如何在Whizi聊天中生成图片

简单来说

打开模型选择器，将顶部的开关从文字切换到图片和视频，选择一个图片模型，然后描述你想要的图片。输入框的提示文字会变成“描述你想生成的图片……”，生成结果会直接显示在同一段对话里。

模型	用途
Whizi Image	生成任意图片；创意选择器里的第一行
Nano Banana	编辑你上传的照片
Flux	锐利的写实风格作品
Stable Diffusion	Stability AI的图片模型

图片生成功能包含在Pro套餐（每个计费周期100张）和Powerhouse套餐（500张）中。免费版和入门版账户的图片额度为零。图片提示词可以是1到4,000个字符，生成的图片会保存30天，每张图片都有下载按钮。如果生成失败而不是正常渲染，提示文字会说明原因；参见图片生成失败。

为什么在聊天里生成图片不一样

常见的图片生成流程是一个独立的产品、一个独立的订阅，以及一个完全不了解你正在做什么的空白输入框。在对话内部直接生成图片改变了两件实际的事情。

第一，模型已经掌握了上下文。如果你刚花了二十条消息来完善一个营销创意，那么“为这个生成主视觉图”这句话已经带上了全部背景。你不需要向另一个工具重新描述一遍需求。

第二，你可以用文字模型来撰写图片提示词。这是大多数人都会忽略的技巧：让Claude或GPT把你粗略的想法转化为结构完整的图片提示词，再拿去运行。语言模型在撰写图片提示词方面通常比大多数人做得更好，因为这是一种已知的格式，而它们已经见过大量的范例。

提示词：让文字模型来写图片提示词

为以下内容写一段图片生成提示词：[粗略的想法]。它将用于[用途和展示位置]。按以下结构组织：主体、动作或状态、场景、光线、构图与取景、媒介或镜头、色彩处理、氛围。补充一份不希望出现内容的负面清单。给我三个在构图上（而不是形容词上）有差异的版本。

行之有效的提示词结构

几乎每一个好的图片提示词都遵循大致相同的七个部分，且顺序相近。缺失的部分会被模型用默认值填补，而正是这些默认值让泛泛的提示词生成千篇一律的图库风格图片。如果这是你第一次写提示词，如何创建AI图片从零开始讲解了同样的内容。

部分	该写什么	省略后的效果
主体	具体的事物，加上关键细节	得到这个名词最泛泛的版本
动作或状态	它正在做什么，或处于什么姿态	静止、摆拍、缺乏生气
场景	在哪里，能看到多少环境	空白或杂乱的默认背景
光线	方向、质感、时间	平淡、均匀打光、缺乏个性
构图	角度、距离、主体在画面中的位置	每次都是居中的中景
媒介或镜头	摄影及焦距，或插画风格	默认偏向光滑的数字艺术
色彩与氛围	色调与情绪	色彩过饱和、对比过强

一个实际的例子。弱：一个人在办公室工作。强：一位五十多岁的女性站在站立式办公桌前查看打印出来的图纸，傍晚的光线从她左侧的窗户照进来，从她肩膀稍后方、与视线齐平的角度拍摄，50毫米镜头，柔和的绿色与暖色中性调，平静从容。负面清单：对镜头微笑的商业图库风格、杂乱的桌面、可见的品牌标志、文字。

负面清单的作用比大多数人想象的更重要。让生成图片看起来“一眼假”的，往往就是一小组反复出现的瑕疵，把它们明确列出来就能去除它们：商业图库式微笑、色彩过饱和、文字、水印、多余的手指、对称的公司风构图。

如何选择模型

• Whizi Image：用于生成任意图片。它是内置生成器，也是创意选择器里的第一行。
• Nano Banana：用于编辑你已有的照片。上传图片并描述想要的修改；一旦附上图片，输入框的提示文字就会从“生成”切换为“编辑”。
• Flux：适合锐利的写实风格作品，以及任何需要和真实照片放在一起使用的内容。
• Stable Diffusion：Stability AI的模型，可以作为第二意见：它对具体的提示词反应更好，用同样的文字也能生成不同的风格。

你可以在同一段对话里切换模型，这是回答那个唯一重要问题的最快方式：把同一个提示词分别放进两个模型里运行，然后并排比较结果。不同模型的质量因主体而异，在人像上表现最好的模型，在室内场景或平面插画上未必是赢家。

不要在原地打转地迭代

最常见的失败是反复重新生成同一个提示词，指望能碰上更好的结果。这在一定程度上难以避免，但大多数被浪费掉的尝试，其实来自一次改动太多东西，结果忘了到底是哪一点起了作用。

• 每次只改一个变量。 光线，或者取景，或者色调，而不是三样一起改。
• 把有效的部分用文字记下来。 当一张图片已经接近理想效果时，在下一个提示词里描述清楚它哪里对了，不要指望模型会记得。
• 先修构图，再修细节。 先把取景和光线调对，远比先完善一个位置不对的主体更高效。
• 按最终需要的宽高比生成。 把方形图裁成宽幅横幅，会丢掉你原本要求的构图。提前说明你实际需要的比例。
• 保存有效的提示词。 八个可靠的、可以直接粘贴复用的固定风格提示词，比任何一张单独的图片都更有价值，反复使用它们也正是让一组素材看起来像一整套的原因。

如果要编辑已有的图片，上传它并描述想要的修改。这种方式很适合调整背景、光线和色调，但不太适合精确的结构性修改，这类修改在真正的图片编辑工具里做起来仍然更快。

图片模型目前仍然做不好的事

文字。 渲染文字仍然是所有模型中最薄弱的环节。简短的单词有时能正确生成，但标题、标志或标签通常不行。先生成不带文字的干净图片，再在你的设计工具里加上文字。

手、数量和重复的小细节。 手指、牙齿、椅子腿，以及建筑物上的窗户，都是模型容易数错的地方。使用前请先放大检查。

精确的空间指令。 “正好三个物体，红色的那个在左边”这类指令并不可靠。如果排列方式确实重要，请在你的编辑工具里自己完成构图。

多张图片之间的一致性。 让同一个角色或产品在一系列图片中保持完全一致很难。详细且重复的描述会有帮助，但无法保证得到完全相同的结果。

关于使用权：在把任何生成内容用于付费投放之前，先确认你的权利，尤其要留意任何类似真实人物、可辨认地点，或与在世艺术家风格高度相似的内容。各家提供商的条款各不相同，商业风险由发布图片的一方承担。