如何使用 GPT Image 2 创作暗黑奇幻艺术 — 提示词、光影与成片自检
GPT Image 2 暗黑奇幻实战指南：风格契约、景深层叠、四张实装主视觉背后的两条原始提示词，以及需排查的七大翻车点。
本指南基于四张实际成片的图像撰写：一张哨塔世界观主视觉与一张女神官角色主视觉。每张均在 Neta Studio 的《哥布林杀手》世界观下生成了两次 — 一次使用 GPT Image 2，一次使用 Krea 2。下文引用的每条提示词皆为当时使用的原始文本，分辨率为 1024×1024，未经任何后期处理。只要遵循这一流程，你也能产出相同格调的作品。
这套方法并非什么神秘的独家提示词，而是在让模型开始渲染前所做的一系列决策：吃透世界观、确立风格契约、构建景深层叠、布置画面主体、聚焦单一光源，并以缩略图审视成片。GPT Image 2 非常擅长处理这个流程的中间环节，而且极易替你自作主张做出开头和结尾的决策 — 这正是你必须亲自把控这些决定的原因。
撰写提示词之前：吃透世界观
《哥布林杀手》是一个关乎“周密筹备”的世界，其视觉艺术亦是如此。在落笔写下提示词之前，请先参透这四条准则：哥布林在数周内即可繁衍成群、冒险者等级决定委托派发、诸神掷骰决定命运，以及守则是必须遵守的规程。这四条事实决定了何为优秀的画面：巢穴逼仄压抑、冒险者等级分明且报酬微薄、运气真实存在，而每一个场景都应呈现出一种“由随时准备赴死之人精心谋划”的质感。
- 强节拍 由下至上被照亮的哨塔甬道、在泥泞中辨识足迹的骑士、跪在断矛残戟中的新手、自林木边缘窥视的农场
- 弱节拍 小队成员并肩站立、毫无动作的英雄肖像、不见威胁的寻常风景、正对镜头咆哮的怪物
- 检验标准 用包含动词的一句话描述画面。如果动词只是“是”，请另选一个节拍
第二项自测：画面中是否存在抉择？哨塔图像包含两个抉择 — 骑士从何处突入，以及火光究竟是警报还是陷阱。女神官图像包含一个抉择 — 哥布林杀手是否会为她驻足。缺乏抉择的画面只是普通插画；蕴含抉择的画面才是真正的主视觉。
第 1 步 — 首先确立风格契约
风格契约是该世界观下每条提示词的第一句话，且固定不变。它明确界定了媒介形式、明度结构、布光法则与色彩搭配。将其置于句首，能让模型在构图前就锁定基调；在整套提示词中原样复用它，能确保四张图像犹如同一系列宣发物料般浑然一体。
暗调数字绘画，明暗对照画家风格：大块暗部形状、如水墨晕染般的碎裂边缘、粗细交织的笔触、单一克制的受光方向、被压缩的深色调暗部，辅以深靛蓝、血红、翡翠绿与骨白。
单凭这一句话就能规避两种翻车情况。第一种是 GPT Image 2 在未加约束时默认生成的油腻平滑数字绘画质感。第二种是色彩漂移：若不明确指定四色调色板，模型便会擅自添加第五、第六种颜色来让画面“成立”，从而导致整套图像风格失谐。
第 2 步 — 构建景深层叠
幽暗主义考究的是空间深度，而非单纯的黑暗。画面需要三个清晰可读的景深层次：近景深暗之物、展现核心动作的中景，以及交代尺度的远景。在哨塔图像中，它们分别是古树与骑士（近景）、盘踞着哥布林的斜坡（中景），以及燃烧的塔楼与明月（远景）。每个层次都有其独立的明度范围与专属的光源。
在引入角色阵容之前，务必按顺序明确写出景深层级：“前景为树木边缘与俯身潜伏的身影；中景为山坡，乱石间错落着矮小身影；背景为半坍塌的哨塔，塔内火光隐现，上方悬一轮明月。”如果先写角色阵容，GPT Image 2 就会一股脑把这三个人物堆在同一平面上，无论你原本想不想要海报感，画面最终都会沦为一张单薄的角色宣传海报。
步骤 3 — 调度入画角色
一到三个人物即可，每人分配一个轮廓特征、一件随身装备和一个具体动作。“身穿破旧板甲的银等级冒险者”是轮廓特征；“俯身在林缘查看踪迹”是动作。两者合一才构成角色；拆开来看不过是服饰说明。哥布林同理：“乱石间穿梭的矮小剪影”足矣，这比洋洋洒洒写上一大段哥布林解剖结构管用得多。
- 轮廓先行 先定形体，后填细节——身形高大披甲、精瘦矮小、披斗篷屈膝跪地
