AI绘画计数总翻车？多人数量提示词的写法
一句话版本：AI绘画计数靠三招压住——数量词写准写靠前、三人以上分主次、大场面分批出图再合并。模型数不对不是玄学，是提示词结构问题。照这个顺序调，多人图能少跑一半废片。
AI绘画计数是很多人栽过跟头的坑：提示词里写五个人，出图七个；写三个人，出来四个半——第四个只画了半截身子。你要是也遇到过，问题不在模型太笨，在数量信息被埋没了。
我在杭州做电商详情页外包，常给客户出「三人举产品」这类多人场景图。2026年8月接了个茶饮品牌单子，要一张店员三人组的标准图，我连跑四十多张都数不齐，最离谱的一张出了六个店员，多出来的还都挺自然，挑不出毛病就是多。逼得没办法，我花了两个晚上把人数控制这条路子摸了一遍，以下都是那两晚的实测结果。
数量词要写准、写靠前
数量控制第一原则：准确数字放提示词开头，人物关系跟在后面。「three women standing together」比「很多小姐姐站在一起，大概三个」管用得多，模型对开头的权重更高。
先把写法拆开看。数量词得用阿拉伯数字或英文数字，写成「3 people」或「three people」都行，但别写成「a few」「several」「some」，这些模糊词在模型眼里等于「随便多少人」。数量短语最好落在提示词前三分之一的位置，我在本地跑 SDXL 测试，同样一句，数字放开头的人群图点数命中率大约七成，放句尾掉到四成出头，差距很清楚。
第二，数字只出现一次。提示词里前面写「three」，后面描述里又蹦出「a group of」，模型会被带偏。整段通读一遍，把所有可能引起数量歧义的词清干净。
第三，人物要有区分度。三个人全写「a woman」，模型容易把特征融合，甚至把三个人并成两个人。写成「three women: one in red apron holding a tray, one in green uniform at the counter, one in blue shirt behind the register」，各自有身份有动作，模型想数错都难。想知道多人同框更系统的排法，可以看这篇 AI绘画很多人同框怎么画？群像场景出图，站位和视线引导讲得比较全。
人一多，分批出图再合并
超过五个人，别指望一次生成点得清。分批跑、裁开、合并，是现在唯一稳定的做法。大场景按前后景拆开，每批控制在三到四人。
我的做法是把画面按景深拆：前景主体一批，中景一批，远景气氛人群一批，每批单独生成，再在 PS 里拼合加统一调色。远批的人数就不用较真了，虚化掉，观众点不清也不在乎，要数清楚的永远只有前景那几个。
2026年9月我用这个法子给客户出过一张十人合影场景：前三后四中景三，分三批出图，每批平均跑 12 张挑 1 张，总耗时一个半小时，比单次硬跑省了至少一半时间。单次硬跑那条路我也试过，二十张里没有一张能点清十个人，最高的记录数对过一次九个，那张还有个人的手是六根手指。这笔账算下来，分批不是技巧，是刚需。
对比一下三条路的实际表现：
| 做法 | 人数命中率（我实测） | 适用范围 |
|---|---|---|
| 单次生成，数字放开头 | 三人内约七成，五人以上三成 | 二到四人小场景 |
| 单次生成，加人物身份描述 | 四人内约八成五 | 三到四人有角色区分的场景 |
| 分批出图后合并 | 前景可控，接近十成 | 五人以上大场面 |
当然，分批合并要求你会一点抠图和调光，纯小白上手要花点时间。要是只想出三四人的小图，不值得折腾，把数量词写好就够了。
数完不对，怎么修
人数不对先判断错的类型：多一人用重绘蒙版抹掉，少一人用外扩补画，位置不对才整张重跑。修之前先点清楚错在哪。
多人的情况最好办。用局部重绘把多出来那个人蒙住，提示词里只写背景内容，比如墙面、桌子、植物，重绘幅度给到 0.6 以上，让模型把人「擦」成背景。我修掉过加位顾客，边缘用羽化 15 像素，客户没看出来。
少人就反过来，用外扩（outpainting）往空的方向补，新补区域提示词里明确写「one more person」。位置不对、人挤成一团的情况就别修了，那是构图问题，修比重跑贵。
还有一个省事的偏方：能换人数就换人数。三人说不清就改成「a couple」或者「a group of people」，模糊化处理，模型反而自在。客户对人数没有硬要求时，我基本都这么糊弄过去，效果没人挑出问题。突然想到，这招本质上是把计数题变成氛围题，能躲就躲，不丢人。
那张茶饮图最后定稿，客户问我是不是找了三个真人拍的。我没解释，钱照收。多人图的计数问题，说白了就是把模型当不识字但听话的助手使——话说得越死板越清楚，它办得越稳。下次跑多人图，先把数字写死，再想想要不要分批。
常见问题
为什么提示词里写了准确数字还是数不对？
先检查数字是不是被埋在长句尾部，再排查有没有「a group of」「crowd」这类模糊词打架。都排除了还不行，多半是人数太多，超过四个就该考虑分批方案了，这是模型本身的能力边界，调提示词救不回来。
「a group of people」和准确数字有什么区别？
前者让模型自由发挥，通常出五到十人不等，适合远景气氛和虚化人群；后者是硬约束，适合需要点数的前景主体。一张图里两者可以混用：前景写准数，背景写模糊，各司其职。
重绘蒙版擦多余的人，总留一点残影怎么办？
把蒙版范围扩大到那人周围的背景，重绘幅度提到 0.7 左右，让背景整块重画而不是只改人形轮廓。残影通常是幅度不够、模型只做了一点局部变形造成的。
数人对着图点，AI 自己能帮忙数吗？
可以。把图丢给多模态模型让它数前景人数，我试过识别率不错，明显的人形都能点出来，虚化和遮挡严重时会报不确定。当成快速质检工具够用了，省得自己一张张数。