ai指定绘画听话吗？三种控制路子的命中率实测

前阵子接了个小活，给一家咖啡工作室出海报底图，要求很具体：左边白色咖啡杯，右边绿色盆栽，中间留空放文案。客户的原话是「别整花的，东西摆对就行」，听着简单，其实是道难题。我按日常聊天的写法丢给模型，跑了二十张，摆对的只有六张。剩下十四张里，杯子长中间的有，盆栽飘到天上的也有。那晚我把ai指定绘画这件事从头捋了一遍，才算把「它到底听什么」弄明白。

AI为什么不听指定

出图是按词的权重做概率采样，不是按你的空间逻辑排版，方位和数量天生就是弱项。词越靠前、越具体，权重越大。

先说个反直觉的发现：模型对「左」和「右」的命中率，明显好于「旁边」「附近」这类模糊词。「咖啡杯在左侧」是能落地的指令，「咖啡杯旁边有点绿意」就是许愿。我统计过，把模糊词全部换成明确的方位词之后，同一批需求的一轮命中率从三成爬到了六成。原因也好理解——训练图配上描述的时候，「旁边」对应的可能关系太多了，模型猜不准。

颜色同理。你要写「白色陶瓷杯」而不是「一个杯子，白色的」，颜色贴着名词才绑得住。我有张图写「杯子是白的，背景暖色」，结果杯子画成了奶油黄，背景倒白得刺眼，它把两个颜色给匀了。

三种控制路子怎么选

纯提示词省事但上限低，垫图构图稳但内容会被带偏，局部重绘最准但要多跑两三步。没有全能的路子，只有合场景的路子。

那单咖啡海报我最后用的是组合拳：垫图锁布局，出图后把盆栽那块框出来单独重绘了两遍。总耗时比纯提示词多了十来分钟，但省下了几十轮重跑。要论性价比，对位置有硬要求的活，我都直接走组合，不在纯提示词上较劲。

垫图的坑也得提一嘴。我拿一张真实咖啡店照片垫图，构图确实稳了，可杯子被画成了参考图里的款式，连桌布花纹都抄过去了。垫图力度得压着调，压太低等于没垫，太高就成临摹了，这个平衡我调了四五轮才摸到舒服的档位。

数量词和文字，两个重灾区

数量靠写基本管不住，三只猫能给你画出五只，挑图比改词实际；画面文字短词能出对，长句必乱。这两项要提前留足废图预算。

数字这事我做过正经测试：连跑十五张「三只猫」，画对数量的九张，四只五只的六张，「恰好三只」「只有三只」这种强调写法完全没用，模型不吃这套。顺带一提，毛色也能指定，但「三只橘猫加一只黑猫」这种数量加颜色的组合我没成功过，颜色一上，数量爆得更凶。倒不如把数量词写在名词紧前面提高一点概率，然后一口气多跑几张挑。跟写文案一个道理——改不了的东西，别硬改，换策略。

文字更别扭。四个字母以内的短词，比如一个品牌缩写，十张里能对个三四张；超过八个字母的长词，我至今没拿到过一张全对的。海报上有标语的话，我的固定流程是留白出图，文字后期加。为此我专门看过一篇讲AI怎么听懂描述的文章，里面对文字渲染的判断跟我实测一致，这里不展开。

还有一个隐蔽坑：指定对象别超过三四个。我有次贪心，一张图塞了六样东西，每样都点到位，结果模型开始自由组合，茶壶长在了书上面。单图对象三四个以内，指定的可信度还有保障，再往上就是抽奖。

那张海报最后交了，客户在中间留白处放了logo，左杯右树，分毫不差。现在回想，第一天晚上那十四张废图，废得其实冤——不是模型不听话，是我没按它听得懂的方式说话。ai指定绘画的门道就这一层窗户纸：你先弄清它的语法，指定才有分量。

常见问题

固定种子能让指定内容稳定复现吗？

种子固定住的是随机性，词不变图就不变，可这跟「听指定」是两回事。它保底不保对——你改一个词，整张图跟着变，想微调某一处，还是得走局部重绘。

局部重绘的边缘会有衔接痕迹吗？

小区域、光照一致的图基本看不出来。重绘区域跨明暗交界线的时候容易露馅，我一般把框画得比目标物大一圈，让模型自己过渡，痕迹能淡不少。

指定颜色总是串色怎么办？

先查颜色和名词贴没贴紧，再查一张图里有几组颜色指定。两组以上就容易串，我碰到串色就拆成两次跑：先出主色，再用重绘补第二色。

竖版和横版对指定的命中率有影响吗？

有一点。竖构图里「上下」方位比「左右」稳，横构图反过来。我做过几轮对比，把方位词换成构图占优的方向，命中率能多捞回一成左右。