【十八】垫图越垫越崩？别把参考图当成品，先规定它只准管一件事

很多新手用参考图的流程，几乎一模一样：

脑子里有个模糊想法 → 打开小红书 / Pinterest 狂搜 → 丢进即梦、可灵、Midjourney → 随便写一句「好看一点、高级感」→ 点生成。

出来的图，总有一部分对。 但整体不对。

构图像了，光却糊了。 光像了，主体却换了脸、换了产品、换了材质。 于是你开始换图、加图、再加一张「风格参考」——垫得越多，画面越像几个人抢方向盘。

这时候最容易得出两个错误结论：

1. 「这个模型不会看图。」
2. 「参考图强度再拉高一点就好了。」

更大概率都不是。

真正的问题是：你把参考图当成了「成品样张」，AI 却把它当成了「一堆可拆开的零件」。

样张思维：给我整张做成这样。 零件思维：从这张图里抽几样特征，再跟噪声拼回去。

这两套理解对不上，你就会一直在抽卡。

下面这套方法，专门解决「有参考图却更不稳定」。 结构很简单：先搞懂参考图到底在管什么 → 再避免文字和图片互相打架 → 最后把流程改成「先文后图」。每一步都有普通人写法翻车对照，以及能直接抄的中文做法。

---

先搞懂一件事：参考图不是许愿，是限权

你可以把生图想成一个权限很大的实习生。

你不给参考图时，他自由度极高：构图、光、材质、情绪都能自己猜。 你给一张参考图，并不是在说「最终交这个成品」，而是在说：

某些权限先收回来，不许你乱选。

比如：

• 收回「光影乱选」的权限
• 收回「构图乱选」的权限
• 收回「色调乱选」的权限

所以参考图的本质，不是增加灵感，而是减少乱跑。

口诀先记一句：

垫图之前先问：这张图，我只允许它管哪一件事？

答不出，就先别垫。

---

第一关：别把参考图当成「最终答案」

1）人和 AI 看见的不是同一种东西

你上传一张图时，心里往往在说：

「就按这个出。」

AI 实际在做的是：

「把这张图拆成几组特征，再决定抓哪几组。」

粗分三类就够新手用：

特征类型	大致管什么	你常想偷的
大结构	构图、主体位置、大色块、光影走势	版式、光感
细表面	纹理、颗粒、边缘、材质细节	胶片感、质感
身份语义	这是人/猫/包/车	姿势、品类

