个人知识库

2026-07-06-woshipm-gpt-image-2-prompts-free

24分钟阅读

GPT Image 2 提示词合集：真照片生成、图文设计与 AI 视频分镜

这篇素材把 GPT Image 2 的能力从“图片生成”推进到“视觉生产系统”：它不仅能生成真假难辨的社交截图和实拍照片，还能做图文排版、PPT/论文图表、GUI 仪表盘、插图海报、角色设定图与影视执行分镜表。核心启示是：高质量视觉 Prompt 不只是形容风格，而是把身份参考、场景类型、版式文字、质感细节和负面约束组合成可复用的视觉规格书。

基本信息

核心观点

  1. GPT Image 2 的真实感生成已经进入“截图级”阶段：素材展示了抖音直播截图、微信朋友圈截图、课堂实拍、镜前自拍、韩国职业棒球电视直播截图等案例，重点不在“照片好看”，而在模型能复刻平台界面、互动数据、镜头瑕疵、压缩痕迹、颗粒、运动模糊和场景信息，从而生成“像真实发生过”的视觉证据。

  2. 场景合成比风格转换更进一步：职业棒球转播案例并非简单把参考人像换成某种风格，而是把人物自然嵌入 KBO 球场、观众席、比分提示、直播状态、镜头语言和负面约束中。这类 场景合成提示词 通过“身份参考 + 场景语法 + 媒介语法 + 禁止项”组合，把图片生成变成“给一个人安排一次看似真实的现场出现”。

  3. 图文设计排版成为 GPT Image 2 的核心能力之一：素材中的 Y2K 剪贴簿海报、Vogue 风格杂志封面、Cyber-Pop 棚拍、二次元角色档案页、论文图表、SaaS 仪表盘和移动 App 面板都依赖文字渲染、版式层级和信息组织能力。与旧式生图工具相比，GPT Image 2 的关键突破是“图里能有清晰可读且层级正确的文字”。

  4. Prompt 的颗粒度正在从“风格词”升级为“视觉规格书”：高质量 Prompt 通常包含主体身份参考、场景设定、构图比例、媒介类型、文字内容、UI/图表字段、光影质感、负面提示词和版权规避要求。例如杂志封面 prompt 不只说“高级时尚”，还精确列出日期条、主封面标题、右侧封面标题、条码、刊号和胶片颗粒。

  5. AI 视频前期的关键不是直接生成视频，而是先生成一致的视觉资产和分镜表：素材提出 GPT Image 2 可先生成角色设定板，保证人物、服装、道具、场景氛围一致；再基于剧情输出专业 AI视频分镜 表，包含镜号、景别、画面内容、运镜、台词、音效和时长。它补上了 AI 视频工作流中“角色一致性 / 场景一致性 / 分镜可执行性”的前置环节。

  6. 多种高仿视觉场景带来可信度与伦理风险：社交媒体截图、体育直播截图、明星/公众人物场景、游戏 IP 风格海报、手相解读图卡等玩法证明模型能制造极强的视觉可信度。知识库在吸收其生产力价值时，也要把“合成图不得伪装成真实证据、不得冒充他人现场经历、不得侵犯版权角色或平台标识”作为应用边界。

实操内容保留

1. 真照片与社交截图 Prompt

原文用多个例子说明“真实感”由具体媒介语法构成，而不是单纯要求“真实”。

生成一张罗永浩抖音直播截图画面，包括主播、评论、互动数据等
生成一张微信朋友圈截图画面，分享旅游打卡，带图片带文案，带互动点赞评论
帮我生成一个学生在课堂上拍老师讲课的实拍画面

镜前自拍案例的关键是把场景细节写到“照片不像摆拍”的程度：

创作一张超逼真的竖屏智能手机镜前自拍，对象是一位站在小公寓入口处的年轻女子。她留着一头略显凌乱的长卷发，头发颜色为深棕色至黑色，垂过肩头。她的脸被一块方形的隐私挡板遮挡住。她右手拿着一部黑色智能手机，举到脸部高度，对着镜子自拍，左手随意地插在夹克口袋里。她穿着一件敞开的黑色超大号拉链连帽衫，内搭一件白色T恤，下身是宽松的深色长裤，营造出一种轻松休闲的街头风。场景设定在一个狭窄的日式入口走廊，米色墙壁，她身后是一扇灰色门和金属门闩，地面铺着浅色瓷砖，右侧边缘挂着一面木质镜框，墙上有一个灯开关，画面中正好有三双鞋：左侧地板上有一双白色运动鞋，右侧墙边有一双亮黑色皮鞋，右下角有一双深色皮鞋被部分遮挡。使用温暖的室内光线，采用真实的手机拍摄视角，构图自然，略带颗粒感，阴影柔和，营造出一种社交媒体照片的真实感，仿佛是用手持手机拍摄的，而非专业摆拍。

