AI绘画合照咒语怎么写？多人场景的提示词技巧

ai绘画合照咒语，说白了就是教AI怎么把几个人安安稳稳塞进一张图里别出岔子。这事听着简单，画过的人都知道有多折腾。单人图AI已经能闭眼出好图了，可人数一旦超过两个，手开始乱长、脸开始崩、两个人莫名其妙黏在一起——合照是AI绘画里公认的高难区。

我自己踩这个坑踩了快半年。最早想给小说角色画张三人合影，提示词随便堆了三个人的描述，出来的图三个人的手互相穿透彼此的身体，脸也串了——左边那张长着右边那个的五官。后来系统研究了几百次出图，才算摸到门道。这篇就是那几百次出图的总结，能让你少走我走过的弯路。

合照为什么是AI绘画的高难区

原子答案：AI画单人时所有注意力集中在一个主体上，画多人时注意力被分散，模型会在人物之间"串台"——把A的衣服画到B身上、把C的脸部特征挪给A，人数越多串台越严重，这是训练数据结构决定的，不是提示词能完全根治的。

理解这个原理很重要，因为它决定了你的策略——不是要"消灭"串台，而是要"控制"它。单人图你可以让AI自由发挥，合照你必须用提示词给每个人画清晰的边界，让模型知道"这是三个不同的人，别搞混了"。

具体表现几种：第一，脸部串台，三个人长得越来越像，最后像三胞胎；第二，服装串台，描述里A穿红裙B穿蓝裙，出来全穿成了紫裙；第三，肢体串台，最离谱，A的手长在B的肩膀上，C的腿跟A的腿焊一起；第四，表情串台，描述里一个笑一个哭，出来全哭或者全笑。这四种里肢体串台最致命，也最难修。

合照咒语的核心写法：分层描述

原子答案：合照提示词要把每个人单独成段描述，用明确的编号或位置词区分（left、center、right），每个人物描述包含外貌+服装+动作+表情四个维度，不要把所有人的描述揉成一坨，揉成一坨必串台。

这是合照咒语最核心的一条。我跑通的模板长这样：

"a group photo of three people standing together,
on the left: a young woman with long black hair, wearing a red dress, smiling brightly, holding a book;
in the center: a tall man with short brown hair, wearing a white shirt, looking serious with arms crossed;
on the right: a teenage girl with twin braids, wearing a blue hoodie, laughing, waving her right hand"

关键看几个点。第一，位置词（left/center/right）不是装饰，是给AI的空间锚点，没有它AI会把三个人叠在一起或者排成一条诡异的直线。第二，每个人物的四维描述要"完整且差异化"——如果三个人都写"smiling"，串台率飙升，所以哪怕你想要三个人都笑，也建议写成smiling/grinning/laughing这种近义但不同的词，骗过模型的串台机制。第三，动作描述要带"哪只手"（waving her right hand），不然AI经常把左右手画反或者直接画三只手。

说实话这条技巧是试出来的不是想出来的。我之前以为把人堆一起描述AI能理解，结果被教做人。关于单人描述的精细化思路，AI绘画头像描述词怎么写那篇讲得细，合照里每个人其实就是在写一个"头像描述"，然后把几个拼起来。

人数上限和怎么突破

原子答案：当前主流模型3人合照最稳，4人开始明显降质，5人以上几乎必崩，突破方法不是堆人数而是"分批出图+后期合成"，或者用ControlNet约束每个人位置。

这是我反复实测的结论。3人是舒适区，提示词写得好基本能稳出。4人是个坎——我开始明显感觉到模型在"应付"，脸部细节下降、手部出错率上升。5人是灾难区，不管提示词写多细，至少有一个人会崩（要么脸糊、要么手畸形、要么直接半透明跟别人重合）。

所以5人以上的合照，我现在的做法是分两组出图：先出一张3人合照，再出一张2人合照，背景和光线描述保持完全一致，然后后期用Photoshop合成。这个方法虽然麻烦但出图质量稳定，比硬让AI画5个人靠谱太多。关于后期合成和图像处理，可以配合看AI绘画转视频指南，里面有不少多帧素材处理思路是相通的。

