用于保持等距说明资产一致性的 Imagen 提示词
使用 Imagen 创建一组协调统一的等距建筑、设备、车辆和道具,用于动画解说视频。该提示词系统锁定摄像机、调色板、光照、比例和表面处理,使独立生成的资产呈现出同一个设计世界的感觉。
文章目录
构建一个资产套件,而不是一堆互不相关的图片
生成等距解说资产最难的部分,不是制作一个吸引人的物体,而是制作二十个共享同一视觉系统的物体。不同生成结果之间的摄像机角度、比例、阴影、线条粗细和材质处理可能发生偏移,导致动态图形设计师无法让这些资产自然地共存于同一个场景中。
这种 Imagen 提示词方法将一致性视为一个设计规范问题。你需要定义一套视觉语法,生成一个校准物体,并为资产套件中的每座建筑、每辆车、每台设备和每件道具复用一个锁定的提示词模块。
目标不是像素级重复,而是建立足够强的家族相似性,让这些资产能够被排列、动画化并进行艺术指导,最终构成一个连贯统一的解说世界。
在命名任何物体之前,先定义视觉语法
“等距办公楼”这样的提示词只描述了内容,却没有明确大多数艺术指导决策。Imagen 仍然需要决定摄像机、调色板、渲染风格、背景、阴影和细节程度。如果这些选择分别独立生成,最终的物体很少能够匹配。
在请求第一个资产之前,先写一份简洁的风格规范。它应定义:
- 投影:统一的等距视图或三分之四轴测视图。
- 朝向:可见的表面,以及每个物体所指向的方向。
- 调色板:明确指定颜色及其职责,而不是笼统地描述一种氛围。
- 光照:一个光源方向、一个阴影方向,以及克制的对比度。
- 表面处理:扁平的矢量风格填充、柔和塑形的黏土质感、纸张剪贴效果,或其他单一处理方式。
- 细节密度:足够简单,以便在最终交付尺寸下仍然清晰易读。
- 隔离:一个完整物体,不裁切、不包含环境,并在轮廓周围留出充足空间。
例如,科技解说视频可以使用冷白色结构、紫罗兰色交互点、深海军蓝窗户,并将一种珊瑚色作为警报专用色。为颜色分配功能可以让资产套件更易于制作动画,因为视觉强调始终可预测。

使用一个校准物体来暴露不一致之处
从一个包含多项有用视觉测试的物体开始。小型配送货车就很合适,因为它拥有清晰的车头、可见的侧面、车轮、车窗、圆润细节,以及与地面的接触关系。带有门、窗户和屋顶设备的小型建筑也是不错的选择。
通过 AI 图像生成器使用 Imagen 生成多个变体,然后将结果作为生产资产而不是成品艺术作品来评估。检查轮廓是否清晰易读、朝向是否明确、边界是否干净、负空间是否合理,以及阴影是否可以在合成过程中移除或重新创建。
为模块化动画解说资产套件创建一辆孤立的等距配送货车。
风格系统:
统一的等距投影,可见车头和右侧面,紧凑的几何比例,带有细微柔和塑形效果的干净矢量风格形状,无轮廓线,冷白色车身,深海军蓝车窗,紫罗兰色功能性强调色,一个小型珊瑚色指示灯,左上方柔和光照,向右下方投射的克制接触阴影,精致的编辑风格信息图效果。
资产规则:
仅有一个完整车辆,居中,完全可见,每一侧都留有充足空白边距,纯暖灰色背景,无道路、无风景、无人、无文字、无标志、无徽章、无水印、无运动模糊。
不要因为某个结果看起来很吸引人就立即继续。首先要确认,同样的规则是否也能描述仓库、笔记本电脑、自行车、云服务器和路灯。如果这种风格依赖独特装饰,而不是可重复的几何特征,就应当将其简化。
锁定提示词模块,只修改资产模块
校准物体达到理想效果后,将提示词拆分为永久模块和可变模块。永久模块包含定义视觉世界的所有决策。可变模块只描述物体本身、其功能部件和朝向。
| 提示词组成部分 | 保持不变 | 针对每个资产修改 |
|---|---|---|
| 投影 | 视角和可见表面 | 仅在必要时修改物体朝向 |
| 渲染 | 形状语言、塑形方式、轮廓线 | 物体特有的几何结构 |
| 颜色 | 调色板和颜色职责 | 出现哪一种功能性强调色 |
| 光照 | 光源方向和阴影方向 | 不修改 |
| 构图 | 隔离方式、边距、背景 | 必要时调整横向或纵向留白 |
| 内容 | 文字、标志等排除项 | 资产名称和必需组件 |
为套件中的其他资产使用以下模块化模板:
资产:
一个孤立的[物体],为[功能]而设计。包含[必要部件]。物体朝向[方向]。保持轮廓简单,并确保在小尺寸下清晰易读。
锁定风格:
统一的等距投影,可见车头和右侧面,紧凑的几何比例,带有细微柔和塑形效果的干净矢量风格形状,无轮廓线,冷白色主要表面,深海军蓝次要表面,紫罗兰色功能性强调色,珊瑚色仅用于警报,左上方柔和光照,向右下方投射的克制接触阴影,精致的编辑风格信息图效果。
输出:
仅有一个完整物体,居中且完全可见,留有充足空白边距,纯暖灰色背景,无周围场景、无人、无文字、无标志、无水印、无裁切、无运动模糊。
适合替换的资产包括配送仓库、台式显示器、充电站、货运自行车、服务器机柜、公寓楼、风力涡轮机、包裹柜、通知铃或模块化传送带。在测试第一批资产时,保持锁定模块不变。

