返回博客

Sheru Bhai 提示词为什么会失败(以及怎么修)

2026年11月16日Sheru Bhai Photo Generator

角色为什么每次生成都不一样、几乎每张坏图背后的三个提示词错误、参考照片能保住多少相似度,以及生成出来的图你可以怎么用。

大多数出错的 Sheru Bhai 照片,原因只有三个,而且没有一个是「模型太差」。它们是提示词结构的问题,每条都能一次改好,其中两条反直觉到几乎所有人第一次都会踩。

这一页讲的是为什么提示词会有这样的表现。如果你只想要提示词,提示词库里有 24 条可以直接复制——角色锁定、生成器的 6 个场景,以及按场景分组的 18 条。用那些东西不需要读这一页。

为什么 Sheru Bhai 每次生成都不一样?

因为角色描述在某处被删短了,而里面每一个从句都是承重的。模型从没听过「Sheru Bhai」这个名字,所以这几个字本身不携带任何身份——真正把狮子画出来的是后面那段描述:纯白的毛、雪白的三件套西装、一条粗金链、左手腕上的大金表,以及永远留在眼睛上的细黑墨镜。去掉墨镜,你得到一只普通的狮子;把西装压缩成「a white suit」,模型会给你一件实验服或浴袍;删掉「双手空的」这一句,爪子里的道具就开始冒出来。

所以结果不理想时,角色锁定恰恰是最不该删的东西——删它改变的是「照片里是谁」,而你真正想改的是「在哪里」。请原样保留锁定,一次只改一个场景细节。

为什么大部分 Sheru Bhai 提示词出来都不对?

三个错误几乎解释了所有坏图。第一个是写你不想要的东西:「no text, no watermark, no extra fingers」不会去掉它们,因为模型把这些词当成要包含的内容来读。第二个是场景描述打头,让参照照片里的人变成可选项,被模型直接丢掉、挤到画幅边缘或者转过身去。第三个是反复强调穿衣规则,模型解决这个冲突的方式就是干脆把人塞进白西装。

三条都反直觉,三条都能在出图里看出来,而且每一条都有唯一对应的改法。下面三节逐条处理,因为每一种错误造成的失败长得不一样,修法也不一样。

为什么「写你不要的东西」反而更糟?

基于 FLUX 的模型没有负向提示词字段,所以「不要」并不是「不要」,而是一份你刚刚点名要看的东西的清单。写「no text, no watermark, no extra fingers」因此倾向于把这些东西加进来,最容易加的就是多出来的手指。你写的每一条规则都必须是正向的:clean unmarked surfaces、both faces fully inside the frame、anatomically correct hands with five fingers each。

一旦你注意到这一点,改写就是机械动作——把每处「no X」换成「X 不存在时画面长什么样」。这一个错误造成的坏提示词,比其他所有错误加起来还多,也是三条里最快能修的:在提示词里搜索 "no",把每一处都改写掉。

为什么两个人物要先于场景出现?

关键在于第一句决定了后面所有内容怎么被理解。如果提示词开头是「a grand hotel lobby at dusk」,把人物放在第二句,模型就会把画面理解成一个有大堂、里面还有只狮子,参照照片里的人于是变成可选项:被整个丢掉、被挤到画幅边缘、被转过身去。而用两个人物加上「面向镜头」的指令开头,就等于把他们定为主体,大堂变成他们所处的环境,而不是被拍摄的对象。

这个差别大到一次就能看出来——同一个种子、同一个场景,只改从句顺序。所以当一个提示词总是把人物丢掉时,先检查这一项,再动别的地方。

为什么反复强调穿衣规则会适得其反?

多写几句「人穿什么」,结果反而更差。两个各自独立的「别让他们穿白」从句会互相打架,模型解决这个矛盾的方式就是干脆把人也塞进白西装。穿衣只写一次,放在提示词最末尾,而且要写出具体的衣服:不是「their own everyday clothes」(模型把这句当模糊描述处理),而是「a navy blue t-shirt, their own clothes from that photo」,这样它才有一个具体的东西可以渲染。

这是本站生成器唯一比手写提示词强的地方:它会从你上传的照片里读出衣服,把真实的描述写进最后那句。在固定种子下,泛泛的措辞守住本人衣服是 0/8,去重后的散文措辞 3/8,而写明从照片里读出的衣物是 8/8。想自己拼这句话,结构在提示词库的最下面。

AI 照片能有多像我?

请期待「穿着一模一样的衣服、发型一致的、说得过去的人」,而不是完美的脸部还原,尤其只有一张照片时。参照照片能忠实带上发型、肤色、体型和衣着;但它不会像专门训练在某个人身上的模型那样锁住一张脸,再多的提示词也补不上这个差。

有三件事能明显提升结果:清晰的正脸自拍、光线均匀且没有硬阴影;干净的背景,不会渗进出图;提示词里正面的姿势(facing the camera, their whole face visible, lit and sharply in focus)。一张戏剧性侧光的肖像发 Instagram 更好看,在这里表现更差,因为模型读不到阴影里的那半张脸。每次生成只能约束一张脸,所以合影会把每个人的脸平均掉。请只上传你有权使用的照片:你自己的,或已明确同意的成年人的。

我生成的图可以怎么用?

个人发布,可以——本站就是为这个做的。有两条边界要注意。第一,角色源自第三方:本站是由爱好者独立制作的工具,与那一方没有隶属、授权或合作关系,所以这里不授予你对该角色本身的任何权利,超出个人发布的用途取决于那一方的态度。第二,不要把生成的图说成真实照片,不要用这个角色去暗示某个真实品牌给你背书,也不要生成任何未获同意的人。

角色的外形描述、来历,以及这些照片为什么会传开,都在角色页;有约束力的规则在服务条款里。


不想写这些提示词就想要照片?上传一张自拍、选个场景,角色锁定已经在提示词里了。第一张免费。