图像提示词指南

最重要的衡量标准是图像主体是否与提示词中的主体一致。配色、胶片颗粒和风格都排在其后。

请求设置

使用 /v1/images/generations 生成新图像：

curl -X POST https://api.x.ai/v1/images/generations \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-image-2.0",
    "prompt": "...",
    "aspect_ratio": "3:2",
    "resolution": "2k",
    "quality": "medium",
    "response_format": "b64_json",
    "n": 1
  }'

如果现有图像的主体和布局已经正确，使用 /v1/images/edits：

curl -X POST https://api.x.ai/v1/images/edits \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-image-2.0",
    "prompt": "...",
    "image": {"url": "data:image/jpeg;base64,...", "type": "image_url"},
    "aspect_ratio": "3:2",
    "resolution": "2k",
    "quality": "medium",
    "response_format": "b64_json"
  }'

同一系列的图像应固定使用相同的 aspect_ratio，以便并排展示；3:2 适用于大多数照片。quality 接受 low、medium 或 auto；目前 auto 在生成时采用 low，编辑时采用 medium。需要辨认细节时，明确指定 medium 和 2k。生成的 URL 是临时的；如果要保留文件，请请求 b64_json，或通过 Imagine 输出文件存储。

先写主体

开头用一句话说明主体是什么、处于什么状态或形态、由什么承托，以及所处场景。

一个哑光鼠尾草绿色陶瓷手冲滤杯放在半满咖啡的玻璃分享壶上，置于浅色橡木台面，背景是白色方形瓷砖。

接着描述可以指出并辨认的主体细节：

• 按名称写出每个关键元素及其在画面中的形态。羊毛大衣是有可见纹理的厚重斜纹布；玻璃分享壶里的咖啡呈深琥珀色，边缘较浅；平装书的书脊有折痕；沙拉中的菲达奶酪是不规则碎块。

• 写清数量。两个杯子。一本打开的笔记本。一个人，画面截取腰部以上。一块被移开约一指宽的切块。

• 写清视角。台面高度的 45 度斜侧视角，或从正上方向下拍摄桌面。在主体段落写一次，并在构图段落用相同措辞重复。

如果提示词以氛围、胶片类型或避免事项清单开头，生成的可能是风格到位但主体仅为替代品的场景。

提示词结构

同一系列的提示词应保持相同顺序：

1. 主体。 它是什么、什么形态、由什么承托、处于什么场景。

2. 细节与焦点。 将关键元素、材质、数量和拍摄角度写成一组充满画面的描述。

3. 美术指导。 分别点名色块和两三件道具：橡木台面、白色瓷砖、亚麻毛巾、一把黄铜勺。

4. 光线。 写出光源、方向和硬度，例如左侧射入的强烈午后阳光，加上正面补光闪光灯。描述高光和阴影，并要求足以看清主体的曝光。

5. 颜色。 分别写出主体与背景的颜色：鼠尾草绿、深琥珀色、浅橡木色、白色。

6. 构图。 裁切范围、画框切掉什么，以及哪些部分保持清晰。只描述一个场景。

用散文描述一张照片。像“把大衣调暗”这样的指令，应写成这张照片的一个属性；模型没有可供参照的前后版本。

说出你想看到的东西

直接描述材质。“带有细密横向纹理的拉丝钢”能让模型渲染出表面；“不要发亮”则没有提供可绘制的内容。

冗长的避免事项清单很容易被忽略，而且会把提示词篇幅花在结果中可能依然出现的物体上。只有涉及数量或特定物体时才保留限制，并搭配正向描述，例如“一把放在茶托上的不锈钢勺”。

准确命名每件物品。盘子、碗和搪瓷煎锅是不同的物品；托特包、挎包和背包也不同。如果区别很重要，就描述使它成为该物品的特征：煎锅周围有奶油色搪瓷锅壁，锅柄被画框裁掉。陶瓷边缘的一条细棕线则更像盘子。

用具体的物理特征描述一次质地。反复堆叠质地词会使其落到错误的表面：茅屋奶酪的凝乳可能变成包裹物上的颗粒纹理，帕尔马干酪薄片可能变成小纸片，土豆块可能从意式蛋饼内部跑到表面成为装饰。

要求能看清主体的光线。“明亮鲜艳、强烈阳光、闪光灯、带纹理的暖色阴影”可以成立；“略微曝光不足”和“压暗的阴影”会让同一画面变暗。不要加入色差边缘、灰尘和划痕；模型会把它们画成缺陷。

先生成，再编辑

还没有图像，或主体本身错误时，应重新生成：例如物品不同、缺少关键元素或数量不对。

如果主体和布局已正确，仅需改动一至三个细节，则使用编辑。先说明这些改动，再用一句话要求保持相同的主体、角度、裁切和道具位置。

把金属表带换成带奶油色缝线的棕色皮革表带。保持手腕、衬衫袖口、拍摄角度和桌面不变。

以“保持一切不变”开头的编辑几乎不会产生变化。粘贴一整段新提示词则会重新布置场景：主体偏移、道具出现第二份，或物体变成相似但不同的东西，例如盘子变成锅。

如果修改没有生效，就换一种具体说法。重复“更真实”可能只会在画面错误的位置生成新纹理。应指出目标部分，例如“切面中可看到湿润蛋液包裹的独立褐皮土豆块”，或“皮革在表带弯曲处有褶皱”。

如何判断提示词是否有效

即使经过多轮编辑，也要用最初的提示词判断每张图像。关键是图中的主体是否与提示词一致：

• 主体就是所指定的那个。

• 提示词提到的每个元素都以指定形态可见。

• 数量一致。

• 每件物品都是提示词指明的那种物品。

• 图像足够明亮，能看清主体。

背景匹配但主体错误仍算失败。将提示词与图像一起保存。下一轮只修改失败的细节，保留原提示词其余部分，以维持主体和布局。

简短提示词

不属于系列的一张静态图像通常只需四至六句话：先写主体与细节，再写场景、光线和裁切。

一双白色皮革低帮运动鞋，配生胶橡胶鞋底，从较低的斜侧角度拍摄。鞋带松松系着，鞋头有柔和褶皱，左鞋略微靠前。鞋子放在浅灰色混凝土地面上，背景是暖白色墙面。右侧强烈晨光投下修长而清晰的阴影，阴影侧有柔和补光。50mm 产品摄影，两只鞋都清晰，画面在鞋跟提环上方裁切。

一位六十多岁、短银发、把阅读眼镜推到头顶的女性，正在木工作台前为一棵小橄榄树换盆，笑容满面。她的手沾着深色泥土，袖子卷到肘部。她旁边的工作台上有陶土花盆和钢制移植铲。左侧柔和的窗光，明亮温暖，阴影轻柔。35mm 平视摄影，取景从腰部以上，面部清晰对焦。

一份素食希腊沙拉盛在暖奶油色陶瓷碗中，从略高的角度俯拍。黄瓜、番茄、厚切紫洋葱、不规则的菲达奶酪碎块和起皱的卡拉马塔橄榄浸在橄榄油中，番茄上撒有牛至。碗放在陶土色背景上的奶油黄色亚麻布上。画面右缘露出一部分温热的皮塔饼，一把叉子搭在碗沿。强烈夏日阳光加正面闪光灯，明亮鲜艳，阴影偏暖。35mm 摄影，食物充满碗内，只拍一帧。

相关内容

• 图像生成：宽高比、分辨率和质量的请求参数

• 图像编辑：通过提示词编辑现有图像

• 多图编辑：使用多张源图像进行编辑