模特ai生成指令别堆形容词：我把口令拆成三段，废图率从七成压到两成
模特ai生成指令的关键不在词多，在分段：锁人、服装、场景三段各管一件事，出图才稳。我拿店里同一条针织裙跑了两周，废图率从七成压到两成。你先做的不是抄模板，是把自己的实拍图按人、衣、景拆开归类。
模特ai生成指令最该改的习惯，是把形容词一股脑塞进一句话里。我做女装五年，去年十月开始用AI给店铺出模特图，头一周废了七十多张，罪魁祸首就是那条五十多个词的长口令。后来我把口令拆成三段，废图率掉到两成，这套拆法下面直接摊开讲。
一条口令塞满形容词，为什么越写越废
AI读指令是顺着抓重点的，形容词混作一团，它就自己挑着理解。拆成锁人、服装、场景三段，每段只管一件事，脸和衣服才不乱跑。这不是玄学，是我拿废图一张张对比出来的规律。
头一周我的口令长这样：「一个漂亮年轻的亚洲女模特，高级感，时尚杂志大片风格，8K超高清，穿着深绿色针织连衣裙，影棚灯光，微笑，全身照」。数了数，五十一个词。出来的图每张脸都不一样，有一张连裙子颜色都从墨绿跳到了薄荷绿。
说实话我当时以为多给点描述总没坏处，像交代新来的实习生，怕他漏了就多叮嘱几句。后来把废图全摆在地上对比才发现，真正影响成片的信息就三类：人是谁、衣服什么样、在什么光下拍。剩下的全是噪音，AI不光不照做，还会拿它们自由发挥。
这就像去餐厅点菜，你说「微辣、少油、不要香菜」就够了。非要说「要好吃、要精致、要让我惊喜」，厨师只能猜。AI猜起来，比厨师野多了。
我现在在用的三段式口令模板
锁人段写死脸型、发型和体型，服装段按款式、面料、颜色、版型排好，场景段只留光线和姿势，三段之间用句号隔开。每段就是一句话，超过两句就该删了。
直接贴我给店里那条针织裙用的口令：「25岁亚洲女模特，圆脸，黑长直，身高165，身材匀称。穿着深绿色坑条针织连衣裙，圆领，长袖，裙长过膝，面料垂坠。浅灰影棚背景，柔光从左前方打，单手自然下垂。」四十个词上下，没有一句废话。
有个细节，不真跑几百张注意不到：词的位置就是权重。我把「坑条针织」四个字紧贴着「连衣裙」写，面料纹理出错的次数从十张里五张降到一张。早先我把「垂坠感」放在整句开头，AI直接给裙子加了风，裙摆飘起来，直筒版型全跑了。
| 口令写法 | 废图率 | 一晚定稿张数 | 单张返工时间 |
|---|---|---|---|
| 形容词堆砌，50词上下 | 七成 | 2张 | 8分钟 |
| 短句罗列，不分段，35词 | 四成 | 5张 | 5分钟 |
| 三段式，40词 | 两成 | 9张 | 3分钟 |
出图速度三种写法都是二十秒一张，差别全在返工上。按一晚出40张算，三段式能帮我省下一个多小时，够我多理两款新品的主图。
出图不对时，先查段别再动词
脸崩了改锁人段，衣服走样改服装段，光线姿势不对改场景段，一次只动一处，连出4张再下结论。顺序对了，调口令比调参数管用得多。
我试过一次同时改三个地方，出来四张全变了，根本判断不出是哪个词起效。所以给自己定了规矩：一次只改一个词。下面四个坑，都是这么一条条试出来的。
坑一，写「韩国模特」。脸是好看，裙子的版型也跟着变韩系，腰线往上提了一截，我的裙子明明是低腰剪裁。改成只描述长相、不写国籍，版型立刻听话。想留一点韩系妆感，就把国籍词挪到整条口令的最末尾，影响小很多。
坑二，「8K高清」这种词我全删了。加上它，针织面料反光过曝，坑条纹路像打了蜡。换成「哑光质感」四个字，纹理立刻回来。质感要什么就写什么，别指望画质词顺便帮你带。
坑三，姿势词写「叉腰」，出了两张两只左手的图。改成「单手轻提包带」这种带道具参照的写法，手就没再错过。给AI一个参照物，比形容动作本身管用。
坑四，全店想用同一张脸，就把锁人段单独存成固定文本，每次只换服装段和场景段。三个月下来店铺主图是同一张脸，有回头客私信问我们是不是签了专属模特。账也算过：实拍均价80一张，AI这边摊上会员费一张合6块，一个月省下四千多。这笔细账我在另一篇里拆过：淘宝ai试衣模特实测：一位女装店主把单款拍摄成本从80元压到15元。
回到开头那条五十一个词的长口令，它的问题不是写得差，是把所有决定都丢给了AI。拆成三段之后，脸、衣、景各有各的岗位，出了错也知道该找哪一段算账。你现在就可以打开自己销量最好的一条链接，把详情页里的实拍描述按这三段抄一遍，先跑十张看看废图率。
常见问题
模特ai生成指令写中文还是英文好？
我用国产工具基本全写中文，语义理解没有打折，出错的多是写法而不是语言。用海外模型跑对比组时才切英文，同样的三段结构直接翻过去，稳定性差不多。
换一个服装品类，口令要全部重写吗？
不用。锁人段原封不动，场景段只换背景和光位，只有服装段要按新品类重排。比如针织换真丝，面料词就从垂坠改成光泽和垂感。我每上一个新品类，大概花二十分钟调稳。
同一条指令出几张才算验证过？
我定的是4张。一张可能是碰运气，4张里有3张稳定，这条口令才算过关。调词的时候别贪多，一口气连出8张，反而是浪费额度。
指令里加「高级感」「氛围感」这类词有用吗？
用处很有限，还容易把画面带偏。我实测它们对应不上具体的视觉特征，AI只能瞎猜。想要高级感，不如写具体：低饱和配色、侧逆光、极简背景，一个实词顶三个虚词。