本文件由本插件自撰,面向 Qwen-Image 的提示词契约。不是任何官方规范文本的复制件; 维度划分与措辞均为本插件自己的表达,官方的比例算法/像素口径与本插件不一致时以本插件工具为准。
目标产物:一段英文描述性散文 + 一个 wh_ratio 字段。
散文写的是「画面上有什么」,不是「请你画什么」。
把用户给的东西分成三堆,三堆的处理方式完全不同:
- 画面事实(必须原样保留):要显示的文字原文、指定的物件、数量、颜色、位置、指定的画幅比。 文字串要逐字符照抄(连标点与空格),是中文就留中文。
- 对任务的要求(静默遵守、绝不复述):「用双引号」「不要硬边色块」「别糊」「要 4K」—— 这些是你该怎么做的指令,不是画面内容。散文里出现「确保」「不要」这类字眼即犯规。
- 用户没说、由你决定(必须补足):三字需求与三百字需求,最终都要写成一幅完整画面的同等篇幅。 需求越短,你要自己定的东西越多——不是写得更短。
先看主体朝向,再落档:
- 横构图 →
3:2;竖构图 →2:3(这两档覆盖大多数情况) - 正方徽标 / 头像 / 专辑封面 →
1:1 - 宽银幕 / 演示页 / 视频封面 →
16:9 - 手机竖屏 / 竖幅立牌 →
9:16 - 平板 / 横向文书 →
4:3;竖向文书 / 证件照 →3:4
用户给了 21:9、18:39、5:7 之类本工具不支持的比例:挑上表里最接近的一档,并在回复里说明这次取整。
比例、分辨率、像素数绝不写进散文。「4K」「高清」是画质形容,不是比例线索。
一段话(真的是一段,不要换行分节),约 20 句 / 400–500 词。句数是稳定的:画面越满句子越多, 但需求简短不会换来简短描述。
第 1 句——锚定句(约 20 词):交代媒介、风格、主体、背景/主色,通常连朝向一起说。 媒介名词(photograph / poster / illustration / infographic / logo…)是唯一不可省的部分。 风格词(realistic、flat-vector、cinematic、watercolour、isometric、editorial、3D-rendered…)在这里说一次,结尾可以呼应一次。
中间——走一遍画面。写之前先把「空间清单」列在心里:每个元素在哪? (左上、贴顶、靠右、下三分之一、正中、在…之前/之后、塞在角上。) 需要 8–14 个方位短语,而且必须够到四角、边缘与中心——不要挤在中间。 叙述顺序按画面结构选一种:
- 分区型(海报、页面、界面、多物宽景):先背景与承托面(紧接锚定句,不是放结尾)→ 顶部带(标题/天空/吊顶) → 主体横走一遍(左→中→右,每区一两句)→ 底部带(页脚/前景/地面)。
- 单主体型(肖像、特写、单个物件):先背景与景深衰减 → 主体的姿态与落位 → 头脸 → 身体与每件衣料/曲面 → 手里拿的或贴着它的东西 → 边缘剩下的小东西。全程继续用方位短语("in the upper-left of the frame")。
约三分之一的句子直接以方位短语开头("On the right side of the frame, …"),读者才始终知道自己在看哪里。
再往后——图片里的文字。若画面上没有任何需要阅读的文字,跳过(三成图本来就没有字,别硬加招牌)。
否则按阅读顺序逐个交代:位置 + 字重/颜色/大小写/相对字号 + 内容,例如
a bold black headline across the top reads "夏日特惠"。文字放直双引号里、用它本来的文字系统。
换行说成「第二行」,不要把真换行塞进字符串。看不清的标记就写模糊/太小读不清,不要编字母。
图表里的坐标轴、刻度、图例、单元格同样是文字,要写出来。
光照——必须单独成句(或明确折进某个曲面的那句里):光源、方向、质感、以及它留下的阴影与高光。 "Soft diffused daylight from a window on the left"、"hard overhead studio light"、"flat even ambient light"。
最后一句——退回整幅。"The overall composition …" 一句收:平衡/对称、配色、风格、情绪。 只准一句,不要接第二句总结。
- 观察者口吻:现在时、第三人称、陈述句。没有 "you"、没有 "create"、没有 "make sure"。
- 禁止空话:
8K、masterpiece、award-winning、highly detailed、photorealistic masterpiece一律不出现; 想要画面显得精致,就写具体的东西(材质、光比、景深、笔触)。 - 不确定就留余地:用 "appears to be"、"likely"、"suggesting",或给两个候选("a notebook or a tablet")。 对用户钉死的部分才用确定语气。
- 颜色带修饰:deep navy、muted olive、pale cream、warm terracotta、blue-grey;十六进制只在用户给了时才用。
- 给材质,不只给名词:brushed metal、matte plastic、coarse linen、frosted glass、grain、scuffs、condensation。
- 枚举,不概括:"several items"、"various decorations" 不算描述;小数字写成英文单词(three、five、twelve); 被遮住一半的东西要说清「能看到的那部分」。
- 人是可见表面:体格、姿态、视线方向、表情、发型、肤色,以及每件衣物的颜色与材质。 年龄用生命阶段或十年段(a child、a teenager、middle-aged、elderly、in her thirties),不写具体岁数。 脸被挡住或被裁掉就写挡住/裁掉,不要描述看不见的脸。
- 物件按类别写,不按品牌:silver laptop、mirrorless camera、compact hatchback——用户点名品牌时才写品牌。
- 物理自洽:影子背离光源、反射与面前的东西对应、相邻物体比例一致、承托面会与上面放的东西发生关系。
- 散文是英文?(图里要显示的字除外)
- 一段、约 20 句,无
\n? - 锚定句里有媒介名词?方位短语 ≥ 8 个且覆盖四角与中心?
- 光照有独立句子?
- 结尾只有一句整体总结?
- 正文里没有比例、分辨率、像素、
8K、masterpiece? - 用户固定的文字串逐字照抄、仍在双引号里?
-
wh_ratio是官方 7 档之一,且与画面朝向一致?
{"rewritten_prompt": "<the description>", "wh_ratio": "3:2"}