ai人物生成提示词怎么写？五官服装场景三层法

ai人物生成提示词写到第五十多张的时候，我才想明白一件事：跑脸的锅，多半不在五官写得细不细，而在三层词的先后顺序上。结论先放这儿——把人物拆成五官、服装、场景三个词块，先锁脸、再叠衣、最后铺环境，出图的稳定性比一股脑堆一句高出不止一个档次。我做了组小对照，数据在第二部分，急的可以直接翻过去。

三层法是什么：五官、服装、场景各管一层

三层法就是把人物提示词按「脸—衣—景」拆成三个独立词块，每层只管自己的变量，出了问题哪层出错能一眼定位。

先说五官层。写五到八个词就够了，脸型、眼型、眉形、唇形、发色、发长，顶多再加一个表情。顺序有讲究：离脸越近的特质越要放前面，脸型永远打头，表情收尾。有人喜欢把五官写成一整句华丽的长描述，说实话没用，第五个形容词之后模型基本就开始自由发挥了。五官内部的取舍和优先级，我之前整理过一篇ai脸部提示词的五官描述优先级，这里不展开。

服装层管款式、材质、颜色。这层最容易写爆，尤其是颜色词，堆三个以上就开始跟脸抢权重，这是后面实验里最贵的一条教训。我个人觉得服装层控制在两个颜色词以内最稳，款式词可以多一点。

场景层最松。光线方向、背景内容、镜头距离，三样写清楚就行，它离人物主体最远，权重干扰也最小。

十二张角色卡实验：哪层词序打乱最容易跑脸

我拿同一张五官底稿做了三轮对照，每轮二十张：打乱五官层跑脸三张，服装层插错位置跑脸九张，场景层只有一张。

过程交代一下。上周六晚上，我给自己定了个活儿：用一张固定底稿出十二张不同服装、不同场景的角色卡，凑一套卡片用。第一轮顺手把服装词插到了五官中间，想着「反正词都在就行」。结果十二张里五张脸型变圆，还有两张瞳色直接从灰绿漂成了棕色。挺离谱的。

我怀疑是巧合，就补了个正式对照：512×768、每组二十张、同一个种子池，唯一的变量是词序。结果如下。

九比三比一，差距不是一点半点。服装层为什么这么脆？我的理解是：服装词天然携带颜色和材质，插进五官区域后，模型会把「红色」「丝绸」这类词的权重就近摊到脸上，脸自然就歪了。五官层内部对调反而不太要命，因为那几个词本来就该出现在脸附近。所以别信「词序无所谓」的说法，至少在人物生成里，真不是。

话说回来，这个实验只测了词序这一个变量，采样步数、CFG 这些参数我全程没动，结论的适用范围也就是「同一套底稿、同一台机器」的日常出图场景，别拿去当论文引用。

ai人物生成提示词的三层模板，直接抄

模板顺序固定为：脸型→五官→发色发型→表情→服装款式→服装颜色材质→姿势→场景→光线→镜头，跑脸时按服装、颜色词、场景的顺序倒查。

给一个能直接改的例子：「圆脸，杏眼，眉形平直，灰绿色瞳孔，黑色齐肩发，浅笑；米白色高领毛衣，深灰色呢子大衣；坐姿，图书馆窗边，午后侧光，上半身特写」。注意分号就是三层之间的缝，写的时候别把三层的词互相掺。

要换角色卡的时候，只动服装层和场景层，五官层一个字不改，这是十二张卡能看起来「像同一个人」的关键。想要更狠的锁定方案，可以配合sd角色一致性里固定脸型的做法一起用。

服装款式想换风格又不知道词怎么挑，从通勤到赛博的服装风格词库里扒几个现成的就行。

跑脸了怎么排查？我的固定顺序：第一步看服装词是不是插进五官区了，挪回服装层；第二步数颜色词，超过三个就删到两个；第三步看场景描述是不是太长，压到十五个词以内。三步走完还不行，再回头动五官层，顺序别反。

最后提醒一句正经的：AI生成的这张脸不属于任何真人，但也别拿它冒充某个真人的照片去发帖、带货或者做证件用途，涉及他人肖像和平台规则的红线，踩一次就够呛。

回到开头那句话：跑脸的锅不在脸。三层法真正给你的不是更漂亮的词，而是一个能定位问题的结构——脸歪了知道查哪层，衣服抢戏了知道挪哪块词。我那套十二张的角色卡，最后就是靠这套顺序在两小时内收工的，比头一晚瞎试省了至少一半时间。你下次出人物图，不妨先把三层的缝画出来。

常见问题

三层法适用哪些出图工具？

Stable Diffusion、Midjourney、即梦这类主流工具都适用，只是形态不同：SD 按词块加权更直接，MJ 需要把三层连成一个短语流，分号可以换成逗号，但「脸在前、景在后」的骨架别变。

十二张角色卡是不是每张都要重写提示词？

不用。五官层整块复制，每张只替换服装层和场景层的词块，我实测这样改一张卡只需要一分钟出头，而且一致性比每张重写好得多。

服装描述多了一定会把脸带歪吗？

不一定，取决于位置和颜色词数量。服装词老老实实待在五官之后，颜色词控制在两个以内，二十张里跑脸能压到一两张；插进五官中间就完全是另一回事了。

生成的AI人物图片可以随便发布吗？

发布前想清楚两件事：别让人误以为是真实人物照片，必要处标注AI生成；更别刻意模仿某个具体真人的长相去做商业内容，肖像权和平台规则都不站这边。