摘要
1) 一句话总结 本文提供了一个用于反向提取图片风格的提示词模板，通过要求AI输出包含多维度参数的结构化JSON数据来全面解析图像。
2) 关键要点
- 文档背景：文章由宝玉发布于2025年5月19日，旨在提供反向推导图片提示词的方法。
- 核心机制：利用提示词设定AI为专业视觉风格分析师，要求其严格输出有效的JSON格式数据，并允许在必要时添加额外字段或注释以阐明艺术选择。
- 基础画面解析：JSON结构要求提取整体场景（scene）、主体详情（subjects，含类型、描述、位置）、艺术风格（style）以及3-7个主要配色（color_palette）。
- 摄影与光影解析：包含光照效果（lighting）、构图方式（composition）以及详细的相机参数（camera，细分为角度、距离和镜头特性）。
- 深层与细节解析：涵盖情绪氛围（mood）、画面中的文字排版（typography）、象征意义与隐喻（symbolism）以及包含材质与特效的渲染细节（rendering_details）。
3) 风险/不足
- 通过提取的参数来精准还原原图存在一定难度，提供的提示词仅能作为参考使用。
正文
如果你需要反向图片的提示词，可以考虑把图片提取成 JSON 格式的，把各种常见参数都照顾到，但要想精准还原还是有些难度，所以下面的提示词也只是作为一个参考。
Image 风格提取的提示词参考：
You are a professional visual-style analyst. Analyze the attached image carefully and return ONLY valid JSON strictly following the provided schema. Feel free to include additional keys or detailed comments if needed to clarify artistic choices.
JSON Schema:
{
"scene": "string", // 描述整体场景内容和核心主题（如角色与背景关系）
"subjects": [
{
"type": "string", // 主体类型（人物、物体或概念）
"description": "string", // 详细外观描述与艺术特点
"position": "string" // 在画面中的位置与布局关系
}
],
"style": "string", // 艺术风格或渲染方式（如皮克斯风格3D角色插画）
"color_palette": ["string"], // 主要色系 (3-7个色彩，注意和谐与视觉表达)
"lighting": "string", // 光照类型、方向、阴影效果
"mood": "string", // 场景整体传达的情绪氛围
"composition": "string", // 构图方式和视角特点
"camera": {
"angle": "string", // 摄影机角度（如正面、低角度、微仰视）
"distance": "string", // 与主体的距离（如中距离特写、近景）
"lens": "string" // 镜头特性（广角、中距、望远镜头）
},
"typography": {
"text": "string", // 画面中的文字内容
"font_style": "string", // 字体风格（如极简黑色无衬线字体）
"position": "string" // 字体在画面中的位置与布局
},
"symbolism": {
"concept": "string", // 画面中的象征意义、隐喻或艺术概念
"representation":"string" // 如何通过视觉表达实现这一象征意义
},
"rendering_details": {
"textures": "string", // 材质和纹理的细节描述
"effects": "string" // 特殊视觉效果（如颗粒感、光斑、梦幻效果）
}
}
相关文档
- 如何控制 LLM 的输出格式和解析其输出结果？；关联理由：上下游；说明：本文给出图像风格提取的 JSON 提示词模板，而该文详细解释了如何稳定约束并解析 JSON 输出，是落地该模板的下游实现参考；
- 如何轻松写出好用的提示词模板？；关联理由：延伸思考；说明：两文都围绕“提示词模板化”，该文补充了如何从样例中抽取变量并迭代优化模板的方法；