如果非要用AI一次性出多人，ControlNet的OpenPose是利器——你先用骨骼图把每个人的姿势和位置摆好，AI就只能在框框里画，串台率大降。缺点是要自己摆骨骼，有一定操作门槛。Stability AI的官方文档里对OpenPose有说明，可以去Stability AI查。

肢体冲突和手部错误的规避

原子答案：合照里手部出错高发，规避方法是减少手部描述数量、把手藏起来或做简单动作、反向提示词强杀多余肢体，三招组合用手部出错率能从七成降到两成。

手是AI画合照的重灾区。两个人站一起，四只手能被AI画出六七只，还互相缠绕。我的应对三板斧：

第一，减少手部暴露。能不画手就不画。提示词里写"hands in pockets""holding hands behind back""arms around each other's shoulders"这些把手藏起来或固定住的描述，比让手自由活动安全得多。第二，简单动作。要画手就给最简单的动作——挥手、叉腰、抱胸，别写"一只手摸着下巴另一只手拿着书"这种复杂组合，必崩。第三，反向提示词。合照的反向提示词一定要加这些："extra hands, extra fingers, merged bodies, conjoined twins, extra limbs, bad anatomy, deformed hands, mutated fingers"。这一串我每次都加，不加的话出图翻车率明显高。

有个真实对比数据：同一组3人合照提示词，不加反向词出10张里有7张手部有可见错误，加了之后降到2张左右。这不是玄学，是反复验证的。关于反向提示词的系统用法，SD提示词合集里有完整清单，建议存着随时查。

站位与构图的咒语技巧

原子答案：合照构图的咒语核心是明确站位关系和视线方向，用"standing in a row""forming a triangle composition""looking at camera"这类词锁定空间结构，不写构图词AI会自由发挥出各种诡异站位。

合照构图最怕两种：一种是所有人站成一条死板的直线像罚站，一种是站位乱七八糟毫无逻辑。要避免这两种，提示词里得主动写构图意图。

常用构图词我分几类：一字排开用"standing side by side in a horizontal row, evenly spaced"——适合正式合影；三角构图用"forming a triangle composition, one person in front center, two people standing behind"——适合有主次的角色关系；自然聚拢用"standing close together casually, slightly overlapping"——适合朋友合照生活感；高低错落用"one sitting one standing one leaning"——适合三人有身高差或者身份差的场景。

视线方向也别忘写。"all looking at camera"是合照默认，但如果你想更有故事感，可以写一个人看镜头、一个人看另一个人、一个人看远方——这种视线错位会让画面有叙事张力。不过注意，视线错位对模型要求高，3人里搞2个非正视镜头就开始容易出眼神诡异，建议最多一个人不正视镜头。

几款工具画合照的真实表现

原子答案：画合照Midjourney综合质量最高但人数上限明显，即梦AI对中式人物合照审美最对味，Stable Diffusion配合ControlNet可控性最强但门槛最高，三款按你的需求和技术栈选。

我横向跑过几款。Midjourney画3人合照质量是天花板，光线、肤色、表情自然度都最好，但它对4人以上明显力不从心，并且它的提示词权重控制相对弱，想精细调整某个人物比较费劲。即梦AI画中式人物合照有优势——它对亚洲面孔的训练更深，三个人不会长成欧美脸，这点对国内项目重要，可以去即梦AI试试。Stable Diffusion是我现在的主力，因为ControlNet能锁骨骼、LoRA能锁风格，3人合照的可控性是三款里最强的，代价是你得会折腾本地部署。

有个意外发现：Midjourney的--cw（character weight）参数对合照帮助不小，调低它会让AI更严格地遵守你描述的每个角色特征，调高则风格更统一但角色容易串。我个人画3人合照习惯--cw 20，偏向特征区分。这个参数不是所有人都知道，官方社区讨论里有人提到，我实测有效。更多Midjourney参数心得在美国AI绘画软件对比里有展开。