2. 参考图 + 体育直播场景合成 Prompt

使用上传的参考图片作为主要身份参考。创作一张超逼真的韩国职业棒球联赛现场直播截图，画面是一位坐在看台上的女士被电视摄像机意外捕捉到的。保留参考图片中女士的整体面部特征、发型、柔和的表情和自然的气质，但不要使其看起来像是粘贴或过度复制的。将她自然地融入到场景中。她身穿三星狮队棒球服，置身于夏日傍晚的韩国职业棒球联赛（KBO）球场。摄像机角度为观众席的视线水平，使用逼真的长焦镜头从远处拍摄。女士没有直视镜头。她以平静、随意的表情自然地观看棒球比赛，微微一笑，仿佛没有意识到或只是勉强注意到了摄像机的存在。场景应感觉像是真实的体育电视直播画面，而不是智能手机照片、自拍、肖像照或时尚大片。包含逼真的韩国棒球场元素：拥挤的看台、热情欢呼的球迷、蓝色的加油毛巾、啤酒杯、冰镇饮料、球场灯光、LED显示屏以及柔和虚化的观众背景。使用长焦压缩、轻微的电视转播视频柔化效果、人群中轻微的运动模糊、细微的视频噪点以及轻微的压缩痕迹。添加逼真的KBO转播画面/比分提示：第八局下半，0球，2出局，三星队击球：全炳佑，Kiwoom队投手：吴锡柱，一垒有跑垒员，韩国队队名缩写以及一个小小的“正在直播”指示灯。

这个 Prompt 的最后还附带大量负面提示词，例如“智能手机照片、自拍、直视镜头、摆拍肖像、时尚拍摄、美妆大片、影棚灯光、过度锐化的肖像、复制粘贴的脸、不自然的脸、错误的棒球场、非韩国体育场的氛围”等，用来避免模型把直播截图错误生成成写真照或广告图。

3. 图文设计排版 Prompt

Y2K 剪贴簿海报 Prompt 体现了“身份参考 + 风格系统 + 字体文案 + 原创版权规避”的完整结构：

使用上传的参考图片作为主要身份参考。，创作一张原创的Y2K风格剪贴簿拼贴海报，海报主体是一位时尚的年轻女性的半身像，保留参考图片中女士的整体面部特征、发型、柔和的表情和自然的气质，但不要使其看起来像是粘贴或过度复制的，她侧脸戴着大型无线耳机，闭着眼睛静静地享受音乐。她身穿一件宽松的复古H&M夹克，缝线清晰可见，整体风格休闲随性。主体应以高对比度的黑白照片抠图形式呈现，全身周围环绕着粗白贴纸式的轮廓线，营造出潮流的拼贴美感。背景采用干净、鲜艳的纯色，例如蓝绿色和深绿色，并在人物周围绘制活泼的白色手绘涂鸦。图案中可以包含漂浮的行星（带环）、星星、木星环、星座、流星、火箭、宇航员、卫星、轨道线、抽象漩涡、闪光和音符等元素。融入现代 Z 世代字体，将手写体和活泼的贴纸风格文字混合使用。使用原创短语，例如：“lost in you”，“vibes only”，“dream explore repeat”，“cosmic soul”，“beyond the stars”。将所有现有品牌标识和版权信息替换为完全原创的虚构品牌文字：“Creative Visuals by Silent Grave Studio”。

