ChatGPT人像提示词指南：先分清生成与编辑

很多人向ChatGPT索要一张专业头像，得到的却是一个精致的陌生人——衣服对了，人不对。问题往往不在于相机术语不够多，而在于一开始就没分清：你是在凭空创造一个虚构人像，还是在编辑一张真实存在的照片。这两件事的提示词写法完全不同，哪怕它们都以“画一个人像”开头。

Prompt Image Atlas 编辑部整理了一套人像提示词模板，并明确说明这些是编辑起点而非实测输出——他们没有在ChatGPT里跑过这些提示词，也没有和Midjourney做对比。这个坦诚的声明本身值得注意：网上大量所谓“神级提示词”其实缺少可复现的验证。

生成与参考图编辑：两条完全不同的路径

纯文本生成：描述一个不存在的人

当你没有上传任何照片时，ChatGPT是在从零构建一个虚构成年人。此时你要交代的是：表情、服装、构图、背景和光线。没有需要保留的身份特征，所以也不该用“像不像某个真人”来评判结果——那个人本来就不存在。

参考图编辑：先说保留什么，再说改什么

如果你上传了一张有权使用的照片，任务性质就变成了编辑。提示词的结构应该是“保留哪些特征 + 改变哪些元素”。原文建议明确要求保留可识别的面部特征、表情和皮肤质感，但同时强调：不要假设身份一定被保留了，要亲自检查结果。OpenAI的图像创建指南区分了创建图像与编辑现有图像两类能力，具体可用控件取决于你当前的体验版本。

还有一种常被混淆的情况：你其实只是想要一份真实拍摄的方案。那就直接说“写一份摄影简报，不要生成图像”。拍摄清单和一张图是两种交付物。

身份漂移（identity drift） 是图像编辑中的常见问题：模型在修改背景或服装时，连带改动了面部特征，导致生成结果“看起来像另一个人”。它源于生成模型对整张图像进行重绘，而非像传统修图那样只改动局部像素。缓解手段包括：在提示词中明确列出必须保留的特征（眼睛形状、发际线、下颌线、表情），避免同时叠加过多造型指令，以及在编辑后逐项对照原图检查。若发现脸部已变，应退回更简单的编辑指令，而不是继续追加要求——指令越多，模型越容易“自由发挥”。

商业头像模板：生成版与编辑版对照

纯文本生成

创建一张虚构成年建筑师的专业头像照片。穿海军蓝外套配素色米白衬衫，放松的闭嘴微笑，平视机位，头肩构图，安静的灰色背景，柔和的窗户光从相机左侧打来。自然的皮肤质感。头发上方留出方形裁切的空间。不要文字或标志。

参考图编辑

编辑上传的头像用于商务档案。保留人物可识别的面部特征、年龄和表情。背景换成安静的灰墙，服装换成海军蓝外套和米白衬衫。使用来自左侧的柔和光线。不要抹平自然的皮肤质感。保持头部完整可见。

检验要点很具体：对照原图检查眼睛、发际线和下颌线。如果脸变了，先简化编辑指令，而不是继续叠加造型要求。

电影感与自然光：把抽象词拆成具体参数

电影感人像

纯文本版：虚构成年音乐人，黄昏时站在小剧院外，半身构图，视线略过镜头，深色羊毛大衣；左侧门口暖光，背后冷色环境光；克制的对比度，暗部保留面部细节；不要文字。

编辑版：以上传照片为身份参考，把人物放到黄昏剧院外、穿深色羊毛大衣，保留可识别特征和原始表情，加入左侧暖色门光与低调冷色背景，保持面部清晰可读，不做夸张的面部改动。

原文的提醒很到位：“电影感”三个字留出的选择空间太大，先指定光源和场景，再谈氛围标签。

自然光人像

纯文本版：虚构成年园丁站在温室旁，胸部以上构图，温和微笑，简单亚麻衬衫；柔和阴天日光，柔和绿色背景，真实皮肤质感，日常氛围；不要摄影棚聚光灯或美颜修图。

编辑版：把上传头像编辑成温室旁柔和阴天日光的效果，保留可识别特征和服装，只改背景和光线，保留皮肤质感和合理的阴影方向，不要添加配饰。

光位与色温 是替代“电影感”“氛围感”等模糊标签的具体参数。光位描述光源相对被摄者的方向，如“左侧门口暖光”即主光从相机左侧约45度打来；色温则区分暖光（偏黄橙，约2700–3500K）与冷光（偏蓝，约5000–6500K）。提示词中同时指定主光方向、冷暖对比和暗部细节保留方式（如“暗部保留面部细节”），比单写“电影感”更能约束模型输出。对比度 与 负空间 同理：前者决定明暗反差强弱，后者指构图里人物周围的留白，二者都可用可量化的描述替代形容词。

一次只改一个变量

这套方法最实用的部分在最后：保存初始提示词，然后每次只改一条指令——构图、背景或光线。对比裁切、相似度（编辑场景下）和意外改动。原文对此的定义很克制：有用的ChatGPT人像提示词是一份可以修订的清晰简报，而不是完美面孔的承诺。

把提示词当简报而不是咒语，这个心态转变可能比任何模板都更值得记住。想继续扩展构图思路，可以参考Prompt Image Atlas的人像提示词指南与构图负空间指南。

控制变量法 借自实验科学：每次只改动一个输入，观察输出差异，从而判断究竟是哪条指令起了作用。在人像提示词调试中，这意味着固定种子或初始提示词，依次单独调整构图、背景、光线，并记录每次的裁切变化与相似度。若不这样做，同时改三处再对比结果，就无法归因——变好或变坏都说不清原因。对于编辑类任务，还应额外关注“意外改动”，即未在指令中要求却被模型改掉的区域。