AI绘画卡拉OK场景实测：包厢氛围灯和拿话筒的瞬间怎么出片
先把丑话说前面：卡拉OK是AI很好出效果的场景，但话筒附近的手和嘴、屏幕上的歌词字，是三处重灾区。我按包厢灯、人物动作、歌词屏三块拆开讲写法。你要先做的不是改人物，是把灯光分三层写进提示词。
朋友过生日，非要一张KTV包厢的图当请柬底图：人在唱歌，灯球在转，最好还带点糊。我说行，我出。第一版发过去，他回了三个问号——包厢亮得像公司年会礼堂，惨白顶灯，六个人端端正正坐一排，没有一个人有开口唱歌的意思。改到第七版我才反应过来，这个场景的关键词根本不是KTV，是光。那晚我前后跑了四十多张，废了三十七张，下面这些全是拿废图换来的经验。顺带一句，也有人搜卡拉是想做名字头像，那个走的是另一条路，文末的问题里我单独给了招。
包厢氛围灯，得写够三层
灯要写成三层：灯球撒下来的光斑、墙面灯带的颜色、桌面一小圈暖补光，缺一层就直奔会议室。我第一版只写了karaoke room加neon，出来的图每张都像商务洽谈室，桌子还是会议桌。
后来我把光拆开写：迪斯科灯球用disco ball, scattered light spots on walls and faces，灯带用pink and purple LED strips along the walls，桌面再补一句dim warm light on the table。三层都在，包厢味一下就出来了。有个小发现值得单独讲：光斑写得越满越假，加一句soft scattered reflections反而更像真包厢，真实的光是会互相掺的，太干净就像贴图。灯球的光斑我一直拿碎糖纸打比方，撒在墙上，有亮有暗，有的大有的小，这才对味。改完这层，第四版就有点意思了，朋友的回复从问号变成了"哦？"。
拿话筒的手和嘴，重灾区
话筒离嘴越近，手指和嘴型越容易崩，让话筒保持"正在举起"的状态，别写贴在嘴边，成功率能高一半。这是我拿同一组人物词跑两个版本比出来的结论。
具体写法：holding a microphone mid-air, mouth open singing, candid moment。candid这个词别省，它是让人物"被抓拍"的关键，没有它，人物会摆出影楼式的假笑，手也端得笔直。翻车翻得最狠的一次，我写了close-up of singing into microphone，五张里三张手指多出一根，还有一张给无线麦凭空垂了根线下来，我盯着看了半天没敢跟朋友说。后来学乖了：要么半身构图让手臂自然挡住手部细节，要么干脆让人物侧身背对镜头，画面里只留灯球和一支举起的话筒，氛围反而最足。嘴型同理，唱到高音张大嘴的表情模型画出来容易狰狞，写成mid-laugh比singing loudly自然得多，笑到一半的人比嘶吼的人可信。
屏幕上的歌词字，别指望它写对
歌词屏一律让它虚化或只留反光，AI写中文字必翻车，英文也大概率乱码，这是模型的老毛病，跟你的写法没关系。认了这一点，这个场景就通了。
我用blurred lyrics screen, glowing screen light on the face，效果出乎意料地好。屏幕一虚，脸上那层冷光反倒成了整张图最真的部分，像隔着毛玻璃看字幕，含混，但气氛对了。最后用在请柬上的是第十九版：人物只占画面三分之一，大半留给灯球和虚掉的屏幕。朋友看了一眼说，这不就是上回咱去那家包厢。要的就是这句。所以你出图的时候别跟屏幕上的字较劲，那不是你写词的问题，是模型本身写不了字，力气省下来去调光，划算得多。
那张请柬早就发出去了。回看那晚的三十七张废图，毛病基本就三处：灯太实、手太近、字太真。卡拉OK场景说到底是个光的游戏，光分了层，人物就活，屏幕糊掉就收工。下次你出这个场景，先把三层灯写完再跑第一版，能省掉我前六版的弯路。
常见问题
我想拿"卡拉"当昵称做个专属头像，不走KTV路线可以吗？
可以，但别让AI直接画这两个字，文字必崩。先按普通头像出底图，比如一个戴耳机举话筒的卡通人物，字留到后期加，手机修图软件两分钟的事，还能随时换字体。
为什么我画的包厢总像会议室？
十有八九是灯的问题。检查提示词里有没有灯球光斑和彩色灯带，只有顶灯和桌子，模型就默认给你办公家具。把table换成sofa试试，家具词会带着场景一起走。
话筒总被画成有线的，怎么破？
写wireless microphone，一部分模型认。不认就换构图，让话筒只露出上半截，或者让手挡住话筒尾部，线没地方长，自然就没了。
人物表情好假，像摆拍怎么办？
加candid、mid-laugh、slightly blurry这类抓拍词，同时删掉portrait、posing这些词。摆拍感很多时候是你自己用词告诉模型的，模型只是照办。