即梦AI精细控图全攻略：吃透底模·提示词·参数，玩转边缘 / 姿态 / 景深 / 风格的全维度画面管控

本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。

快速摘要

想让 AI 出图从"开盲盒"变成"按图施工"，核心只有一句话：先建立"底模 + 提示词 + 参数"这套黄金三角的全局认知，再用即梦的"智能参考"把边缘、姿态、景深、风格逐项锁死。 我自己折腾即梦这套精细控图体系下来，最大的体感是——决定一张图成败的从来不是运气，而是你有没有把"内容"和"风格"这两层拆开来管：底模决定画风基因，提示词决定画面内容，参数（画面比例 + 参考强度）决定可控边界；而真正让构图、轮廓、姿态、虚化"听话"的，是智能参考里那几种参考方式。把这五件事的逻辑捋顺，新手也能稳定产出电商主图、3D 渲染、写实人像、创意海报这类专业级成片。

这篇我会从底层原理一路讲到边缘控制、姿态控制、景深控制、局部重绘、智能扩图、风格迁移，再到电商换装和创意海报的完整落地流程，每一节都配了操作拆解、对照表和流程图。想看完整拆解，往下翻。

一、先想明白：为什么你的 AI 出图总是"不受控"

我接触 AI 绘画工具这两年，被问得最多的一句话是："为什么同样一段描述，别人出来是大片，我出来是废片？"

答案其实很朴素。文生图这种玩法，本质上是把一段文字丢给模型，让它在一个巨大的可能性空间里"自由发挥"。你给的信息越模糊，模型自由发挥的空间就越大，出图的随机性也就越高。新手最容易踩的坑，就是把全部希望寄托在"写一段好提示词"上，却忽略了一个事实：决定画面长什么样的因素远不止文字这一项。

我自己的做法，是先把出图这件事拆成两个完全不同的维度来看——一是"画面里有什么"（内容），二是"画面长什么调性"（风格）。这两件事在传统认知里是混在一起的，但在精细控图的世界里必须分开管理。内容靠提示词和参考图来约束，风格靠底模和风格迁移来约束。一旦你能把这两层在脑子里分开，很多"出图玄学"立刻就变成了可以拆解、可以复现的工程问题。

这里值得多停一下，把"模型为什么会出废片"讲透，因为想明白这一层，后面所有的控图手段你都能秒懂。AI 出图的内部过程，简单说是从一团随机噪声出发，按照你给的文字一步步把噪声"去掉"，逐渐还原出一张图。这个还原过程里有大量的随机性：噪声的初始形态是随机的，模型在每一步选择"该往哪个方向画"时也带着概率。你给的约束信息越少，这些随机选择就越自由，于是同样一句话，今天给你一张构图、明天给你另一张构图，全凭运气。

所谓"精细控图"，做的事情就一件——往这个随机过程里塞进更多确定信息，把模型乱跑的空间一点点压小。文字是一种确定信息，参考图是更强的确定信息，参考强度则决定这股约束力有多大。等你建立起"控图 = 压缩不确定性"这个直觉，你会发现这篇文章后面讲的每一个功能，本质上都是在回答同一个问题：我还能再多给模型一点什么确定信息？

即梦 AI 是字节跳动旗下的一站式视觉创作平台（官网 jimeng.jianying.com），集文字绘图、文字生成视频、图片生成视频于一体，支持移动端和网页端双端使用，登录方式也很灵活，手机号、第三方账号授权都行。它最让我看重的一点，是把"可控生成"做得相当完整：智能画布支持在生成的图片基础上进行扩图、局部重绘、消除抠图和高清放大等二次创作，再叠加智能参考里的边缘、深度、姿态控制，基本覆盖了从概念到成品的全链路。它还内建了创意社区，里面有个"做同款"功能，能直接复用别人作品的提示词来生成相似风格——我自己学新风格的时候经常去社区扒思路，比闷头试错快得多。这篇攻略，我就用源码七号站站长莫潇羽一贯的"先讲原理、再上手实操"的路子，把这套控图体系彻底讲透。