通过视觉复杂度而不是图像尺寸来匹配比例
两个文件可以拥有相同的像素尺寸,却描绘出视觉比例不兼容的物体。一座布满微小窗户的建筑,即使边界框大小相近,也可能显得比简化的货车大得多。
使用共享的细节单位来控制感知比例。例如,让门、窗户、车轮、把手和指示灯在整个套件中采用相近的比例。减少那些会暗示出一个远大于其他资产所能支撑的世界规模的小型重复元素。
- 使用宽大的窗户,而不是几十块微小窗格。
- 将屋顶设备减少为两到三个清晰易读的形体。
- 让车轮和把手略微偏大,以提高动画中的可读性。
- 避免在缩放后会消失的微小接缝。
- 将密集纹理保留给作为独立系列生成的特写资产。
一个实用测试是:将六个生成的物体按照它们在场景中的预期尺寸,排列在同一张空白画布上。如果一个物体看起来像微缩模型,另一个却像城市尺度的插画,那么就应在生成更多资产之前修改细节密度。
将动画状态生成为受控变体
一套实用的解说资产不仅需要静态名词,还需要不同状态:打开与关闭、未激活与已激活、空与满、正常与警报。应将这些状态生成为严格受约束的变体,而不是要求重新创作一幅全新的插画。
使用完全相同的投影、比例、调色板、光照、表面处理、构图和背景,重新创建同一个等距包裹柜。
仅修改以下状态:
三个储物柜门朝向观看者打开,内部是简单的深色空腔,其中一个紫罗兰色包裹可见。
保留所有其他结构特征。不要添加人物、标签、符号、环境或额外物体。
状态对可以为动画师提供清晰的端点,用于替换动画、形状插值、擦除显示和快速弹出过渡。对于机械运动,应尽可能在后期制作中将运动部件分离出来。生成的打开状态门可以提供最终姿态,而实际摆动则可以在合成器中围绕干净的轴心进行动画制作。
实用的状态系列包括:
- 按钮:空闲、悬停、按下和已确认。
- 电池:空电量、半满、充满和充电中。
- 仓库:关闭、接收、分拣和发货。
- 服务器:正常、处理中、警告和离线。
- 车辆:停放、已装载和准备出发。

为动态图形设计准备每个资产
应将生成的图像视为源素材。在动画制作之前,移除背景、检查轮廓,并分离所有需要独立运动的部件。不要依赖烘焙在图像中的阴影,因为不同资产之间的阴影可能会有轻微差异;重要阴影应重新制作。
实用的图层结构可以是:
asset_master
body
front_detail
moving_part
accent_state
contact_shadow
highlight_overlay
将未修改的源图像保存在动画合成之外。对于每个清理后的资产,使用统一的锚点约定:建筑和车辆使用接地中心,漂浮的界面物体使用几何中心,门或盖子使用铰链位置。
校准物体、锁定提示词和图层约定都运行良好后,先创建你自己的版本,用五个相关资产组成套件,再扩展到完整场景。小批量资产能够快速暴露风格偏移,也能减少修正所需的时间。
解决最常见的一致性问题
摄像机角度发生变化
在物体描述和锁定风格模块中,都重复说明可见表面和朝向。避免在同一个提示词中混用“等距”“俯视”“三分之四”和“鸟瞰”等词语,因为它们会暗示不同的空间解读。
调色板随着时间变得越来越丰富
为每种颜色规定职责,并明确排除未请求的颜色。如果新资产需要强调,应使用既有强调色,而不是创造新的色调。
物体生成后变成了完整场景
将隔离要求放在提示词末尾附近,并直接描述背景。请求建筑、车辆或家具时,重复“仅有一个完整物体”,以免模型为这些通常处于环境中的物体添加场景。
小型资产变得过于复杂
加入预期用途:“在动画解说视频的小尺寸下清晰易读。”明确必要部件,并要求简化几何结构。不要同时要求精细写实和图标级清晰度。
状态变体重新设计了物体
明确说明哪些内容可以改变,哪些内容必须保持不变。如果变体仍然发生偏移,就保留效果最好的图像作为参考,仅生成缺失部件,然后将其合成到已批准的主资产上。
最终检查清单
- 整个资产套件使用相同的投影和可见表面。
- 主要色、次要色、功能色和警报色都有固定职责。
- 光照和接触阴影朝向一致。
- 每个资产都完整可见,并留有足够空间以便抠取。
- 细节密度在预期动画尺寸下仍然清晰易读。
- 状态变体只改变所请求的功能元素。
- 在制作动画之前,运动部件和阴影已完成分离。
- 在全面制作之前,已批准一小批校准资产。
关键词
Imagen 提示词、等距插画、解说动画、动态图形资产、AI 图像生成器、视觉一致性、模块化插画