北京绘画ai实测：本地文创店主做故宫角楼四季明信片的三个月

北京绘画ai画北京，坑不在远处，全在你每天路过的地方。2024年7月中轴线申遗成功之后，我店里问中轴线题材的客人多了一截，2026年6月起我干脆把四季明信片整套换成AI画稿。三个多月生成两百一十七张，能上印刷机的九张，比例不到二十分之一。这个淘汰率，比我当年学板绘摔的跟头狠多了。

先交代身份。我在景山东边开文创店六年，四季明信片一套二十八块，客人一半是本地人。本地人看北京题材的东西，眼睛毒得很：墙的颜色不对，鸽子的个头不对，他不吭声，放下就走。所以这套画稿能不能立住，得先过自己人这关。

故宫角楼：倒影能保住，窗户数量会露馅

角楼倒影是AI最容易出彩的地方，清晨侧光基本能出片；但檐角和窗户数量常画错，本地顾客一眼能看出，印前必须逐张数。这条教训是一百多张废稿喂出来的，下面拆开讲。

角楼我选西北角楼那侧的筒子河。2026年6月我连去十天，早上5点20到位，6点前游客还没来，光又是斜的，参考图攒了一百三十多张。提示词最后固定成一串：故宫角楼、清晨、筒子河倒影、低角度侧光、写实摄影。别的都好说，倒影是AI的强项，水波、檐角、天色，一次能对上七八成。

翻车翻在哪？结构上。老话讲角楼"九梁十八柱七十二条脊"，AI根本数不明白。27张里11张檐角叠成了两层假楼，还有一张把菱花窗排成了整齐的格子窗，跟实景两码事。最绝的一版，倒影完整得像镜面——真筒子河哪天不起波纹？我加了"水面微波、轻微涟漪"两个词重跑一轮，才算压住。

参数我固定用3:4竖版，出图分辨率1440×1920。明信片印刷要300dpi，148×100毫米的版面大约需要1748×1181像素，出完图还得放大一档再裁。这步省不得，直接印会糊。

红墙四季色：AI心里的宫墙红只有一种

AI默认的宫墙红偏亮偏橙，跟实物带灰的暗红差一截。提示词里得写季节参照物，秋天压条银杏黄，冬天压条雪，四季色才立得住。四张摆进一个版面的时候，这个差别骗不了人。

讲真，这是全项目我摔得最狠的一步。红墙本身没换过颜色，可环境一变它就变：春天玉兰底下泛灰粉，夏天树荫里发暗，秋天被银杏衬得发暖，冬天雪一盖只剩墙头一截红。AI不管这些，四张图给你同一个饱和的大红，拼进四宫格就是四个假北京。

我的笨办法是给每一季配参照物：春天"玉兰、灰粉晨光"，夏天"槐树浓荫、灰绿"，秋天"银杏黄、斜阳"，冬天"薄雪、灰蓝天光"。翻车纪录保持者是2026年7月那张夏至海报，树叶绿得像塑料棚，我把"绿色"改成"灰绿、闷热的下午"，重跑14张挑出1张。那两周我对着色卡，眼睛都看花了。

什刹海冬夏同框：人和鸽子的比例最头疼

什刹海夏天的荷花和冬天的冰场是现成的对比素材，同框老出问题时先锁人数，再锁鸽子个头，一次只改一个词，改完再跑下一轮。贪多必翻车，在这一步是字面意思。

这两张我前后跑了四十多版。夏天荷花市场那侧，荷叶铺到银锭桥边；冬天冰场，冰车、冰刀、棉手套，本地人冬天天天见。麻烦在比例。13张里7张鸽群画成了麻雀大小，有一张鸽子比人还大，悬在半空像风筝。冰面也不省心，一版把裂纹画成蜘蛛网，滑冰的人像站在玻璃上，冰刀干脆没有。

后来我改了打法，一次只动一个变量。人多了就把"俯视人群"换成"稀疏人影"，鸽子跑偏就用局部重绘一只一只修。还有一招比文字好使：从景山万春亭往下拍的中轴线照片，直接喂给图生图，参考权重压到0.5左右，构图不容易被带跑。北京的天际线在AI眼里是抽象的，喂一张真图它就具体了。

三个月跑下来，我的建议就三条

单景单季先跑通，颜色自己盯死，印刷前一定打样。AI省掉的是和画师来回沟通的时间，省不掉本地人的那双眼睛。六月我看走眼的那两百多张废稿，如今还躺在硬盘里提醒我这件事。

常见问题

用AI画的明信片拿去卖，版权算谁的？

平台条款各家写得不一样，我翻过当时在用的那份用户协议，商用那部分写得比较绕，我没敢只凭一句概括下判断。建议你用之前自己去官网查当天的版本，别听二手转述，也别照搬我的理解。

不会写提示词，用语音说行不行？

行，但别指望它一次听懂。我对着手机描述过一个冰场场景，出来四张三张跑偏。后来学乖了：口语先说个大概，再把细节要求一条条打出来粘进提示词框，成功率立刻不一样。

生成一张图要等多久？

单张十秒到一分钟，赶上高峰会排队。我一般晚上十点以后跑批量，四张一组，等的时间刚好改上一批的提示词，一点不耽误。

游客照能直接喂给它当参考图吗？

能，但要挑时段拍。清晨的角楼、冰场开张前的什刹海，这种空场最干净。图生图的参考权重别拉太高，不然构图全被原照片带着走，AI等于白用。

延伸阅读

白塔寺胡同那篇也是北京题材，作者蹲在咖啡馆做海报的路子，跟我做明信片正好互补：bj ai绘画实测：白塔寺胡同咖啡馆海报三周记。

打字、语音、拍照三种输入方式差多少，那篇实测比我写得细，想少走弯路可以先看：ai输入绘画实测：打字、语音、拍照三种方式差距比我预想大。