- 单件道具 高举的提灯、一把短剑、饰有地母神圣徽的法杖。一件道具成就一段叙事；五件道具就成了商品清单
- 一处战损 断裂的皮带、没过膝盖的泥渍、凹痕斑驳的肩甲。在这座世界里，战损正是“百战老兵”的代名词
- 角色描述至多九十词 若角色部分的篇幅压过了场景描述，整幅画面最终就会沦为时装展示秀
步骤 4 — 聚焦单一光源
在这个世界中，每一帧画面都应当明确单一的光照决策，且提示词必须将其写成物理成因，而非抽象氛围。“被下方哥布林的营火自下而上照亮”是成因；“极具戏剧张力的光影”只是一种空想。具体的成因能为模型提供明确的方向、色调以及依据——也为整幅画作锚定了视觉焦点。
在此类设定中，绝佳的单一光源是火焰，因为它不仅能在冷色调中合理引入暖色，还能隐匿于画框之外。画框下方燃烧的营火、画幅边缘之外的提灯、山脊背后焚毁的村庄：它们都能在不露出光源本身的情况下照亮主体。次选是月光，但前提是你必须接受它的清冷、遥远与冷眼旁观——而这，恰恰也是世人对诸神的看法。
步骤 5 — 在 512 像素下检视画面
在评判一幅图像前，先将它缩小。黑暗奇幻风格的画面必须经得起缩略图的考验，因为无论是在世界观主页、社交分享卡片还是手机屏幕上，受众第一眼看到的都是缩略图。如果在 512 像素下剪影和光源依然清晰可辨，则构图扎实成立；若沦为一团糊泥，堆砌再多细节也无力回天。
生成四张候选图
同一段提示词，运行四次。GPT Image 2 在构图上的变化幅度远超想象；四张中最佳的一张通常远胜于初次生成的版本。
缩小至 512 像素
若人物剪影与火光依然清晰可辨，说明明暗结构成立。若辨认不清，应重写描写光源的语句，而不是盲目补充细节。
与对照组比对
将其与另一款模型的渲染图并排比对。风格有所差异无伤大雅，但偏离世界观基调则不可接受。重点检查调色板与边缘轮廓质感。
成对保留双图
将两者一并发布。对比呈现对于读者而言远比单张主视觉图更有价值，这证明的是提示词的扎实功力，而非单纯靠运气抽卡。
两组完整提示词原稿
以下为实际使用的完整文本。其篇幅较长是刻意为之：前六十个词用于确立风格契约，余下内容则分别规约了地点、光影、角色、战后余波及负面提示清单。其中没有任何修饰性废话——每一个分句都在承担特定职责，否则模型就会擅自做主自行脑补。
提示词 1 — 世界观主视觉
暗色调数字绘画，暗色主义绘画风格：大面积暗色块面，破碎的水墨感边缘，粗细交织的笔触，单一且克制的光源走向，由深靛蓝、血红、翡翠绿与骨白构成的紧凑暗部阶调。夜色中的边境哨塔，半边坍塌没入山坡，石质狭口被下方哥布林的营火与浓烟自下而上照亮；前景中，一位身穿破损板甲、头戴全封闭圆头盔的银等级冒险者俯身潜伏在林缘，手持短剑与小圆盾，正在辨识泥泞中的踪迹；其身后岩石间错落穿行着矮小剪影与粗制哥布林长矛；潮湿的苔藓，泥泞，冷冽的月光，微弱的猩红余烬；泥泞的战靴与清点完毕的尸体，绝无英雄主义，电影级宽画幅构图，史诗级黑暗奇幻边境格局，无文字，无水印，无标志。
提示词 2 — 角色主视觉
暗色调数字绘画，采用明暗对照法（Tenebrism）绘画风格：大块暗部形态，断续如墨渍的边缘，粗细交织的笔触，单一而克制的光照方向，浓缩的暗部阶调搭配深靛蓝、血红、翠绿与骨白。遭遇伏击后的残破岗楼内：十五岁的女神官留着金色短发，身着白金祭服，在火把光芒中跪地，紧握顶端带有地母神圣徽的法杖，脸上交织着恐惧与决绝；周遭散落着折断的长矛、散落的新手装备与翻倒的提灯；一位身穿残破板甲的高大重装冒险者手持高举的提灯，身前立着圆盾，正从她身旁迈入黑暗的走廊；火光未及之处闪烁着哥布林的眼睛，湿漉的石块，翠绿的青苔；气氛紧张压抑、特写沉浸、电影质感的竖版角色海报，无文字，无水印，无Logo。
请注意每条提示词末尾的负向词列表：no text, no watermark, no logo（无文字、无水印、无Logo）。之所以保持简短，是因为 GPT Image 2 对简短的负向列表遵从度最高，而一旦写得过长便会开始忽略。风格约定中早已明令禁止了那些核心问题 — 可读文本、多余角色、特征融合以及千篇一律的过度美化。
实际出图效果
