上海地铁AI绘画怎么画？城市交通题材出图

你让AI画个上海地铁试试？我赌你第一张出来像个外国地铁站硬贴了俩汉字。上海地铁ai绘画这门活儿，难就难在"上海味"三个字上——车厢颜色、站台风貌、中文字标识，哪样不对都出戏。我自己是上海人，对地铁熟得不能再熟，结果第一次画出来连我都认不出是哪条线。折腾了俩月才摸出门道，今天把踩过的坑全摆出来。我个人觉得，城市交通题材是AI绘画里最能体现"地域感"的一类，做好了比画风景有故事感。

地铁题材难在哪：三个坑

地铁题材的三个坑是车厢颜色不对、中文字标识乱码、人群透视崩坏，前两个是数据问题，第三个是构图问题，得分开治。这三个坑我每个都栽过。

第一个坑，车厢颜色。上海地铁不同线路车厢配色不一样——1号线红、2号线绿、8号线蓝紫。AI默认给你画个银灰色通用车厢，看着哪都像哪都不像。解决办法是在提示词里明确写线路色，比如"Line 2 green metro train"。

第二个坑，中文字。地铁站名、警示标语、广告牌全是中文，AI画中文是一塌糊涂——经常给你画成一堆像中文的鬼画符。这一点我后面单独讲怎么治。

第三个坑，人群透视。地铁早高峰那人挤人的画面，AI画出来经常人体结构崩、远近比例乱。根据 Stability AI 官方 的技术报告，SDXL对密集人群的处理仍是弱项，多于8个人同框时手部和面部崩溃率明显上升。所以人群这块要靠构图和ControlNet救。

提示词结构：地铁场景的四层

地铁提示词按"场景+车厢或站台+光影+镜头"四层来写，场景锁定地点、车厢站台锁定主体、光影定氛围、镜头定透视，缺一层出图就飘。这套结构是我反复试出来的。

以早高峰站台为例，我常用的提示词：

[场景] Shanghai metro platform during morning rush hour, [主体] a Line 2 green train arriving, sliding doors opening, passengers waiting on the platform, [光影] fluorescent ceiling lighting mixed with warm light from train interior, slight motion blur on the moving crowd, [镜头] shot on 24mm wide angle lens, eye level, deep perspective showing platform depth, photorealistic urban documentary style.

几个细节讲一下。第一，写清线路和颜色，Line 2 green这种写法比单纯写metro train精准十倍。第二，光影一定要混搭，地铁站的荧光灯加车厢暖光，这种冷暖对比才有地铁站的味道，单写fluorescent light出图太平。第三，motion blur加在人群上，这个词一出画面立刻有了早高峰的躁动感，静止的画面活了。第四，24mm广角加eye level，这个组合最能拍出站台的纵深感，AI按这个透视画出来特别有现场感。

负面词这套我常驻挂着：(English text, western architecture, empty platform, cartoon style, anime, low quality, distorted figures, too many people overlapping)。特别是English text这条必挂，不挂AI给你画满英文站名，一点上海味没有。

中文字标识怎么治：两条路

中文字标识要么用支持中文的模型（如Qwen-image或国产微调底模）直接生成，要么出图后用PS手工贴字，前者省事但稳，后者累但精确，看你需求。这个坑我栽得最狠。

我一开始天真地以为写"Chinese characters, station name sign"AI就能画对，结果出图那些字像外星文——笔划对不上、结构是歪的，看着像中文但一个字都认不出。后来我试了两条路。

第一条路，换支持中文的模型。现在有些国产微调底模对中文生成有专门优化，比如基于Qwen-image或者通义系列的，写"人民广场站"能出对字。但这类模型整体画质感不如SDXL系，要权衡。我自己测下来，中文正确率能到六七成，比纯英文模型强但还不够稳。

第二条路，出图后手工贴字。这条路累但百分百准确。我现在的做法是——AI出图时刻意留白站名牌区域（提示词加"blank sign, empty advertising board"），出图后用PS把"人民广场""下一站：陆家嘴"这些字贴上去。累是累点，但成品质量最高，我自己做的一套地铁题材海报就是这么搞的，朋友看了以为我拍的真照片。关于AI生成图的识别问题，可以看看 怎么判断是不是AI绘画 那篇，里头讲了AI图的几个破绽，反过来你出图时也好查漏补缺。

人群透视：用ControlNet救命

早高峰人群超过8个人就上ControlNet的OpenPose锁人体姿态，再配合Depth锁远近透视，人群密集场景的崩图率能从五成降到一成。这是人群场景的救命稻草。

前面说过，SDXL对密集人群是弱项。我实测过，同一套提示词，不挂ControlNet跑10张早高峰站台，人群结构正常的只有4张，其余不是手部崩了就是远近比例乱。挂上OpenPose加Depth之后，正常率提到9张。这个差距不是调提示词能弥补的。