杂志封面 Prompt 则证明 GPT Image 2 已经能处理高密度英文排版：

用上传的参考图片作为主要身份参考，制作一张高端时尚杂志封面，3:4 竖版，Vogue Paris / British Vogue编辑风格。主体：海报主体是一位时尚的年轻女性的半身像，保留参考图片中女士的整体面部特征、发型、柔和的表情和自然的气质，但不要使其看起来像是粘贴或过度复制的，侧身三分之四朝向镜头，眼神直接锐利。她穿着一件雕塑感强烈的象牙色高领羊毛大衣，内搭深茄紫色丝质吊带裙。精确封面文字（全英文，字体清晰，拼写正确）：– 铭牌标题，巨大大写衬线体，白色：”VOGUE” – 左上日期条，微型大写字体：”NOVEMBER 2026 · PARIS EDITION · €9.00″ – 主要封面标题，粗体无衬线体居中：”THE QUIET POWER ISSUE” – 右侧封面标题，叠排：“THE NEW MINIMALISTS — a 40-page portfolio” “HOW AI TOOLS ARE REWRITING THE ATELIER” “MARTIN MARGIELA’S UNREVEALED ARCHIVE” “SKIN · INVESTMENT · WHERE THE MONEY GOES NEXT” – 左下角条码及目录码 “VG1126”。光影：经典时尚编辑风格 — 柔光主光源，细微补光，一侧面颊阴影深邃，细腻胶片颗粒。

4. PPT、论文图表与 GUI 设计 Prompt

论文图表案例：

制作一张《自然医学》/《转化医学》风格的研究论文图表，横向 3:2 (1536×1024)，采用柔和的文献科学色调，简洁优雅。图表标题：“患者队列和多模态生物标志物工作流程”。布局：简洁的四格学术图表，分别用小号粗体字母标注 A 至 D。A. CONSORT 式患者队列流程图：“筛选 n=1,248” → “符合条件 n=612” → 分支为“训练队列 n=428”和“外部验证 n=184”。包含排除侧边栏：“影像缺失 n=81”、“随访不足 n=43”、“质量控制失败 n=32”。B. 多模态样本处理流程：包含“CT 成像”、“血液蛋白质组学”、“电子病历时间线”、“结果标签”等图标，汇入浅蓝色融合框“特征协调”。C. 小型 Kaplan-Meier 生存曲线图，两条清晰的曲线分别标记为“低风险”和“高风险”，颜色分别为柔和的青色和浅粉色，x 轴为“月”，y 轴为“无事件生存期”。D. 简洁的表格式性能总结，包含三行：“AUROC”、“C 指数”和“校准斜率”，以及两列：“内部”/“外部”。

SaaS 仪表盘案例：

为名为 HELIX OPS 的虚构平台创建一个高端桌面 SaaS 分析仪表板模型，该模型将显示在 16:10 比例的显示器画布上，分辨率为 1600×1000。使用冷色调，包括石板灰、钴蓝、青色、浅灰和白色，并搭配精致的玻璃面板和紧密的网格布局。布局应包含左侧边栏、顶部筛选栏、KPI 卡片、折线图、数据表和警报面板。使用清晰的字体和正确的标签。在图像中添加以下文字：“HELIX OPS”、“运营概览”、“过去 30 天”、“正常运行时间 99.982%”、“工单数 184”、“延迟 42 毫秒”和“转化率 6.4%”。展示一个标有“4 月 1 日”至“4 月 30 日”的折线图、一个标有“流量来源”的环形图，以及一个包含“站点”、“状态”、“区域”和“负载”列的表格。添加显示“3 严重”和“12 警告”的警示标签。

5. AI 视频角色设定与分镜表 Prompt

素材给出的 AI 视频示例是“仙门大师兄被小药仙误喂真话丹”的轻喜剧短片。第一步先出角色设定板：

仙侠轻喜剧真人剧角色设定板，影视角色企划图，多栏排版设计。主题人物：仙门首席弟子。年轻男性，东方古典长相，五官俊朗凌厉，眉眼冷淡，高冷禁欲气质，但带一点被迫营业的无语感。黑色长发高束，银色发冠，额前碎发自然垂落。身形修长挺拔，气质像仙门里最不好接近的大师兄。服装设计：白金色与墨青色仙门长袍，带云纹刺绣与仙门徽记，层次丰富但利落干净。腰间佩剑、玉佩、符袋，整体高级古风仙侠感。角色状态：表面严肃冷脸，实际经常露出“无语”“嫌弃”“头疼”的微表情。版式内容：左侧全身角色展示。右侧多角度半身表情（冷脸、皱眉、无奈、被气到沉默）。下方展示佩剑、玉佩、服装纹理、手部细节。

