模特美女ai指令怎么写？短视频封面实测：气质词、镜头词与避坑参数

四段式骨架：身份、气质、镜头、光线别漏项

写指令按四段拼：身份定年龄和职业，气质定风格调性，镜头定景别角度，光线定画面氛围，顺序别乱，漏一段成图就飘。这不是什么玄学，是把模型注意力先引到人身上，再收束到画面上。

身份段最容易写虚。别只写"美女"，要写清年龄段和场景身份，比如"25岁亚洲女模特""奶茶店招牌旁的常客"。身份越具体，模型抓的脸型就越稳。我给一个女装直播间写的是"28岁、轻熟感、站在试衣镜旁"，出来的脸连续十几张都保持住了同一种味道。

气质段是核心，放整条指令最前面。给两到三个词就够了，再多模型会打架。你猜怎么着，我试过一口气堆七个气质词——知性、飒、甜美、清冷、慵懒全塞进去，出来的脸四不像，砍到三个立刻正常。

镜头段决定这张图能不能当封面。半身特写、微微侧身、视线看向镜头偏上一点，是我点开率最稳的角度（封面标题字一般压在下方三分之一，别让人脸跟字抢位置）。

光线段别写"高清""精致"这类空词，直接写光源。柔和窗光、黄昏逆光、环形补光，三种光出的图氛围差别一眼就能看出来。空词模型只会给你平均脸，光源词才给画面。

拼一条完整例子放这儿，可以直接改着用：一位25岁亚洲女模特，气质知性、淡妆、眼神平静，半身特写微微侧身看向镜头，柔和的窗光从左侧面打过来。我拿这条当模板，换品类只动前两段。

负面词也得配上。我的习惯是在排除项里写：过度磨皮、塑料质感、网红脸、多余的手指。别小看这几行，光是把"过度磨皮"压下去，皮肤质感就从蜡像变成真人了。有一回我忘加这条，连出八张全是磨到反光的皮，客户当场打回来重做。

词库是攒出来的，不是一次写完的。我手机备忘录里存着一张自己的词表，分了五栏：脸型、妆面、发型、姿态、光源。每次遇到一张效果好的图，就把起了作用的词记回去；遇到废片，就把可疑的词划掉。两个月下来这张表改了十几次，现在起手写指令，基本是从表里挑词拼，而不是凭感觉现编。说实话，这一步比任何技巧都顶用，你出五十张图再回头看，自己就知道哪些词是真好使。

还有个场景值得单独讲：直播间挂的"实时封面"。主播下播后要换次日预告图，我的流程是白天把三套气质词各跑三张，攒成九张的备选池，晚上挑一张排上。整套流程四十分钟，比临时救火快得多。临时写指令救火那种事我干过一次，急得把镜头段都写漏了，出来五张全是远景，一张都用不了。

气质词怎么选：知性、飒、甜出图差多少

气质词要具体到妆面、眼神和肢体：知性配淡妆加平静眼神，飒配利落短发加直视镜头，甜配圆眼加浅笑，只写模糊词就会千篇一律出同款脸。

这三类是我给女装和美妆直播间用得最多的。2026年9月中旬我做过一组对照：同一条指令只换气质词，每档连出十张，人工挑能直接当封面的张数，结果差别比我想的大。

为什么差别这么大？我的理解是，模糊词等于把选择权全交给模型，它只会按训练数据里的平均审美给你拼一张；具体到妆面、眼神、肢体，等于替模型做了三个决定，它剩下的活儿才是画画。这个道理跟请摄影师一样，你说"拍好看点"，不如说"拍侧脸、看窗外、要逆光"。

有个坑单独说：想要轻熟感，结果十张里八张是学生妹。后来我把"大学""青春"这类词全删了，换成"米色风衣、细框眼镜、低马尾"，年龄感立马到位。更细的调法可以看之前写ai女士绘画摆脱学生感的那篇，思路是通的。ai女士绘画怎么摆脱学生感里对眼神光和职业装质感讲得比我这里细。

还有个毛病值得盯：同一条气质词用久了，出的脸会越来越像。我的办法是每两周换一轮形容词组合，比如"眼神平静"换成"眉眼舒展"，脸的种类立刻多起来。

光线词和气质词还有个搭配讲究。清冷系配冷白光或清晨窗光，甜系配暖黄光，顺序反了就别扭——甜脸配冷光，出来的笑有种说不出的假；飒脸配暖光倒是能救回来一点凶劲。这块没有标准答案，我建议你拿同一条指令只换光线词，连跑六张摆一排看，看一遍就懂了。

短视频封面的翻车点：画幅、手、相似度

封面图用3:4竖幅、头顶留白给后期压字号；手指入镜的镜头我连出20张废了6张，能避则避；垫图相似度超过0.6脸就开始崩。

画幅我是踩过坑的。一开始图省事用9:16直出，想着封面本来就是竖屏，结果上半张脸顶到边、下半截想压字没有空。后来固定3:4，头顶留一成半空间，下方三分之一留给标题字，成片舒服多了。要是你的封面必须画全身，全身构图怎么不断腿不切脚，之前那篇专门聊画幅比例和留白，可以直接搬。全身ai绘画不断腿不切脚里的画幅思路和封面是同一套逻辑。

手是真容易崩。2026年9月14日那批图我记得很清楚，连出二十张，六张手指多一根或少一截，其中四张全是手托下巴的姿势。现在我的规矩：封面图尽量手不入镜；实在要手，就写"手部自然下垂"或者"单手轻握手机"，出完逐张放大检查，别偷懒。

耗时上，一张3:4竖幅大概25秒，十张连跑五分钟出头。我习惯先跑三张定方向，方向对了再补七张，比一口气十张省额度——废的那批钱是实打实扣的。

挑图也有流程。我按"先看脸、再看手、最后看边"的顺序过：脸崩的直接划掉，手指挨个放大数一遍，边缘检查有没有截到下巴和肩膀。二十张图这套流程走下来七八分钟，比发出去被挑出毛病再返工省时间。有一批图我嫌麻烦跳过了手部检查，结果客户的运营眼尖，把六指那张挂上封面跑了半小时才发现，这个教训值一顿饭钱。

还有一句得说在前头：如果用垫图或人脸相似度功能，请勿用他人照片冒充本人生成，商用前把工具的授权条款看一遍。相似度参数我也试过梯度，拉到0.6往上，脸的五官就开始挤成一团，0.4到0.5之间是既能保神态又不崩的区间。

最后说个省额度的心得。封面图和详情页图的要求不一样，封面只要脸和氛围，详情页要全身和面料细节。我一律分开跑：封面那条指令不带服饰细节词，跑起来快、废片少；详情页的活儿另起一条指令，把面料、版型、全身站姿写全。混在一条里跑，模型两头都顾，两头都差点意思。

收束之前再提一个很容易忽略的细节：封面图导出后记得看压缩后的效果。平台上传封面会压画质，磨皮过度、细节稀碎的图，一压缩就糊成一片，反而是皮肤质感写得具体的图经得住压。我吃过亏之后，每批图都先传一张到草稿箱看效果再批量发。

回过头看，模特美女ai指令这件事，难的从来不是词库有多大，而是每一段都写具体。身份、气质、镜头、光线，四段各两三个词，比一长串形容词管用。先把这套骨架跑熟，再按你的品类慢慢换词，废片率自然会掉下来。