用 AI 创作卡通艺术：七个可复用的提示词模式

用 AI 创作卡通绘画之所以常常失败，很少是因为模型不会画，而是因为提示词从没决定过它要的是哪一种画。输入「可爱卡通风格」，你描述的是情绪，不是指令。把这条提示词跑三遍，你会遇到三个角色，看上去像是三位不同的插画师各画了一个。

卡通观感是一套系统，不是一个形容词。线条质感、造型语言、调色板、阴影和构图是彼此独立的决定，每一项要么由提示词刻意设定，要么交给运气。把它们写下来一次，你就能在整套系列里复用，让角色在不同场景之间保持可辨认，也能只拧动一个旋钮就修好一个疲弱的结果。

下面七个模式遵循真实项目的推进顺序：定下风格，锁定角色，给颜色做预算，安排动作，确定镜头，每次只改一个变量，最后才去动用参考照片。每个模式都配有一个模板，以及一句关于何时该改动的说明。

为什么含糊的风格词会失效

图像模型并不懂美术史。它们匹配的是统计规律，而风格词的作用是引导这些规律。真正稳定起作用的词，描述的是画面如何被做出来，而不是它给人什么感觉。

有四类模式是可以引导的。媒介模式对应材料的特性，比如水彩的晕染、墨线的抖动。渲染模式对应光影：平涂赛璐璐上色、柔和渐变、交叉排线。设计语言对应造型与比例的惯例，所以硬朗的折角读起来显得凌厉，大而圆的眼睛读起来显得可爱。摄影惯例则对应摄影层面：轮廓光、胶片颗粒。

值得内化的一点是：很多流行的「风格」标签根本算不上风格。水彩是一种媒介，写意的植物水彩与厚涂的绘本水彩完全不像。肖像和奇幻是题材：它们描述的是画里有什么，而不是怎么画。风格是所有决定共同起作用的总和。

就卡通创作而言，有六个杠杆决定结果：线条、造型与比例、调色板、阴影与光线、质感与细节，以及背景设计。粗轮廓带来平面印刷的感觉，柔和线条则显得像手绘；平涂阴影读作经典动画，塑造体积的明暗读作立体。这份清单就是你的核对表。

模式 1：把风格写成五个层次

与其去寻找一个能概括你想要观感的名字，不如按固定顺序填满五个位置。顺序很重要，因为它从粗颗粒的决定走向精细的决定。

层次	要命名什么	示例
形式	成品的类型	插画、漫画分格、贴纸、角色设定图
媒介	材料的特性	哑光水粉、水墨淡彩、扁平矢量、黏土、像素画
线条	边缘的处理方式	均匀的粗轮廓、收笔渐细的墨线、无线稿
阴影	光照的模型	平涂色块、一层柔和阴影、赛璐璐上色、交叉排线
调色板	颜色的预算	五色暖调、低饱和大地色、三色孔版印刷

一条写完整的风格描述长这样：「2D 绘本卡通，哑光水粉，笔触边缘清晰可见，利落收笔的墨线轮廓，平涂色块加一层柔和阴影，暖调五色：奶油白、赭石、赤陶、橄榄绿与墨蓝。」

为什么有效：每一个你留空的位置，都是模型替你做的决定，而它不会两次做出相同的决定。第二个好处是可编辑性。要测试一个变体，就只改一个层次，其余四个不动，风格探索于是变成一次对比，而不是抽奖。

把这条风格描述存进一个笔记文件，粘贴到系列中每一条提示词里。

模式 2：先定剪影，再做装饰

读者在缩略图大小下辨认角色，靠的是身体比例、头发的体块、外衣轮廓和一件标志性物品；这既是眼睛读取的顺序，因此也是书写角色身份的顺序。

选一到两个强烈的剪影决定，而不是十二件同样抢眼的配饰：窄小身体上的一件三角形斗篷，紧凑靴子上方的一对超大圆形袖子，一件长外套在硬质装备包周围开着衩。然后把一份你会逐字复用的身份描述写下来。

「紧凑圆润的身体，超大的头，一撮弯发向左扫过，奶油色衬衫外罩芥末黄工作围裙，前袋里插着一把木勺，磨旧的及踝靴。」

脸需要的是结构性描述，而不是赞美：脸型、眼型与眼距、眉毛的轻重、鼻子的处理、嘴形、看上去的年龄，以及任何标志性特征及其确切位置。「漂亮」「酷」「高细节」什么都没确立，因为它们描述的是你的反应，而不是画本身。

配饰加进去很便宜，记得住却很昂贵。一条提示词只要点出一件标志性物品、一种服装轮廓和一块头发体量，就能让角色在下一个场景里依然可辨认，省下来的注意力就能放到表情上。