第二步再输出执行分镜表：

仙侠轻喜剧真人剧，影视导演执行分镜表，专业 storyboard layout，影视项目分镜板设计。整体采用「影视执行分镜表」排版。8宫格整齐表格布局。米白色古风纸张背景。每个镜头独立边框。顶部有标题栏与场次说明。下方有镜号、景别、画面内容、运镜、台词、时长等中文表格信息。整体版式参考真实影视剧导演分镜脚本。画面内容为：仙门炼丹房内，古灵精怪小药仙偷偷炼制“真话丹”，结果炸炉。高冷仙门大师兄赶来救场，却误吸丹药烟雾，从此开始无法说谎。整个炼丹房陷入鸡飞狗跳的爆笑混乱。镜头内容包括：女主偷偷炼丹、丹炉失控、炸炉爆炸、男主登场、误吸丹药、弟子围观、男主被迫说真话、全场混乱。场景：巨型炼丹房，青铜丹炉、暖金色灵火、药材架、卷轴、烟雾、小灵兽。整体风格：真人拍摄感、电影级仙侠轻喜剧、东方幻想美学。高密度喜剧节奏。暖金色电影打光。真实影视剧质感。重点强调：不是海报拼贴。不是漫画分镜。是专业影视导演执行分镜板。整齐表格排版。每格包含文字信息。类似电影 storyboard 页面。高级影视项目企划案风格。真实电视剧分镜脚本视觉效果。

6. 不建议直接采纳为事实判断的玩法

素材最后展示“上传手掌生成手相解读指南”的玩法。它可以被理解为一种视觉化娱乐模板，但不应被当作命理、医学或人生决策依据。知识库保留其 Prompt 结构价值：上传参考图 → 抽取视觉特征 → 生成带标注的说明图卡，而不是采信手相判断本身。

关键概念

  • GPT Image 2：本文验证其已经从图像生成模型升级为覆盖照片、海报、UI、图表和视频前期资产的视觉生产系统。
  • 场景合成提示词：把参考人物或角色嵌入具体媒介场景的 Prompt 结构，例如 KBO 直播截图、FPS 实机截图、游戏主菜单等。
  • AI视频分镜：用 GPT Image 2 生成角色设定板和执行分镜表，解决 AI 视频前期的一致性和可执行性问题。
  • 提示词工程：本文提供了图像 Prompt 从“三层骨架”升级到“视觉规格书”的新证据。
  • AI创意设计：本文补充了真实照片、图文排版、PPT/论文图表、GUI、插图海报和 AI 视频前期六类高频场景。

与其他素材的关联

  • 与 2026-06-29-bnext-chatgpt-image-2-80-prompts 相比，本文更偏“案例合集 + 原文 Prompt 展示”，且新增 AI 视频分镜和影视角色设定板场景；两者共同说明 GPT Image 2 已经成为 C 端视觉内容创作者的模板库。
  • 与 2026-05-10-gpt-image-2-prompt-templates 相比，本文是“人工可复制的长 Prompt 案例”，而后者是 Prompt-as-Code 工业化模板；前者适合学习画面描述颗粒度，后者适合接入 Agent 批量生产。
  • 与 2026-07-01-woshipm-vibe-motion-10-pitfalls 相比，本文关注视频前期资产和分镜图表，Vibe Motion 关注代码驱动的最终视频生成；两者可以形成“视觉设定与分镜 → 代码/视频执行”的上下游关系。
  • 与 2026-06-17-techbang-chatgpt-images-2-0-hands-on 一起验证：中文文字渲染、复杂排版、多图一致性和 Thinking 模式正在把 AI 生图从草稿工具推向可交付工具。

原文精彩摘录

GPT Image 2对真实世界的复刻，已经到了99%的人很难分辨真假的程度。

这是GPT Image 2 的核心能力之一，有着断档的文字渲染能力和排版能力。

尤其是在ppt的制作表现上，GPT Image 2 的字体准确度提高了很多，审美也很在线，研究论文做成图示，数据可视化等，准确性都很高。

GPT Image 2对于做ai视频也提升巨大，以前让大家头疼的人物一致性，风格一致性和场景一致性都能用GPT Image 2搞定。

相关页面

关系图谱

快速导航

反向链接