人们寻找图像转提示词工具是有充分理由的。你有一张喜欢的图片——一个房间、产品特写、一种风格——你想得到更多类似的，或者想只改变一点就得到完全相同的东西。从图片中提取提示词感觉像是通往目标的途径。
所以我们诚实地进行了往返测试。生成一张图片，尽可能仔细地用文字描述它，然后仅从描述中再次生成，看看结果如何。
原图
值得注意的具体细节：边桌是圆形的，在左侧，有大理石桌面和细黄铜腿。书上有黄铜碗。墙上挂着一幅教堂的蚀刻画。右侧的柜子漆成绿色，藤蔓垂在上面，椅子上搭着流苏毯。
描述
我们写这个是为了真正的好——而不是一个稻草人。它比大多数图像转提示词工具返回的更详细：
Interior photograph of a cosy home office corner. A dark green velvet armchair sits at an angle facing right. Behind and to its left stands a slim brass floor lamp with a conical shade. To the right of the chair is a small round wooden side table holding a stack of three hardback books. A striped cream and grey rug covers the floor. Warm afternoon daylight enters from a window on the left, casting soft shadows to the right. Neutral painted wall behind. No people, no text.
返回结果
列表上的每种元素都在。绿色天鹅绒椅子、黄铜灯、三本书、条纹地毯、左侧的窗户、中性墙。按照“它是否遵循了提示词”的标准，这是一个成功。
这也是一个完全不同的房间。边桌移到了另一边，变成了实心胡桃木底座。灯从椅子后面出来，站在它旁边。蚀刻画变成了油画风景。绿色柜子变成了深色木书架。黄铜碗、毯子和藤蔓都不见了。椅子的朝向反了。
为什么会发生这种情况，以及为什么更好的描述也无法修复它
描述命名的是类别。一个圆形木制边桌是一个包含数百万张桌子的类别。这张图片是该类别的一个具体成员，而文字没有任何方式指向具体哪一个。
你可以更深入一点——比如“大理石台面，三根细长的锥形黄铜腿，底部由圆环连接”——这样桌子会更接近。但现在要对灯、地毯的条纹韵律、柜子的确切绿色、光的角度、墙上的阴影形状、常春藤都这样做。在某个地方，描述不再是一个提示词，而是变成了你已有图像的更差复制品。
你没有锁定的每一处细节都会被重新生成。你无法锁定所有细节。这就是这种方法的上限，这不是一个可以通过提示词技巧克服的质量问题。
替代方案：完全不要将其转换为文字
如果你想要的是那个房间，只改变一个地方，文字是错误的媒介。直接使用带有修改的图像本身——图像到图像编辑，而不是图像到提示词再到图像。这样，“让它变成晚上”意味着不同时间点的这个房间，而不是不同时间点的不同房间。
桌子保持原样，因为没有人要求改变桌子。
何时图像到提示词才是真正的正确工具
它有真正的用途，而且不是大多数人搜索的那种：
- 学习术语。 你喜欢某种外观但无法命名。描述能为你提供可以刻意重用的术语。
- 无法复用图像。 别人的照片，或者你没有许可在任何地方使用的图像。你自己写的描述属于你。
- 目标工具只接受文本。 有些工具根本没有图像输入。那么文字是你唯一拥有的。
- 你想要的是类型，而非实例。 “这种风格的东西”正是描述擅长的事。
值得说明的局限
基于图像而不是描述工作也无法让一切可复现。要求大的改变——比如不同的房间、不同的风格——你又回到了重新生成，因为你提出了要求。基于图像的路线会保留你没有提到的部分。它无法保留你明确要求替换的部分。
如果原始图像不是你可以使用的，没有任何工作流能将其变为你的。那是版权问题，而非工具问题。
注册即送 300 积分，直接开始 — 无需绑卡