為什麼服裝描述總是不準

寫服裝提示詞時,大家習慣寫一句整體印象:「穿一件復古風的連衣裙」。模型收到的資訊量其實很少——復古是哪個年代、什麼面料、什麼長度、領口長什麼樣、有沒有花色——全靠它猜。猜錯一次,就要重抽十次。

把服裝拆成四個層次描述,命中率會明顯提高。這個拆法也正好對應服裝庫的標籤體系。

第一層:顏色

顏色是最先被模型抓住的資訊,也最容易被寫得模糊。「米色」在模型眼裡可能是奶白、燕麥、淺駝三種。更穩的寫法是給一個具體的色系參照:

  • ivory white 比 white 精確
  • burgundy 比 red 精確
  • forest green 比 green 精確

如果有主色和輔色,把主色放前面。模型對靠前的詞權重天生更高。

第二層:單品與版型

這一步要具體到「是什麼衣服」,並且帶上版型。「上衣」太泛,「off-shoulder ruffled knit top」就夠明確:露肩、荷葉邊、針織、上衣,四個資訊一次給到。

常見組合可以直接套用這個結構:領口 + 袖型 + 材質 + 品類。例如:

off-shoulder neckline, long puff sleeves, ribbed knit, cropped top

第三層:材質與圖案

材質決定光影怎麼走。皮革會有硬高光,雪紡會透光,粗針織會有明顯的織紋陰影。相同的版型,換材質等於換一套打光邏輯。

圖案要寫清密度和尺度:small floral print 與 large abstract floral 出來的效果差很遠。純色就明確寫 solid color, no pattern,否則模型很喜歡自己加東西。

第四層:鞋襪與配飾

這一層最容易被漏掉,但在全身圖裡占了畫面下方三分之一。短襪配運動鞋、長靴、瑪莉珍鞋,三種選擇會讓整套穿搭的氣質完全不同。

配飾的作用是提供視覺錨點:草編帽、皮質手提包、細皮帶。數量控制在一到兩件,多了會互相打架。

一條完整範例

ivory white off-shoulder ruffled knit top, pink corduroy mini skirt, beige long coat draped over shoulders, white knee-high socks, white sneakers, straw hat with ribbon, small woven handbag

這段描述從頭到腳每一層都有交代,模型幾乎沒有猜的空間。這就是「準確」和「大概」的差別。

用標籤篩選取代憑空想像

如果一時想不出怎麼搭,最快的辦法不是硬想,而是到服裝庫裡篩。圖庫裡 1407 套穿搭依季節分類,每一套都拆好了顏色、單品、材質、長度等 86 個標籤。

具體用法:

  • 先依季節或風格定大方向,例如春季穿搭。
  • 再用顏色標籤鎖定主色,例如象牙白。
  • 最後用單品標籤補細節,例如荷葉邊、針織、半身裙。

篩出來的每一套,本身就是一條寫好的提示詞,直接複製改幾個詞就能用。

與姿勢、人像的配合

服裝描述解決「穿什麼」,但完整的一張圖還需要「怎麼站」和「長什麼樣子」。這三個維度分開寫、分別參考,比混在一句話裡有效得多:

  • 姿勢 → 姿勢庫,288 組、五視角、深度圖與線稿雙圖源
  • 服裝 → 服裝庫,1407 套、86 個標籤
  • 人像 → 人像庫,1499 位、51 種髮型依長度歸檔

三個圖庫的篩選邏輯是同一套,學會一個就會全部。