AI绘画现代女性形象生成方法

AI绘画现代女这块我折腾了大半年。一开始生成的图怎么看都像广告模特，皮肤光滑到反光，眼神空洞得像在发呆。后来才反应过来，问题不在模型，是我提示词写得太假。这篇把我现在能稳定出图的法子讲明白。

现代女跟古风女到底差在哪

差在质感，不在五官。古风女要的是飘逸、留白、氛围感，现代女要的是真实、细节、生活气。你给古风女画个油光发亮的皮肤没问题，现代女一油光就假。

我犯过最蠢的错，是把古风那套"清冷、仙气、出尘"全搬到现代女提示词里，结果出来一个穿着西装打坐念经的怪人。现代女的灵魂是"她今天刚下班，有点累但还在笑"这种具体状态，不是抽象气质。

所以写提示词前先想一个问题：她现在是几点？在哪儿？刚干了什么？这三个问题答完，人物自然就立住了。

提示词怎么写才像真人

核心是皮肤和光，不是五官。真人感的密码在"不完美"，毛孔、眼下细纹、发丝毛躁这些细节才是活人。

我现在常用的模板长这样：

a modern young woman, 25 years old, standing in a cafe at golden hour, wearing an oversized beige sweater and silver hoop earrings, natural skin with visible pores, subtle under-eye shadows, messy hair strands, soft side light from window, shot on 85mm lens, f1.8, shallow depth of field

几个关键点拆开讲。beige 比 white 好，因为米色比纯白更有生活感。oversized 这个词比 loose 更准，它直接定义了版型。silver hoop earrings 这种小配饰千万别省，AI 生成人物一没配饰就像假人。

光的方向也得写。soft side light 比 soft light 强十倍，因为模型知道光从哪来，阴影往哪走，立体感就出来了。我自己测试过，加 light from window 比不加，出片真实度能提升一截，肉眼可见的差别。

想往深里抠镜头参数，可以看这篇AI绘画镜头参数设置，里头把焦段、光圈怎么影响人物讲透了。

不同场景的提示词怎么调

场景决定光，光决定氛围。同样一个现代女，放咖啡馆和放地铁里是完全两套参数。

咖啡馆是暖光、慵懒、慢节奏。地铁是冷光、疲惫、快节奏。我试过把咖啡馆那套提示词直接换背景词，出来的图违和到不行——人在地铁里笑得跟度假似的。后来明白，换背景必须连光一起换，warm window light 换成 fluorescent ceiling light，整个人气场就对了。

列几个我常用的场景光组合，你直接拿去试：

街拍——harsh sunlight, strong shadows, busy street background
办公室——cool fluorescent light, modern office, laptop on desk
傍晚公园——golden hour backlight, lens flare, autumn leaves
雨天——diffused overcast light, wet reflections, holding umbrella

说到街拍，AI绘画现代女生那篇写过街拍的具体构图，可以连着看。我个人觉得街拍是最容易出效果也最容易翻车的，光一硬，脸上的瑕疵全冒出来，这时候反向提示词里得加一句 smooth out blemishes but keep pores。

反向提示词别随便抄网上的

反向词要针对你自己的翻车点写。网上那些通用反向词表我全用过，效果一般，因为它们治的是大众病，不是你的病。

我翻车最多的是手部畸形和牙齿奇怪。所以我的反向词里手和牙的权重给得很高：extra fingers, deformed hands, bad teeth, unnatural smile, plastic skin, overexposed, cartoon style。其中 plastic skin 这个特别管用，AI 现代女最容易出"塑料感"，这个词一加，皮肤立马往真实方向走。

根据 Stability AI 官方文档的建议，反向提示词控制在 30 个 token 以内效果最好，塞太多反而会让模型混乱（参考 Stability AI 官网的提示词指南）。我一开始不信邪，反向词写了七八十个，结果出图质量断崖式下跌，后来砍到二十多个反而稳了。

采样器和步数怎么搭

DPM++ 2M Karras 配 30 步是我的舒适区。这个组合出图速度和质量的平衡点最好，现代女这种写实题材尤其合适。

我用的是本地跑的 Stable Diffusion，显卡 4060，1024 分辨率出一张大概 18 秒。Euler a 也试过，快是真快，12 秒搞定，但人物细节糊，皮肤质感出不来。DDIM 慢得离谱，45 秒一张，质量跟 DPM++ 差不多，没必要。

CFG scale 设 7 比较稳，低于 5 人物会走形，高于 10 开始过曝发灰。这个数值没有绝对标准，但你得记住自己出问题时的设置，下次才能避坑。

要是你电脑扛不住本地跑，国产AI绘画平台里几个网页版的也够用，现在即梦、可灵这类工具的写实人物已经做得很不错了。

出图后要不要修

要修，但只修两个地方。一是眼睛的高光位置，AI 经常把双眼高光画歪，看着像斜视。二是手指数，多一根少一根是常态。

我一般用图生图把这两块局部重画，重绘幅度调到 0.5 左右，只动要修的区域。千万别全图重画，会把好不容易出对的光线和质感毁掉。

说实话，修图比生成还费时间。一张图生成 18 秒，修图可能要折腾 10 分钟。所以前期提示词写到位、多抽几次卡，比后期死磕修图划算得多。我现在的原则是，连抽 5 张里没有一张能用的，就改提示词，别硬修。

常见问题

现代女为什么总是笑得很假？

因为提示词里写了 smiling 或 happy。真人很少无缘无故笑，改成 gentle relaxed expression，或者直接写 thinking with a faint smile，立刻自然。AI 对笑容的理解很夸张，你给一个 smiling，它给你一个牙科广告。

生成的现代女总是亚洲脸怎么办？

在提示词里明确写 asian young woman 或者不写人种让它随机都行，但很多人卡在"想要欧美脸却出亚洲脸"。解决办法是加上具体特征，比如 freckles, green eyes, wavy auburn hair，特征一具体，人种倾向就跟着走。

能不能用一张真人照片当底图生成？

可以，用图生图功能，重绘幅度 0.3 到 0.4 之间，能保留原图骨架的同时换风格。但注意，用别人照片有肖像权风险，建议用自己拍的或者免版权的素材。涉及真人脸的生成，DALL-E 这类商用工具限制更严，本地模型自由度大但要自己把关。

出图分辨率多少合适？

1024×1536 竖图最常用，手机壁纸和人像都够。想要打印就得放大到 2048 以上，用 Tiled Diffusion 放大，细节不丢。直接高分辨率生成会更慢且容易出重复纹理，不建议。

写到这儿差不多把我的踩坑经验倒干净了。AI绘画现代女这事，说白了就是跟"假"字作斗争，提示词每一处都在把模型往真实那边拽。你要是也折腾出什么好用的提示词或者翻车故事，欢迎在评论区丢出来，大家互相抄作业。觉得有用的话转发给也在玩AI画图的朋友，少走点弯路。