SillyTavern 出图秘籍:交互块比姿势更管用,Krea 2 实测有效

Meinungsbild · reddit · 2026-11-13

作者分享用 SillyTavern 经 ComfyUI 生成场景图的一套提示词模板改造方法,核心是把 LLM 写图提示词的输出从一大段散文改成结构化分区:

分区结构:Setting(场景/光线/时间)、Interaction(人物之间的互动,每对一行)、每人独立块(外貌/服装/表情/姿态)、Camera(构图/镜头/距离/角度)。
效果一:表情写进独立人物块后能真正落到图里,不再被埋没在段落中;分区括号便于单独改写某一块(只换镜头或某角色服装),也避免两个角色互相融合。
效果二:Interaction 块是关键——在 Krea 2 上没有它,人物就是死盯远方的「人偶」;而且 Krea 2 对「互动描述」的反应好于逐关节的姿势指令,如「她在嘈杂中凑近听他说话」比精确姿势更有效。
交叉验证:MiniMax H3 Image 自带的 prompt expander 公开指令几乎逐条对应这套结构(identity/pose/contact/environment/lighting/lens/scale),其中 contact 单列,印证了互动块的设计。
H3 实测心得:要写后果不要写术语(「俯视」没用,写「地面占满画面、地平线靠上」立即生效);H3 不加风格滤镜,光线必须显式描述。

模板刻意不含任何艺术风格,已在 Krea 2、MiniMax-H3-Image、Z-Image、MOSS-Image 四个模型上验证可用。

「编程与Agent」频道最新