模式 3：给调色板做预算

颜色漂移是系列中最显眼的不一致，它通常从一个词开始：色彩丰富。这个词等于授权模型把注意力撒得到处都是，于是脸、背景杂物和道具在同一个音量上互相抢戏。

用三个角色来替代它。指明一个主色、一个辅色和一个点缀色，然后说清楚点缀色只允许出现在哪里。

「主色暖奶油白，辅色灰蓝，点缀色番茄红，只用在围巾、鞋底和马克杯上。」

这一个点缀句顶得上五个风格形容词。它指出哪些小面积吸引视线，并把其余表面控制在两种颜色之内。当结果显得杂乱时，通常要修的是调色板预算，而不是重写提示词。

保留你的构图与身份描述，只替换那句调色板：一套系列不用重画任何东西，就能变成另一个配色的企划。

模式 4：把表演与渲染分开

系列走样最常见的原因，是把身份、动作和镜头处理混在一段不加控制的文字里。把它们拆开，提示词就变得可以按缝拆改。

表演句说明正在发生什么、角色感受如何：「盘腿坐在阳光照到的窗边座位上的一摞书上，一只手托着下巴，努力不显得无聊。」

渲染句说明观众看到的方式：「中远景、平视镜头，角色位于画面左侧三分之一，身后有暖色窗光，素净的奶油色墙面，平涂色块加一层柔和阴影，暖调五色。」

因为这两句是分开的，你可以让渲染句在二十条提示词里完全一致，只改动表演句。场景在动，观感不动。这还缩短了修改周期：如果情绪不对，你改的是一句话，而不是整条提示词。

模式 5：像画分镜一样构图

景别是故事的句子结构。大远景确立世界及其尺度。远景展示身体动作与空间关系。中景承载姿态与人物关系。特写传达一个反应或一个决定。插入镜提供物件信息。

角度同理。平视是中性观察，仰角增加权威或威胁感，俯角增加脆弱感，过肩视角则建立主观视点。

在每条提示词里指明一个景别和一个角度，然后保持渲染句不变。同一系列里的中景与特写看起来仍同属一组，因为动的只有构图。含糊的构图，才是一组图看起来像互不相关的海报的原因。

模式 6：每一轮只改一层

当结果不对时，有用的问题不是怎么改进提示词，而是哪一层失败了。角色在不同场景间跑偏？那是模式 2，身份。颜色发浑、注意力涣散？模式 3，调色板。你想要的是一格漫画，出来的却像海报？模式 1，形式。动作不清楚？模式 4。构图平淡？模式 5。

留一张你认可的图像作为锚点，先把每个新结果与它对比，再与你自己脑中的设想对比。然后只改一个变量，其余一切保持不变，这样每一次尝试都能让你学到东西。

有些卡通方向比另一些更容易保持统一。扁平矢量与干净线稿漂移最少，因为固定的规则和平涂填充几乎没有走样的余地。粗轮廓卡通、赛璐璐上色的 2D 和像素画紧随其后：只需锁定轮廓粗细与调色板。水彩绘本风、拼贴和动漫漂移更多，因为边缘与质感容易游走。厚涂绘画与黏土定格质感漂移最多，这更适合一张主视觉，而不适合一套四十张的系列。

提示词的长度不如结构重要。一段专注的八十到一百八十字，比一整页重复的形容词更好控制，因为重复会让每条指令变得同等重要，而你正想建立的恰恰是重要性。

模式 7：让参考图只控制一个属性

当你提供参考图时，要说明它引导的是哪个属性：身份、姿势、服装、构图还是风格。单张参考图无法同时控制这五项，假定它可以的提示词，结果是一个属性都没控住。一张参考图用于设计，需要的话再加一张用于姿势，处理方式交给文字描述。

只使用你有权使用的图片，把别人的照片改成别的风格之前要先获得许可。与其要求精确模仿某位在世艺术家的作品，不如描述你想要的视觉事实：媒介、线条、造型、阴影和调色板。这样更精确，也更易复现。

把模式用起来

一套能扛住截稿期的推进顺序：先写一次五层风格描述，锁定一份身份描述，草拟两三种调色板预算，生成一张你满意的锚点图，然后只通过改动表演句和景别来搭出整套系列。多数人反着来，在决定观感之前就先产出了一打成品提示词。

同样的模式覆盖常见项目。品牌吉祥物最需要模式 2，因为它的形状必须经受住缩到二十像素重绘。缩略图靠的是模式 5：镜头必须在邮票大小下依然读得懂。社交贴文则是模式 3 发挥价值的地方，因为在信息流里一组作品彼此相邻时，人们先看颜色，再看内容。

从 AI 卡通生成器 里的文字提示词开始；当作品必须基于真实对象时，把照片带进 图生图。两者都接受文字提示词，所以你上面搭好的风格描述可以原样沿用，不同的只是输入。

有一个习惯比这七个模式加起来更有价值：用一个纯文本文件保存你反复使用的句子。风格描述、身份描述、调色板预算、渲染句。一套系列不是二十条提示词，而是四句话用了二十遍，而这个文件正是让它成为可能的东西。