怎么指令ai生成模特？说人话的一句话指令教程
开门见山：指令ai生成模特，用不着背任何参数词，把一句大白话说完整就行。五要素——谁、穿什么、在哪、什么感觉、什么角度——说齐了，第一张图十次里能过七次；说不齐，就分轮追问着改。这篇把说话公式、追加指令的规矩、翻车案例和口语跟专业词的对照一次讲完，零基础看完能开口要图。
前天晚上十点多，一个卖围巾的宝妈在群里@我，发了张歪脖子模特图，问我是不是得先背完那套两百词的"咒语表"才能出正常的图。我看了她原来的指令："生成一个戴围巾的模特，好看一点，高级感，电影感，ins风，氛围感拉满，再加雪景。"我让她改成一句大白话："一个三十岁上下的女生，围着图里这条驼色围巾，站在下过雪的街上，光线柔一点，拍半身。"四十秒后新图出来，她回了俩字：卧槽。
这样的对话，从2026年3月我拉第一个新手群到现在，复现过不下一百次。群里学出图的人我记了名册，一百三十七个，最后都靠同一件事开窍——把指令当说话，别当咒语。说白了，ai就是个听话但死板的实习生：你跟同事怎么交代需求，就跟它怎么说。你要是甩给它一堆形容词，它就只能挑着听。
一句话公式：五要素说齐，图就歪不到哪去
人话指令的公式就五个要素：谁，穿什么，在哪，什么感觉，什么角度。一句口令里五样占齐，出图基本歪不到哪去。少一两样，图就开始自由发挥。
逐个拆开讲。"谁"，说年龄段、性别、气质就行，"二十五岁左右的女生"比"一个美女"管用十倍。"穿什么"，颜色加款式，要展示自家货就得传参考图，口令里补一句"穿图里这件"。"在哪"，给个具体地方，"下过雪的街道"或者"原木色的桌面旁边"，别只写"户外"。"什么感觉"，说光，"光线柔和"和"傍晚暖光"都行。"什么角度"，全身、半身还是特写，一句话钉死。
这五样不是平起平坐的。我翻过群里出废图的记录，前两个要素（谁、穿什么）缺一样，图直接作废；后三样缺一样，图只是平，还能救。对了，被新手忽略得最狠的是"什么感觉"——十张灰蒙蒙的废图里，七八张是因为压根没说光线。
一条合格的完整指令长这样："一个二十五岁左右的女生，穿图里这件白色羽绒服，站在落雪的街道上，傍晚暖光，拍全身。"念出来就是一句人话，二十来秒说完。
不满意别重开，指哪改哪
图不满意就在同一轮对话里接着说：哪里不对指哪里，一次只改一处，改对了再说下一处。动不动推倒重来，是大忌。
追加指令有三条规矩。第一，别说"重来"，要说"背景和人物都别动，只把拉链拉高一点"——你圈得越死，它越不敢乱动。第二，一轮只提一个改动，两个封顶。第三，连改三轮还不对劲，别续了，说明第一句就没说好，重发第一句另起一轮。
举个真实改法。一个做童装的学员，第一轮出的图帽子影子盖住了小孩半张脸。她的第一反应是全盘重出，连出五张，张张影子位置不同。我让她只发一句："人和背景都保留，光抬高一点，别让帽子在脸上投影子。"一张过。改图的顺序感很重要：先锁住不动的部分，再点要动的部分，这个顺序反了，ai会把整张图重画一遍。
还有个坑得提醒：改到三轮以后会"漂移"。你改帽子，领口悄悄变了；你改手，背景的灯又换了。每追加一轮，前面改好的地方都可能松动。所以我的习惯是三轮为限，超了就带着已确定的要求重新发一遍第一句。操作上还不熟的话，对话框、传图、连续改图这些步骤，我之前写过一篇豆包ai模特教程：零基础店员学会出图的完整流程，照着点就行，这篇不重复。
实测可用率，和一个塞了九个要求的翻车案例
五要素说齐的指令，二十张里十四张可用；一口气塞八九个要求的，二十张只过六张，ai基本只执行前两个。这是2026年10月最后一周的实测账。
做法交代清楚：我从群答疑里挑了出镜最多的三种商品图——羽绒服、针织开衫、白衬衫，同一批图用两种指令方式各出二十张。"可用"的标准是不修图、能直接发预览群。结果一边倒：五要素组十四张能直接用；堆要求组只过了六张。我又把堆要求组一张张对着数了执行情况，二十张图里ai平均只落实前两个要求，第三个开始执行率断崖往下掉。
翻车案例印象最深的是卖冲锋衣的小周。她第一句是这么写的："加雪景，换黑配色，加绒帽，改竖版，留出文案位置，模特笑一点，戴手套，黄昏光线，再加点倒影。"九个要求一句话。出来的图只换了雪景，配色、帽子、竖版全没动。她不信邪，重发了三遍，越改越乱——第三轮的时候，原本已经换好的雪景又没了。后来我让她拆成五轮，每轮最多两个要求，二十分钟出齐了四张能用的。图是能出，就是不能贪。
把群里最常问的几类要求整理成对照表，左列是新手在对话框里打的原话，右列是同类要求在专业工具里的写法，顺便标了听话程度：
| 群里的原话 | 专业词写法 | 听话程度 |
|---|---|---|
| 光柔一点，别太白 | 柔光布光，低对比，色温5200K | 人话版更稳 |
| 离远点，拍全身，脚下别裁 | 全景构图，全身入镜，脚部留白 | 基本能懂 |
| 背景虚一点，突出人 | 大光圈浅景深，f/2.0 | 人话版够用 |
| 下午四点太阳那种感觉 | 暖调侧光，低角度光位 | 两边各有各的歪法 |
| 平视拍，别仰着拍 | 平视机位，50mm焦段 | 人话版更稳 |
说实话，右列那些词对零基础的人是负担。聊天式出图的工具吃人话，你跟它讲行话，它一知半解地执行，一半靠猜。等专业工具的那套参数你真用上了，人话公式照样是底稿——先说清楚要什么，再谈精度。
回到那个围巾宝妈。她现在每晚出五六张预览图发粉丝群，用的还是那套笨办法：一句话说全五件事，不对就指着改，一次改一处。出图这件事，门槛早就不在工具里了，在嘴上——你把话说完整，ai比你想象的听话。
常见问题
纯打字不传图，能指令ai生成模特吗？
能出图，但衣服是ai自己想的，跟你家货对不上。要展示自家商品必须传参考图，口令里加一句"穿图里这件"。纯文字出图适合还没定款、只想先看风格的阶段。
这套说话方法换个工具还管用吗？
管用。豆包、即梦这类在对话框里出图的工具都吃这套人话。Midjourney那种命令行工具是另一套写法，参数词该写还得写，五要素公式只适用对话式工具。
一句话里最多能塞几个要求？
两个。我数过堆要求组的二十张图，ai平均只落实前两个，第三个开始执行率掉得很快。想加要求，分轮说，一轮说一个。
想固定同一张模特脸，指令怎么下？
先出一张你满意的脸，之后每次都把这张图当参考传上去，口令里写明"模特长相跟图里保持一致"。十次里能稳住六七次。纯靠嘴描述长相固定不住，别费这个劲。
生成的图能直接当电商主图用吗？
不建议。手指、拉链、Logo这些细节翻车率高，主图是要被买家放大检查的。当预览图、内部选款图放心用，上架图请走专业流程。