怎麼用 AI 把一個人合成進照片：一步一步做

要用 AI 把一個人加進照片，你其實不是在貼一張去背圖——你是在要求一個圖片模型重新算過一張照片，好讓第二個人真的屬於那個畫面。模型必須把人放在一個合理的位置、依場景調整大小、重新打光讓他融進去，還要在他腳下放一道影子。這四件事做對了，結果讀起來就是一張照片。少一件，它讀起來就是一張貼紙。

在 OmniArt 上，這是圖片模型的工作，不是圖層編輯器的工作。你上傳底圖、上傳那個人的參考照片，然後在提示詞裡描述這個合成。Seedream 5.0 Pro 很擅長這件事，因為它支援多圖融合——最多 10 張參考圖融進一張輸出——再加上可以精準控制修改落點的區域和錨點用語。GPT Image 2 吃自然語言的修改指令；如果你想對同一組輸入拿到第二種詮釋，Nano Banana 2 也能做靠參考圖引導的修改。

這份指南照順序走完整套流程：挑照片、挑模型、寫定位提示詞、修掉不對的地方，最後鎖定成品。裡面有三組可以直接貼上的提示詞。

模型實際上在做什麼#

在寫提示詞之前先理解機制會有幫助。當你餵進兩張圖和一道指令，模型不是在合成像素——它是在以這兩張圖為條件生成一張新圖。這件事有兩個實務後果。

第一，就算是你沒提到的區域，底圖也可能有些微變化。背景會位移、桌緣會挪動、招牌上的字會亂掉。你可以在提示詞裡明確保護畫面的其他部分來降低這種情況，這和讓局部修改成立的紀律是同一套。

第二，識別完全來自那張參考照片。如果參考照太小、模糊、濾鏡下太重，或者拍攝角度離你想要的輸出角度很遠，模型就會自己補上那個差距——而被補出來的臉會走鐘。在這件事上，參考照做的工比提示詞多。

步驟一：挑底圖和人物參考照#

爛的輸入比爛的提示詞更花迭代次數，所以請在這裡多花一分鐘。

底圖應該要有一塊明顯可以站人或坐人的空位、看得出來的光線方向，以及看得見的地面或地板，好讓影子有地方落。避開那種所有合理位置都被家具擋住的照片，也避開極端廣角——透視變形很難對上。

人物參考照應該是一張乾淨、光線良好的照片，理想上拍攝角度和距離要接近你要的成品。成品要全身，參考照就要全身。平淡的光勝過戲劇性的光，因為平光比帶硬陰影的肖像更好重新打光。如果這個人必須穿某一套衣服出現，參考照裡就該已經穿著那套衣服。

步驟二：挑模型#

這三個模型都在 OmniArt 的圖片工作台裡，而且都能在提示詞之外接受上傳的參考圖。

一個合理的預設：定位和識別兩件事都重要時，先用 Seedream 5.0 Pro。如果合成很單純——一個人、位置明顯、光線寬容——GPT Image 2 通常用更少的字就到位了。

步驟三：寫定位提示詞#

在這件事上有效的提示詞有四個部分，順序如下：

1. 指令——把參考照裡的人加進底圖。
2. 位置和比例——他站在哪裡、在做什麼、相對於畫面裡某個已知物件有多大。
3. 光線和陰影的對接——底圖裡光的方向和質地，以及影子落在哪裡。
4. 保護——底圖裡所有必須維持不變的東西。

這是一個可以拿去改的可用版本：

注意 "her head roughly level with the top of the deck railing" 對比例的幫助，遠遠大過「中等大小」這種說法。把人錨定在畫面裡已經可以量的東西上，是這類提示詞裡最有用的比例技巧。

一個坐姿的變體，合成範圍比較小，通常也比較好做：

步驟四：用區域指定的修改來打磨#

第一次算出來的圖很少就是成品，而多數人犯的錯是把整組提示詞重跑一次。不要。拿那張定位對了的輸出，用限定區域的指令一次修一件事。Seedream 5.0 Pro 就是為這個設計的——用人講話的方式點名一個區域、一個錨點或一個位置（「左下角」、「右邊數來第二個」），修改就會留在局部。

兩三次這種指定修改，通常勝過十次整組重跑，而且更便宜。想再往前推的話，Seedream 5.0 Pro 提示詞指南更深入談了區域、錨點和十六進位色碼的寫法。

步驟五：鎖定最終成品#

等定位、識別和光線都守住了，就直接用你真正需要的解析度跑最後一次，不要繼續在一張小草稿上改。把通過的合成用模型支援的最大尺寸重新算一次——如果輸出解析度是決定性因素，Seedream 5.0 Lite 提供原生 4K——並且在交件前用 100% 的比例檢查結果。邊緣光暈和對不上的顆粒在縮圖尺寸看不見，放到原尺寸就一目了然。

對上光線、透視、比例和陰影#

大部分看起來怪、但觀眾又說不出哪裡怪的合成，都出在這四種失敗模式。

• 光的方向。 先讀底圖的陰影，再把方向寫進提示詞（"from the upper right"、"from the window on the left"）。如果人物參考照是從相反方向打光的，就明說：「把人物從右側重新打光；參考照左側的光不要帶過來。」
• 光的質地。 硬太陽給你邊緣銳利的影子；陰天和室內光給你柔和的影子。一個柔光的人放進硬太陽的場景裡，看起來就是貼上去的。要指名質地，不能只講方向。
• 透視和機位高度。 如果底圖是從腰部高度拍的，而參考照是手機舉在眼睛高度拍的，這個人在畫面裡就會坐得不對。加上「對上底圖的低機位，略帶仰角」，模型就會調整人物的透視縮短。
• 比例。 永遠把身高綁在畫面裡的某個東西上——一道門框、一根欄杆、一張椅背、另一個人的肩膀。絕對的描述沒辦法安全地翻譯成像素。
• 接觸陰影。 身體和表面相接的那一小塊暗部，才是賣出物理存在感的東西。直接點名要它：「兩隻鞋和地面相接的地方各有一道柔和的接觸陰影。」
• 顆粒和顏色。 要求模型對上底圖的顆粒、色溫和任何鏡頭上的柔化。一個乾淨的人站在有顆粒的照片裡，一眼就露餡。

疑難排解#

臉不像那個人。 你的參考照出的力太少。多上傳同一個人的其他角度、優先選解析度高的，並且把濾鏡下太重的照片拿掉。然後明確要求：「保留參考照裡的五官、髮際線和髮色，不要風格化。」

背景變了。 你的保護句寫得太籠統。把元素一個一個列出來，不要只說「保持背景不變」。然後跑一次限定區域的修正，而不是重新生成。

人在飄。 少了接觸陰影，或是腳被裁得很模糊。直接要求接觸陰影，並且確認你放人的那個位置看得見地面。

大小不對。 把所有絕對尺寸的說法，換成和畫面裡既有物件的比較。

邊緣看起來像剪下來的。 要求沿著人物輪廓做邊界柔化和顆粒對接，並且檢查參考照是不是硬去背的背景——白底去背圖會鼓勵模型產出看起來像剪貼的結果。

姿勢很僵。 描述重心分配和手的位置。"Weight on her right leg, one hand in her jacket pocket" 產生的站姿，比 "standing naturally" 自然得多。