变化。

如果你想用参考图来生图，一般情况下肯定不想完整复制，而是想保留其中的某一个元素。这个方法就可以帮助你选择其中某一个元素来进行创作。比如，你先想好自己想要的到底是什么：是这张图片的逆光、冷色、空间纵深，还是人物造型？是光影、调色，还是一大堆乱七八糟的东西？

总结下来的提示词通用模板：

首先，这里的维度可以不只是单一的维度，也可以是多个维度混合叠加的。有时候你迁移某一个东西的时候，它可能需要你迁移多个东西来混合叠加它的效果，才能达到你想象中的效果。就比如说我对于一个图片的调色质感的 LUT 迁移：

在这一组里，我用到的提示词就是这样的：

稍微做了一点点变化，但这样一来，效果会发现更好了。也就是说，提示词模板是长那样，但它不是死的、固定不变的，需要根据你的实际应用情况灵活变化。

作者：南鸢 (@nanyuan0412)
主要从事 AI 生图、AI 视频、Skill 和视觉创作，日常分享真实测试过的方法和工具。
独立创作者嗷嗷待哺中，欢迎合作交流学习！