ai模特生成指定动作精度实测：写左手给右手，方向词这样改才听话
别绕了，直接给结论：方向词按画面方位写，角度用图注词不用度数，幅度靠身体锚点。120张实测图里，三类指令的命中率从三成出头拉到八成以上，改法全在正文。
ai模特生成指定动作，难点全压在「指定」两个字上：你说左手，它给右手；你写45度，它给你转个大概。我的结论是方向词按画面方位写、角度用图注词表达、幅度锚在身体部位上，这三处改完，同一款工具的命中率能从三成拉到八成。
左手提裙摆，AI非给右手：方向词的翻车与改写
写「左手提裙摆」十张里七张给右手，改成「画面左侧的手」八张能对；方向词要用画面方位，不用模特朝向。2026年10月第二周，店里上新款茶歇裙，详情页要一张提裙摆的图。我拿「左手轻轻提起裙摆」跑了10张：3张是左手，6张提的是右手，剩1张两只手都规规矩矩垂着。第一反应是工具坏了，把图发给做设计的朋友，她一句话点醒我——观众看到的左边，是模特的右边。
这层关系理顺就通了：训练图注大多按观众视角标方位，咱们口头说「左手」默认指模特自己的左手，两边正好镜像。改写思路就一条，把模特朝向换成画面方位。「画面左侧的手提起裙摆」再跑10张，8张命中；「右肩挎一只草编包」换成「画面右侧的肩上挎包」，从7张变9张。同一天连测30张，规律没跑偏。
| 指令写法 | 10张命中 | 典型翻车 |
|---|---|---|
| 左手轻轻提起裙摆 | 3张 | 6张给了右手 |
| 画面左侧的手提起裙摆 | 8张 | 2张手悬空没碰到裙摆 |
| 右肩挎一只草编包 | 7张 | 2张包带跨成双肩 |
| 画面右侧的肩上挎草编包 | 9张 | 1张包跑出画面 |
补个观察：提、挎、扶这类手要贴道具的动作最吃方位词，不加就五五开；比心、叉腰这种纯手势，AI猜对的底子本来就不错。
回头角度写45度为什么没人理？
AI看不懂45度这种数字角度，回头角度要用摄影图注词表达：四分之三侧脸、侧身回头、回头看镜头，命中九成上下。角度这块我栽的跟头最多。「回头45度看向镜头」10张里没有一张是准的45度，6张接近正脸，3张快转到全侧，还有1张更绝：身体纹丝不动，只把眼珠子转过来了。那眼神说是回眸，不如说是警惕。度数是数学语言，图注里几乎不出现，模型自然没学过。
摄影圈那套约定词才是它接得住的表达：正面、四分之三侧脸、全侧、背影。换成「四分之三侧脸看向镜头」跑10张，9张符合预期；全身图用「侧身回头看向镜头」，8张命中，翻车那张头转到位了肩没跟上，像螺丝没拧紧。低头同理，「微微低头」给的角度忽高忽低，「低头看裙摆」拿道具当锚，10张里9张低到位。
幅度词不管用，锚点词管用
「轻微」「大幅」这类幅度词效果随机，把幅度锚在身体部位或参照物上：手抬到胸口、裙摆提到脚踝上方，十张能稳住八张。「大幅张开双臂」我跑出的10张，从平举到举过头顶乱跳，什么叫大幅，模型心里没谱。锚点词等于替它把尺子量好了：「双臂举过头顶」9张到位；「手抬到胸口」比「手抬到腰部」还略稳，10张对8张和对7张的差别，我猜是胸口在图注里出现得勤。
提裙摆的幅度也是一个道理。「轻轻提起」和「用力提起」出图看不出多大差别，「裙摆提到脚踝上方」这种带位置的写法8张能对。锚点越具体越稳，帽檐、胸口、脚踝这些身体参照，都比形容词靠谱。
三条规律拼成一条指令：顺序与取舍
动作、方位、幅度想一次全锁，先写动作再补方位和锚点，别夹风格词；全中率不到三成就拆成两次出图。拼装模板我压成一行：站姿，画面左侧的手将裙摆提到脚踝上方，四分之三侧脸看向镜头。10张里5张三项全中，3张中两项，2张只中一项。5张全中里挑1张直接上详情页，这个效率我满足了。
三个控制点叠一起时别贪，只保最影响构图的那一个。全中率低于三成，我拆两步走：第一遍只锁动作加方位，出个大概；第二遍用局部重绘把手部修到位。按我的套餐折算单张0.4元，一条指令死磕15张还没中就该停手改写法，15张也就6块钱，比无限roll划算。
我是给连衣裙店铺做详情页出图的运营，一天40张的量逼着把命中率当KPI算，这些数字全是2026年10月这一周一张张数出来的。丑话搁前头：生成的模特脸只管自家详情页用，别拿去冒充真人身份。
回到开头那句，「指定」难就难在咱们说的是人的话，模型读的是图注。方向换画面方位，角度换图注词，幅度换身体锚点，三处改完，翻车图能省下大半。下次出图前拿这三条把指令过一遍，比roll到手软划算。
常见问题
为什么AI总把左右搞反？
训练图注大多按观众视角标方位，跟咱们说「模特左手」的习惯正好镜像。先试画面方位写法，实在不行出图后水平翻转一下也能救回来。
负面提示词写「不是右手」有用吗？
有点用但别指望。我加过负向词，10张里救回两三张，手部还容易画糊，不如直接把正向描述改到位。
一条指令能塞几个动作？
两个以内比较稳。动作叠到三个，模特经常做出缝合感，手肘角度看着别扭，拆成两次出图反而快。
指定动作做视频也一样吗？
逻辑不一样，图靠指令，视频还要给首尾帧控制，我只实测过静态图，视频的命中率我不敢乱报数。
同一指令重roll多少次该停？
我的止损线是15张。15张还没出想要的，多半是写法的问题，回去改词比继续roll划算，也省钱。