AI绘画相对什么才显大？参照物选对，比例失调一次纠正
先找参照，再谈大小：AI绘画相对参照物成立，画布上没有凭空的"大"。依据是模型按语料里的常见构图凑比例，你不给刻度它就按平均值来；边界在于冷暖色调吃的是同一套逻辑，离开对比谈暖色没有意义。读者先做的：给下一张图指定一个带明确尺寸的参照物，把倍数写进提示词。
AI绘画相对参照物才能定出大小，这是它和手绘最不一样的地方。画布上没有天然的"大"，一棵树显得大，是因为旁边站了个人。你丢给模型一句"一棵巨大的古树"，它脑子里其实没有刻度，只能照语料里最常见的构图凑——凑出来的多半是公园景观树的体量。
先找参照。这个习惯是我被八张废图教育出来的。那天我想要"人站在千年古树下的震撼感"，连出八张（每张约15秒），六张里树高不到人的五倍，其中两张人和树几乎同高，站姿还很亲密，像在拍合影。树没了。震撼感更没了。
问题不在模型笨，在我没给它尺子。下面三节，就讲这把尺子怎么递过去。
为什么不给参照物，AI就把古树画成灌木？
模型不知道古树该多高，只能按语料里的常见构图凑，人和树容易肩并肩。解法是把倍数写进提示词，再塞个门框或台阶当第二把尺。
你可以把模型理解成一个没见过真古树的实习生。你说"巨大的树"，他按照片墙上的平均值交作业；你说"树高约是人的十七倍"，他至少知道要抬头画。数字比形容词管用，"巨大""参天"这类词是弱信号，出现一万次也压不过一张人和树同框的普通合影。
我后来把提示词改成这样：树干粗到十个人手拉手才能合抱，人站在树根旁只够到第一个树瘤的高度，树冠撑满画面顶端还往外溢。同一批八张，七张的树终于有了该有的体量，剩下那张跑去了仰视角度，树冠出画了——但至少没人再把古树当灌木。真实古树能长到三十米上下，人一米七，倍数差不多就是十七八倍，这个账可以先在心里算一遍再动笔。
还有一招是让模型自己"看见"小。在描述人物时压低他的存在感：tiny figure、dwarfed by the tree。角色一缩小，树不用改一个字，画面的比例关系立刻就对了。这招对场景图尤其好用，算是白捡的便宜。
我选参照物的顺序：人物、门框、台阶、车辆
参照物优先选观众心里有刻度的东西：人第一，门框台阶次之，车辆第三。尺度越日常，读者对画面的判断越准，模型也越不容易画崩。
这套顺序不是拍脑袋来的，是我一张张废图喂出来的经验。人物自带刻度，谁都清楚一米七大概多高；门框和台阶是建筑给的，两米的门、十五厘米一级的台阶，观众不会算错；车辆次之，因为车型差异大，皮卡和轿车差出一截。放个表说清楚：
| 参照物 | 好用在哪 | 容易翻车的地方 |
|---|---|---|
| 人物 | 人人自带刻度，倍数关系最好写 | 人多时头身比会漂，小孩尤其容易失守 |
| 门框 | 高度预期固定，两米上下 | 奇幻风里拱门常被画得离奇高大 |
| 台阶 | 层层递进，能拉出纵深 | 台阶数量容易被画错，出现巨人台阶 |
| 轿车 | 城市场景顺手就有 | 和巨兽同框时，车容易缩成玩具 |
骑马是我踩得最狠的一个坑。马肩高大约一米六，成年人头顶一米七上下——正常情况下，骑手坐上去，脚大概垂到马肚子附近。我第一版提示词啥也没写，出图里马背比站在旁边的人还高，人骑上去像骑在二层小楼上，马腿还被多画了一条。后来我把尺寸关系直接写进去：马背只到站立者胸口，人才算归位。这段的完整踩坑记录我单独整理过一篇（ai 绘画骑马总崩马腿？先弄懂四蹄相位再动笔），马该多高、腿怎么摆，那边写得更细，这里不占篇幅。
顺手说一句跑题的：参照物别贪多。一张图里塞两把尺就够，三把以上模型开始打架，一会儿人偏大一会儿门偏小，改到最后一处另一处又崩。克制点。一个主参照加一个次参照，稳。
冷暖也是相对的：画面里没有天生的暖色
冷和暖同样靠对比成立。同一块橙色，丢在深蓝夜色里会发亮，贴着大片红色就闷掉。调色时先定主调，再让主体色和主调拉开温差。
比例的道理换到颜色上一样通。暖色像嗓门，全场都在喊，就等于没人喊。我出过一张黄昏小镇，整批图全是暖橙调，路灯、窗子、天空一齐发暖，主体那盏灯愣是找不出来。后来只改了一处：把整图往蓝灰里压，色温冷下去两档，只给灯窗留一小块橙黄。就那一小块，亮得像黑屋里划的火柴，那张图的停留数据比同批其他图高出一大截。
反过来也成立。雪原是冷调底子，一团深蓝的羽绒服站上去照样跳，因为蓝和蓝白之间还隔着饱和度与明度两层温差。所以别死记"主体用暖色"这种口诀，先问自己：画面的主调是什么？主体和主调之间差了几档？差得够不够？
写提示词时的落点是：给环境定一个明确的色调词，再给主体一个相反方向的色调词。两个词之间的落差，就是画面的张力所在。
回到开头那句：画面里的"大"是相对出来的，冷暖也一样。模型不会替你定刻度，你不递尺子，它就按平均数凑一个交差。下一次出图前，先想清楚让什么东西当参照，再把倍数和温差写明白——这一步做完，比例失调的问题能少掉一大半，剩下的才是真正的抽卡。
常见问题
画面里不出现人物，还有办法定比例吗？
有。用建筑构件当尺：门约两米，栏杆约一米，电线杆八米上下，砖缝十五厘米左右。纯风景就用路和树影，路宽按双人错肩估两米半。尺子不挑形状，挑的是观众心里有没有数。
写"巨大的"和写倍数，差别真有那么大？
我自己的对比结果：纯形容词的命中率大概两三成，倍数加参照物能到七成以上。但倍数别堆，一句话里塞三四个数字，模型就开始互相打架，取一两个关键倍数最稳。
比例对了，为什么看着还是假？
多半是透视和落地没跟上。远处的树该按近大远小缩，缩不到位就像贴片；物体和地面的接触点没有阴影，再准的比例也像悬浮着。查比例之前，先查影子。
冷暖对比是不是主体一定要用暖色？
不一定，方向可以反过来。冷底子上暖色块跳，暖底子上一小块冷色照样跳。要的不是暖，是温差，主体和主调拉开两档以上就够用。