不加控制时，AI 会随机抓。 可能抓住了构图，丢掉了材质；抓住了姿势，背景先崩。

这不是模型故意整你。 是你没规定：这次只准抓哪一类。

2）普通人怎么翻车

普通人做法：

（上传一张质感很好的台灯产品图）
提示词：一个红色的陶瓷花瓶，高级感，商业摄影

你想要的是：台灯图里的「侧光、硬阴影、桌面反光」。 你没说清楚，AI 却可能顺手把「台灯外形」也混进来。

结果常见三种：

• 花瓶长得像台灯
• 颜色既不像红，也不像参考图
• 光影和主体互相打架

你以为自己在「参考质感」。 AI 收到的是「整包特征，随机取用」。

3）案例换一场：只要咖啡包装的「光」，不要包装外形

假设你有一张很漂亮的咖啡铝罐特写：侧逆光、高光利落、金属边缘干净。

你要生成的是：磨砂玻璃水瓶。

错误做法：

（直接垫咖啡罐图）
一只磨砂玻璃水瓶，放在桌上

AI 很容易困惑：到底听文字里的「水瓶」，还是听图里的「铝罐」？

正确做法分两步：

第一步：先人工钉死「这张图只负责什么」

这张参考图我只要：侧逆光、强对比、干净高光、桌面微反光
我不要：铝罐外形、咖啡品牌、金属拉丝纹理

第二步：让文字负责「建模」，参考图只负责「上光」

可直接抄：

如果你的工具支持「参考强度 / 风格参考 / 构图参考」分开，优先把强度调到「能影响光，但不绑架外形」的区间，再慢慢加。

4）技巧心法：先点菜，再开仓库

把参考图想成仓库，不要想成许愿池。

你要明确告诉厨房：

• 今天只要盐（光影）
• 还是只要面粉（构图）
• 还是只要包装纸的纹路（材质）

不要说：「仓库里好看的都给我来一点。」

金句：

参考图负责限权，文字负责定义。 谁定义主体结构，谁就该写清楚；谁只负责渲染，谁就别抢戏。

---

第二关：一张图想管太多，文字再写满，等于两个人抢麦

第一关解决「参考图到底是什么」。 第二关解决更常见的翻车：既要构图，又要光线，提示词还写得密密麻麻。

你以为这叫「信息充分」。 对 AI 来说，这经常叫「指令打架」。

1）两个通道，不能互相拆台

生图大致听两路话：

• 文字通道：它是什么、在干嘛、逻辑关系
• 图像通道：像素关系、空间排布、已有光色

两路说同一种事，还勉强。 两路说反话，画面就会抖。

比如：

• 文字写：「阳光下开朗的女孩」
• 参考图是：「阴影里冷脸的侧影」

旧模型可能直接崩。 新模型更会「硬融」——融出一个你谁都不满意的中间态。

2）重复描写也是噪声

还有一种更隐蔽的坑：

参考图里已经有很明显的「俯拍桌面、餐盘环绕」。 你还在提示词里再写五遍「俯拍、餐桌、盘子位置、对称构图」。

你以为是在加强。 其实是在叠噪声。

常见后果：

• 边缘发糊、重影
• 颜色溢出
• 物体数量莫名翻倍

因为同一件事被两路通道同时用力推，模型更容易过拟合到怪样子。

3）普通人怎么翻车

普通人电商垫图：

（上传一张完美俯拍的早餐桌）
圣诞限定唇膏，放在桌上，俯拍构图，餐盘环绕，节日氛围，雪花，高级感，细节拉满

问题在哪？

• 构图：图片已经在管，文字又管一遍
• 光线/桌面关系：两边抢
• 产品本身：反而没写清楚

4）案例换一组：香水海报，参考图只借「版式」

目标：做一张冬季香水详情头图。

参考图：一张构图很好的杂志内页——大留白、产品偏右、左侧有短文案区。

正确策略只有一个：

单点突破，文本留白。

• 参考图只借：版式与留白关系
• 文字只写：产品是什么、参考图里没有的新元素
• 文字坚决不写：已经能从图里看出的构图句

可直接抄：

对照删除清单（看到就删）：

删：左侧留白、右侧放产品、杂志排版、大标题区、俯拍/侧拍（如果参考图已经决定视角）
留：香水材质、颜色、季节元素、品牌需要的新道具

记住口诀：

图片已经说清楚的，文字闭嘴；文字要新增的，图片别抢。

---

第三关：最致命的倒流程——文本不稳，却靠换参考图续命

很多新手不是不会垫图。 是流程反了。

1）抽卡流水线长这样

1. 脑子里只有「我想要酷一点」
2. 先去找十张神图
3. 提示词只写：「酷炫的摩托车」
4. 不像 → 换参考图
5. 还不像 → 再换
6. 再加一张风格图、一张姿势图……

这看起来很勤奋。 本质是：希望参考图替你完成「结构定义」。

但模型的分工更接近：

• 文字：先决定骨架稳不稳
• 参考图：再决定皮肉往哪收

骨架歪了，你不断换装修图纸，房子还是歪的。 而且每换一张图，特征都在剧烈抖动，随机性只会更大。

2）普通人怎么翻车

提示词：好看的酒店大堂
参考图：今天换一张，明天再换一张

结果：

• 每张都「有点像某张参考」
• 没有任何一张能稳定复现你真正要的空间关系
• 你越换越觉得「是不是模型不行」

3）正确流程：先盲跑，再注入，再单点微调

请按这个顺序做，别跳步。

Step 1：盲跑（先不垫图）

只用文字，把结构跑到「位置大致对」。

可直接抄一个练习模板：

判断标准不是「好不好看」，而是：

• 主体在不在该在的位置
• 前后关系乱不乱
• 有没有基本可用的光方向

到大约七成结构正确，再进入下一步。 脸不够美、材质不够高级，先别管。

Step 2：维度注入（一次只加一种参考）

结构稳了，再垫图。并且先问：

• 这次缺的是风格？
• 还是构图？
• 还是材质光感？

一次只注入一个。

示例：

Step 3：微调（一次只修一类问题）

不要同时：

• 换参考图
• 大改提示词
• 再加第二张参考

一次只动一个旋钮。 改完看结果，再决定下一个旋钮。

金句：

参考图不是灵感加油站，是收束器。 你先把车开到路上，再用它把方向收窄；而不是先装十个方向盘。

---

把三关收成一条能反复用的垫图生产线

以后你想垫图，先别急着上传。按这张清单走：

1. 先定职责：这张参考图只准管构图 / 光影 / 材质 / 色调，四选一（最多两选，且要极克制）
2. 再查冲突：提示词里有没有重复描写、有没有和参考图唱反调
3. 先文后图：纯文本把结构跑稳，再垫图收束
4. 一次一刀：每次生成只优化一个维度

普通人路径：找神图 → 弱提示词 → 狂换参考 → 越垫越崩。 技巧路径：定职责 → 防打架 → 盲跑骨架 → 单点注入。

差别不在谁垫得更多，在谁有没有把参考图当成「限权工具」。

---

附录：可直接复制的三张检查卡 + 两段实战填空

1）底层公式

2）垫图前 30 秒检查卡

五项里有两项答不上，先别垫图。

3）指令模板 A：让 AI 帮你「拆职责」（识图模型可用）

4）指令模板 B：电商实战填空（构图参考专用）

扩写示例：

一支绿色洗面奶，泵头白色，瓶身哑光，台面有少量水珠，清晨干净的清爽感，电商产品图
（版式跟随参考图；不要描述左右位置与俯拍角度）

5）两套对照案例（可直接拿去练）

案例 A：只要光，不要外形

• 参考图：金属咖啡罐特写
• 生成目标：磨砂玻璃水瓶
• 文字重点：瓶身结构
• 参考职责：侧逆光与高光
• 禁止：在提示词里再写「金属拉丝、咖啡罐」

案例 B：只要版式，不要原场景

• 参考图：杂志内页大留白排版
• 生成目标：冬季香水头图
• 文字重点：香水材质 + 细雪
• 参考职责：留白与产品位置
• 禁止：在提示词里再写「左侧文案区、右侧产品、杂志排版」

同一套方法，只换「职责」和「题材」，稳定性会差非常多。

---

结语：你会垫图，不代表你会控图

回头看，这三关其实在解决一件很具体的事：

让参考图从「抽卡道具」，变成「限权工具」。

• 第一关告诉你：参考图是零件库，不是成品答案
• 第二关告诉你：文字和图片不能抢同一件事
• 第三关告诉你：骨架不稳时，换参考图只是换一种乱法

你不需要一上来就堆很多参考图。 你只需要先成为一个会分配任务的人：

别再问「再加一张会不会更像」。 先问「这张图只准管什么」，再问「我的字有没有跟它打架」，最后问「文本骨架稳了没有」。

从今天起，你收藏夹里最爱用的那张神图，重新拿出来试一次。 这次别让它承包整张图。 只让它管一件事。

管住了，你才是在用参考图。 管不住，你只是又开始抽卡。