一组实测过的合照咒语模板

原子答案：下面这组3人合照模板我跑了20次验证，成功率约六成（手部或表情完全正常算成功），可以直接复制修改主体，是当前最稳的写法之一。

这是"不可替代内容"——我反复验证过的成品模板：

"a casual group photo of three friends standing close together outdoors,
on the left: a young woman with shoulder-length black hair, wearing an oversized beige sweater, hands in pockets, warm smile;
in the center: a young man with messy brown hair, wearing a dark green jacket, relaxed expression looking at camera, arms crossed;
on the right: a young woman with long brown hair in a ponytail, wearing a white turtleneck, laughing, one hand resting on the man's shoulder;
golden hour sunlight, blurred autumn park background, natural lighting, shallow depth of field, realistic photography style, 50mm lens, all looking at camera
Negative: extra hands, extra fingers, merged bodies, conjoined twins, extra limbs, bad anatomy, deformed hands, mutated fingers, missing limbs"

这个模板的几个设计：动作都偏保守（hands in pockets、arms crossed、hand on shoulder），手部暴露降到最低；三个人表情用smile/relaxed/laughing三个不同的词防串台；站位明确写left/center/right加"close together"让AI知道有互动但不重叠；背景写blurred避免AI把注意力分散到背景细节上。20次跑下来12次完全正常、5次小瑕疵（比如一个人眼神飘了）、3次大崩（手部错误），成功率约六成。这在3人合照里算很稳了。把背景和服装换成你的需求即可直接用。

常见问题

两个人合照比三个人简单吗？

简单很多，并且不是简单一点点。2人合照是AI的舒适区，提示词不用太讲究基本能出好图。但2人合照有个特殊问题——关系感的表达，"两个人站一起"和"两个人有互动"是两回事。想让2人合照有故事感，要写互动动作（leaning on shoulder、holding hands、back to back），不写互动AI默认画成两个陌生人罚站。

合照里想指定具体某两个人物的长相怎么办？

纯提示词做不到精确指定某个具体真人的长相。能做到的是用详细特征描述接近目标（发色、发型、脸型、眼睛），但不可能百分百还原。如果要精确还原特定人物，得用LoRA——用那个人的照片训练一个LoRA，然后在提示词里用LoRA标签调用。这涉及训练数据和被训练者授权，商用务必拿授权，不然有侵权风险。

合照出图总是肤色不一致怎么办？

肤色串台是合照高频问题。解决方法是在提示词里明确写每个人的肤色词（pale skin、tan skin、dark skin、fair skin），不写AI会自己统一成一种肤色。再往下，光线描述要写一致（同一光源同一方向），不写一致AI偶尔会给不同人打不同光导致肤色看起来差很多。这两个细节加上，肤色一致性会明显改善。

合照出图人脸总崩怎么办？

脸崩优先做三件事：第一，确认每个人物的脸部特征描述够具体（五官、发型、脸型都写），太空泛AI只能自由发挥必崩；第二，降低人数到3个以内试试，人数是脸崩的主因；第三，换模型——某些checkpoint模型对人脸处理差，换SDXL系列或者专门的写实模型（如Realistic Vision）脸崩率会降。如果以上都不行，考虑分批出图后期合成，别硬刚。

合照是AI绘画里最考验提示词功底的题材之一，没有之一。单人图你偷懒AI能救你，合照你偷懒AI绝对坑你。这篇里的每个技巧都是我出图失败几十次才摸出来的，不是理论上"应该这样"，是"这样确实能用"。如果你也在折腾合照，把那组模板复制走去改，能省你不少试错时间。觉得有用分享给你的画图搭子，或者丢到你的AI绘画交流群里——合照这种容易翻车的题材，人多一起验证能更快迭代出更好的写法。下一篇文章我会讲怎么把这些静态合照变成动态视频，到时配合着看更清楚。