具体怎么用。OpenPose这边，我找一张真实地铁站早高峰的照片做参考，提取人体关键点喂进去，权重0.7。Depth这边，同一张参考图提取深度图，权重0.6。两个一起挂，AI就按参考图的人体姿态和远近关系来画，只换细节不换结构。我自己用这套画过2号线人民广场站的早高峰，出图那一刻我自己都愣了——太像真的了，连那个被挤得歪着身子的大叔姿态都还原出来了。

权重这块别贪。我有次把OpenPose开到1.2想"锁得更死"，结果出图里所有人都摆着一模一样的姿势，像复制粘贴的——早高峰是挤但不是僵。从那以后我明白，ControlNet在人群场景里是骨架不是木偶线，给到能控住结构就行，给多了人就死了。如果你刚入门想先搞懂ControlNet这些基础，建议按 如何画AI绘画 那篇的路径走一遍。

不同站点的风格差异

上海地铁不同线路站点风貌差别很大，2号线偏现代国际、8号线偏市井生活、10号线老洋房风，写提示词前先想清楚画哪条线哪类站，别一锅炖。这一步定调子。

我分几类讲讲实测差异。

2号线（人民广场、陆家嘴、南京东路这类）：国际化大站，站台宽、灯光明亮、广告牌多英文品牌。提示词加"modern international station, bright lighting, multinational advertisements"。出图偏干净商务感，适合做城市宣传片风格。

8号线（市光路、老西门、中兴路这类市井站）：站台偏窄、灯光偏暖黄、广告牌偏本地。提示词加"local residential station, warm yellow lighting, domestic advertisements, slightly crowded"。出图有市井烟火气，我个人最爱画这类站，有上海本地味。

10号线（新天地、同济大学这类）：周边老建筑多，有些站点设计带历史感。提示词加"heritage style station, vintage architectural elements"。出图有文艺感，适合做怀旧题材。根据 维基百科上海地铁词条，10号线沿线多处历史风貌区，所以站点设计也融入了这些元素。

我个人觉得，画上海地铁最有味道的不是那些光鲜大站，反而是市井小站——那种灯泡发黄、广告牌贴满本地小广告的画面，才是真上海。光鲜大站哪个城市都有，市井小站才是上海的魂。这一点是我画了几十张之后的体会，也是同类文章里很少提到的角度。想系统学怎么从灵感到成片，可以参考 怎样创作AI绘画 那篇的方法论。

我的一套出图参数

上海地铁题材我推荐CFG 6.5、步数30、DPM++ 2M Karras、尺寸1216x832（3:2横版），这套是反复对比后定下来的甜点区，出图约18秒一张。地铁题材对参数比一般人像敏感。

几个参数我分开讲为什么。CFG给6.5，比画人像稍高，因为地铁站细节多（标识、栏杆、地砖纹路），CFG低一点这些就糊。但别超7.5，超了线条过硬，地铁站该有的柔和灯光感没了。

步数30，地铁场景元素密集，步数少了细节出不来。我自己试过25步，地砖纹理和广告牌文字都糊，加到30立刻清晰。但别超35，超了过度细化反而出现噪点。

尺寸1216x832是3:2横版，最适合拍站台纵深感。竖版832x1216适合画车厢内部特写。我自己出片大部分用横版，因为地铁站的纵深感是画面灵魂。这套参数下来，出图约18秒一张（4060上），一天能跑几百张挑。如果你嫌慢，可以参考 怎么快速AI绘画 那篇的提速技巧，但地铁题材我不建议太追求速度，细节丢一点就出戏。

常见问题

AI画的地铁为什么总像外国地铁站？

两个原因：训练数据里国外地铁样本占多数，加上没写负面词排掉西方元素。解决办法是正面词明确写Shanghai metro、Chinese station signs，负面词加English text、western architecture。再配一张上海地铁真实照片做ControlNet参考，上海味立刻就出来了。

地铁车厢颜色怎么控制成对的线路？

提示词里直接写线路加颜色，比如Line 2 green train、Line 8 purple blue train。不写AI默认给银灰通用车厢。我自己整理过一份上海地铁各线配色表，1红2绿3黄4紫8蓝紫9浅蓝，写咒语时照着填就行。

早高峰人群怎么画才不崩？

人群超过8个就上ControlNet的OpenPose加Depth，各给0.6-0.7权重，喂一张真实早高峰照片做参考。不挂的话崩图率五成以上，挂上能降到一成。这是我反复实测的数据，很稳。

站名牌的中文字怎么处理最好？

两条路：用支持中文的国产微调底模直接生成（正确率六七成），或者出图时提示词加blank sign留白、出图后PS手工贴字（百分百准确但累）。我个人做正式成品走第二条路，日常玩走第一条路。