二、出图的黄金三角：底模 + 提示词 + 参数

如果只让我留一个认知给新手，那一定是这个公式：

[

\text{底模} + \text{提示词} + \text{参数} = \text{最终成图}

]

这三者缺一不可，且各管一摊。我见过太多人把全部注意力压在提示词上，反复打磨措辞，却始终对底模和参数视而不见——这就像一个厨师只盯着菜谱，却不管用的是什么灶、火开多大，菜自然炒不好。出一张好图，从来是这三件事协同的结果，任何一环掉链子，另外两环再用力也白搭。下面这张图能帮你建立直觉：

graph TD
    A[最终成图] --> B[底模 · 画风基因]
    A --> C[提示词 · 内容指令]
    A --> D[参数 · 可控边界]
    B --> B1[决定写实/卡通/国风/海报等整体气质]
    C --> C1[决定画面里有什么主体、场景、光影]
    D --> D1[画面比例]
    D --> D2[参考强度/精细度]

2.1 底模——AI 的"画风基因"

底模你可以理解成 AI 的"画画功底"或者"出身画派"。同一段提示词，换一个底模，出来的东西可能天差地别。我做过一个很直观的实验：把完全相同的一段描述，分别丢给写实向和设计向两个底模，一个给我的是皮肤纹理清晰、光影自然的真人质感，另一个给我的是色彩鲜艳、造型夸张的潮玩公仔感。文字一个字没改，气质完全两个世界——这就是底模在起作用。

所以选底模这一步，本质上是在为整张图"定调"。你想要的是杂志写真，还是 3D 手办，还是水墨国风，第一步就该在这里做决定，而不是指望后面用提示词硬掰。

我打个比方你就懂了：底模像是请来给你画图的"画师"。你请的是一位专攻写实油画的画师，跟你请的是一位专攻日系动漫的画师，哪怕给的是同一份需求文档，交付的作品风格也必然不同。提示词只是那份需求文档——它能规定画里有什么人、什么场景，却没法把一位写实画师强行掰成动漫画师。这就是为什么我反复强调"先选模型、再写词"：顺序反了，你会在提示词上耗费大量精力却始终拧巴。

2.2 提示词——给 AI 的精准指令

提示词是你给 AI 的"口头指令"。它不负责画风（那是底模的活儿），只负责告诉模型"画面里到底要有什么"。这一块我在后面第四节会专门展开，这里先记住它在三角里的定位：内容的来源。

2.3 参数——出图的"微调旋钮"

参数是即梦的"作画设置"，新手阶段你只需要重点抓两个：

第一个是画面比例，它决定输出图片的形状。横版 16:9 适合电脑壁纸、视频封面；竖版 9:16 是抖音、小红书这类移动端信息流的主力尺寸；1:1 则常用于电商组图和头像。

第二个是参考强度（有些场景里也叫精细度），这是精细控图的灵魂参数。在即梦图片生成里导入参考图之后，除了识别主体、人像写真、人像合影这几个模式之外，其它功能都带有"参考强度"这个调节项。数值越高，成图就越贴近参考图；数值越低，模型自由发挥的空间就越大。理解这个旋钮，你后面所有的控图操作都会顺很多。

关于参考强度，我再给你几个我自己摸出来的经验区间，省得你瞎试。要"严格照搬结构"（比如线稿转 3D、必须 100% 还原轮廓）时，往 80—100 拉；要"参考着发挥"（比如借姿态但允许人物长相、服装融合调整）时，放在 50—70；要"只取一点神韵、大部分让模型自由"时，压到 30 以下。没有标准答案，但记住这条规律——强度和"还原度"正相关，和"创意自由度"负相关，你就不会调错方向。我做商业稿讲究稳定复现，一般偏高；做创意探索图想要惊喜，一般偏低。

把三者放进一张表里对照，逻辑就清晰了：

三、读懂即梦的模型矩阵：什么场景配什么底模

选模型这件事，我建议你别背参数，而是记"场景对应关系"。把"我要做什么"和"该用哪个模型"绑在一起记，上手最快。下面这张选型表是我自己实测后整理的常用对照，供你直接抄作业。