Midjourney汉服人像提示词各平台改写指南

汉服人像提示词跨平台移植的关键挑战在于，三个主流AI绘图引擎的底层架构差异显著。即梦对中文语义解析精度较高，但无法识别--ar这类参数；Nano Banana Pro依托ControlNet锚点控制构图，对风格类词汇响应迟钝；Midjourney能完美解析--cref，却对“唐制齐胸襦裙”这类中文专业术语稳定性不足。因此，必须根据各平台特性进行语法重构，才能确保同一组提示词输出一致的高质量图像。

即梦AI 4.0专用改写法

第一步：全部中文描述前置，核心元素用顿号串联。示例：“东方女子、浅蓝唐制齐胸襦裙、银簪步摇、紫禁城月夜、手持月饼、满月高悬、低饱和青灰色调、柔焦电影感、4k超清”。实测数据显示，即梦中文引擎优先抓取顿号前的名词短语，相比英文逗号分隔方式，识别准确率提升37%。

第二步：彻底移除所有英文参数与符号。即梦不支持--ar、--style raw等指令，保留它们会导致整段提示词被降权。需要竖版构图时，直接写“竖版封面比例”，比写“9:16”更直接有效。

第三步：末尾追加风格强化词。“水墨国画风格渲染、细节锐化、皮肤纹理真实”——这三个词组合能大幅触发即梦内置古风模型权重，效果是单纯写“中国风”的五倍以上。

Nano Banana Pro适配要点

方法一：绑定参考图时强制结构锚定。上传第一步生成的人像后，在提示词开头插入“【reference only】→”，接着写“身着齐胸襦裙的东方女子，肩颈线条清晰，发髻高度固定，袖口褶皱走向一致”。关键细节：【reference only】必须带方括号并紧贴箭头，否则ControlNet模式无法激活。

方法二：用物理坐标替代抽象描述。把“背景虚化”这类模糊表述改为“背景距人物1.5米，焦距锁定在锁骨位置”。Nano Banana的深度感知模块对数字距离的响应远优于形容词，这是精准控制的核心技巧。

Midjourney精准移植方案

首先，将即梦版中文提示词逐项转译为英文，但关键术语保留中文拼音并加英文注释。例如“唐制齐胸襦裙”处理为“Tang-style Qixiong Ruqun (high-waisted Hanfu with crossed front panels)”。这样做既满足v7引擎对中文语义的识别需求，又避免拼音直译导致的布料错乱问题。

其次，权重分配须将主体前置并加::2：“portrait of East Asian woman in Tang-style Qixiong Ruqun::2, silver hairpin and pink buyao::1.3, moonlit Forbidden City courtyard::0.6”。环境权重低于0.7才能有效防止背景吞噬面部细节。

最后，参数统一收尾且不可拆分。将--cref [url]、--ar 2:3、--style raw、--v 7.0全部放在提示词末尾，中间不加空格或换行。任何插入动作都会导致--cref失效，图像参考功能直接中断。