图生图与参考图改图：让 AI 照着你的底子改

文生图靠描述，图生图靠底图。怎么选参考图、怎么写改图指令、怎么控制改动幅度，一篇讲透。

2026-09-02 · 约 4 分钟读完

最后更新于 2026-10-05

作者：何屿（CPCX 撰稿人 · 图像与影音）

同一张底图我用三种强度去改，强度 0.3 基本看不出变化，0.8 把主体结构都改掉了。0.5 到 0.6 之间才是「照着你的底子改」，这个区间是我一张张试出来的。

图生图和文生图是完全不同的思路

文生图是从零描述一个画面，控制权全在文字上；图生图是给一张底图让 AI 在此基础上改，底图决定了构图、主体和大部分风格，文字只负责说「改哪里」。

所以图生图的第一要务是选好底图：构图和主体要基本符合预期，因为这两样改起来最费劲；颜色、风格、氛围、背景这类「皮肤层」的东西，交给改图指令去调才是高性价比的做法。

改图是迭代游戏：小步改、随时回退、每轮只验证一个变量。想着一步到位的，通常比小步快跑的慢得多。

电商商品图：手机随手拍的商品图做底图，指令「保持商品外观与角度不变，替换为干净的浅灰色影棚背景，加柔和阴影」，一张能用的主图就出来了，省下的是实打实的拍摄成本；

风格化转换：自己的照片改插画风格，关键在指定风格参照——「保持构图和人物特征，转成国风插画，线条工整，配色清淡」，比笼统说「变成插画」稳定得多；

局部精修：只对画面某一小块不满意时，指令里精确圈定范围（左下角的水杯、右上的招牌），其余部分越少提及越不容易被顺手改掉。

手机拍的半身照改成插画头像，第一版指令是「转成扁平插画风格，保持人物特征」。出来的图五官确实像我，但发型被重新设计了，卫衣胸口的字母变成一块看不出内容的色块。问题出在「人物特征」这四个字上：它对特征的理解和我不是一回事——脸是特征，图案也是特征，但它只保住了脸。

第二版我把保留项拆成清单：「发型轮廓和刘海方向不变，眼镜形状不变，卫衣上的字母图案原样保留」，效果好得多。但我接着在上一轮的结果上连改了三轮——换背景、调色、加描边——第三轮画面明显「脏」了：线条发毛，颜色发灰，越改越不对劲。

后来才想明白：改图不是无损编辑，每一轮都有损耗，损耗会累积。现在的做法是每轮都回到原始底图重来，把上一轮满意的改动写进指令再叠加，多花一点复制粘贴的功夫，换的是画面不崩。还有一条顺手记下：越不起眼的东西越要在指令里点名，它不知道哪些是你的底线。

「改完之后和原图不像了，怎么办？」这是特征漂移，保留项写得越笼统漂得越厉害。把「像」翻译成具体部位——脸型、发型、眼镜、衣服版型——逐个点名。指望它自己判断哪些是「你之所以是你」，判断不了。

「同一条指令，为什么每次出图都不一样？」图生图带随机性，这是机制不是故障。别追求复现某一张，正确的策略是同一条指令连出几张挑最好的，比反复微调指令再生成快得多。挑中的那张立刻单独存档，连同当轮指令一起——改图工具没有历史记录，刷新一下就找不回来了。

「底图有点糊，能让它顺便变清晰吗？」指望不上。它不会凭空补出原图里不存在的细节，糊的底图只能得到「风格化的糊」。要放大的用途，先换一张清晰的底图，这一步偷懒后面全是坑。

「换了背景，商品边缘有一圈残留颜色？」底图是在真实环境里拍的，边缘沾了原背景的色。指令里明确「重新绘制商品边缘，不要保留原图背景的颜色」，或者换一张背景更干净的底图，比反复重生成省事。

原始底图就是你的存档点，每一轮都从它出发，别弄丢。