两组提示词在初次运行中都生成了立即可用的图像，这在实际测试中实属罕见，值得深入剖析。世界观提示词构建了一幅空间纵深清晰的深夜外景，塔楼内隐见火光；角色提示词则呈现了两位人物、两处光源以及清晰可辨的遇袭惨局。两款模型都严格遵循了调色规范，且未添加任何文字。
模型评测手记：GPT Image 2 对比 Krea 2
这一对比并非为了分出优劣。GPT Image 2 堪称场景渲染器：它擅长构建纵深、材质质感与次要动态细节，但生成成本更高；Krea 2 则是出色的海报引擎：它擅长提炼剪影轮廓、拉满氛围感，而成本仅为前者的十分之一。在世界观构建的工作流中，你其实两者兼需：设定集内页需要严谨细腻的插图，而书籍封面则需要张力十足的海报。
| 选型决策 | 推荐模型 |
|---|---|
| 多角色群像场景 | GPT Image 2 — 能完整保留第二与第三个人物，以及交代其身份的关键道具。 |
| 封面或缩略图 | Krea 2 — 画面元素更精炼，小尺寸下辨识度更强，且迭代试错成本远低于前者。 |
| 风格还原度 | GPT Image 2 能更严谨地执行风格规范；Krea 2 则更倾向于将其诠释为一种情绪氛围。 |
| 生成速度 | Krea 2 速度更快；GPT Image 2 耗时较长，且不同批次间的出图效果波动较大。 |
| 文字与纹章 | 两者皆不可靠。尽量避免生成清晰的文字；建议用几何形块来抽象示意纹章，而非依赖文字。 |
七大典型翻车案例与解决对策
以下是四张成图及其被淘汰的同批次作品中真正出现过的七类问题。每一种修正都是改提示词,而不是后期修补——如果画面结构本身有误,重新生成比修补更快。
- 暗部细节过度刻画 ——暗部失去分量,画面发灰。修正:加入“压缩明度层次、大面积丢失边缘、只保留一处明亮焦点区域”。
- 人物不断向中央聚拢 ——所有人物最终落在同一平面上。修正:明确写出景深层次,逐层交代。
- 铠甲崭新,衣物如新 ——世界看起来不再像边境荒野。修正:为每个人物指明一处具体的破损。
- 冒出了第五种颜色 ——通常是暖橙色或青绿色。修正:重复写明四色色板,并强调“除此之外不要任何其他颜色”。
- 火源在画外,画面却偏暖 ——光线没有来源。修正:写明火在哪里,以及它照亮了哪些表面。
- 面孔过于漂亮 ——去掉与美貌相关的词,加入“饱经风霜、不加美化、疲惫”。
- 画面需要配上说明才能成立 ——缺少“决定”。修正:回到第 3 步,给人物一个动作,而不是一个姿势。
把它真正用到世界里
最后一步,恰恰是大多数教程跳过的一步:把图像与某样东西关联起来。在 Neta Studio 中,生成的图像可以关联到世界、发布为可分享的作品,还能作为下一次生成的参考。这样,四张图就成了一组,一组图就成了一个看上去有设定、而非只有情绪板的世界页面。
在世界内生成
先打开世界。风格契约和各个设定原子已经加载完毕,所以提示词会直接继承设定,而不是凭空编造。
跑一组对照
场景用 GPT Image 2,海报用 Krea 2,尺寸保持一致。两张都发布——对比本身就是证明。
关联并分享
把作品关联到世界,它就会出现在世界页面上,并获得一个稳定的分享链接。
把说明写成提示词笔记
写下这张图决定了什么,而不是它画了什么。这样,一组画廊读起来才像一个世界。
接下来练什么
想要快速掌握这种风格,建议按以下顺序练习:先画一张没有人物的场景图,再画同一场景加一个人物来表现比例,然后画一个处于拱门下、只有一处光源的角色,最后画一幅带有事后余波的双人场景。每一步恰好只增加一重难度。大多数人直接跳到双人场景,便得出模型画不好黑暗奇幻的结论。
世界就是捷径。二十五个设定原子已经包含了提示词原本要追问的答案:塔楼长什么样,公会付多少报酬,女神官穿什么,火为什么重要。先读世界,提示词每次都会变得更短。
写下你自己的黑暗奇幻提示词
打开哥布林杀手的世界,复制风格契约,跑一遍四轮循环。两个模型,一个世界,还有一组值得发布的对比。
一个世界,四件发布作品,两种模型
本页的提示词可直接复制使用——而且每一张图都出自同样的 25 个设定原子。