AI 圖像模型嘅死穴：複雜構圖請求仍然搞唔掂

生成一張熱帶風格嘅生活相片，一個人加一個椰子，次次都成功。但如果你叫佢整一張《13 個原因》全體角色嘅動畫風格海報——要還原每個人嘅經典造型、分層構圖、內嵌字型、仲有抽象背景紋理——就會 fail。呢個失敗，嚟自一個真實用戶用先進 AI 圖像模型嘅實測，揭示咗當前生成式圖像品質嘅最大難關：複雜嘅構圖請求仍然係最難搞嘅問題。

個 Prompt 要求咩？

用戶用咗一個異常詳細、近乎專業級嘅 prompt，想生成一張 Netflix 劇集嘅編輯式動畫海報。要求包括：

• 還原經典造型：每個角色要著返劇入面嘅衫，唔可以改 design
• 構圖：主角放正中間、半身、大比例；配角企喺後面，深度同大小都要有變化
• 風格：乾淨嘅動畫線條、半平塗陰影、高對比度、4K 解像度
• 品牌元素：劇集標題要用返原本字型，一句經典對白要融入做圖像元素
• 氣氛：油畫筆觸、對角能量線、粗糙 overlay，符合劇集 tone 調——全部要整合喺白色背景之上，仲有抽象形狀代表劇集場景

呢個絕對唔係一個簡單請求。佢要求模型喺同一張圖入面做到：多個角色嘅一致辨識、精確嘅佈局控制、同埋文字渲染——呢三樣正正係生成式模型嘅已知弱點。

點解個模型會拒絕？

個模型直接回咗一個錯誤：「AI 模型無法完成此請求。請再試一次或選擇其他模型。」 呢種直接拒絕，而唔係生成一張低質素嘅圖，顯示個 prompt 已經踩到安全或能力嘅界線。

有幾個原因好大機會導致失敗：

1. 版權同商標敏感度。《13 個原因》係 Netflix 嘅授權作品。而家嘅模型越來越多咁 block 啲 prompt 入面直接提到真實娛樂品牌、演員名或劇集名，以避免生成侵權內容。一個 prompt 連角色衫同字型都講到咁具體，幾乎肯定會觸發安全過濾。

2. 多角色構圖複雜度。而家嘅 AI 圖像模型最擅長係單一主體或者簡單嘅雙人場景。一個 request 要求五個或以上角色、有控制深度嘅佈局、每個都要還原劇中造型、仲要全圖風格一致——呢個已經超出大部份擴散模型嘅可靠範圍。

3. 文字同字型可靠性。生成式模型喺渲染可讀文字方面仍然好弱——尤其係自訂字型、對白 quote 同多詞標題——好容易出現 artifact、串錯字或字形扭曲。個 prompt 特意要求粗體字型同內嵌 quote，好可能被標記為高風險失敗項目。

呢件事話畀我哋知 AI 圖像生成嘅咩現狀？

好容易覺得，既然 AI 可以按需求生成超寫實嘅單人肖像或夢幻風景，咁複雜嘅編輯式設計應該都 handle 到。呢次實測證明咗唔係咁。最 reliable 嘅應用仍然係：

• 單一主體肖像或全身相
• 冇品牌元素嘅抽象或風格化背景
• 描述氣氛同光線（例如陽光親吻、水光閃閃、熱帶風情），唔需要約束具體角色

多角色構圖、經典造型還原、分層深度、內嵌文字、加上品牌 IP——呢啲組合喺專業製作入面仍然太容易 fail。如果你需要設計海報、書封面或編輯式 artwork 而又有特定角色要求，就要預咗用多步驟 workflow：逐個角色生成、手動合成、再加文字同背景效果。

複雜構圖請求嘅 Workaround

如果你要一個海報風格嘅結果，2025 年最可靠嘅做法係將個 prompt 拆細，拆成安全啲嘅部分：

1. 逐個角色生成，用一致嘅背景（白色或透明）。每個 prompt 盡量保持 generic 啲，避免觸發版權——直接描述件衫，唔好講劇名。
2. 合成圖片，用編輯軟件或 inpainting 工具，將角色按不同深度同大小排列。
3. 另加文字、overlay 同效果，用圖像編輯軟件處理。
4. 最終 upscale，補返合成過程中流失嘅解像度。

呢個分階段 workflow 可以避開而家模型嘅限制，同時達到個 prompt 想要嘅專業編輯式效果。

結論

複雜嘅構圖 prompt 仍然係現代 AI 圖像生成入面最難搞嘅問題。Prompt 描述嘅內容同模型實際可靠執行到嘅內容之間，個 gap 最大嘅位置，正正係專業設計師最需要嘅：多角色佈局、經典造型還原、內嵌字型、同品牌內容。

喺模型可以一次過搞掂晒呢啲要求之前，創意團隊需要將 AI 生成當做一個更大生產管線入面嘅組件，而唔係最終輸出。熱帶椰子相片 work 咗。角色海報 fail 咗。呢個分別就係真正嘅教訓。