参考图:从"描述"改成"给样品"
学完你会知道参考图真正省掉的是哪一类工作,以及它并不会让提示词变短
到目前为止,你给模型的所有条件都是文字。这一节加一种新的给法:直接给它一张图。
语料里有 25 条(11%)用了参考图。我原本以为它们会明显更短——毕竟画面内容都在图里了嘛。
数了一遍,不是。 用参考图的 25 条中位数 239 字,不用的 204 条中位数 237 字,几乎一模一样。
这个结果比我原来的猜想有意思得多,它说明参考图省掉的不是字数,而是别的东西。
你去理发店。
只用嘴说:"两边短一点,上面留长,不要太碎,刘海不要齐……"说十分钟,还是有可能被剪成你不想要的样子。 拿张照片:"照这个剪。"三秒钟。
但注意接下来会发生什么:你拿了照片,通常还会补一句"但我不要他这个颜色""我发量没他多,你看着调整"。
照片没有让你少说话,它让你说的话变得精确了。 你从描述一个不存在的结果,变成了指着一个存在的东西说"改这里"。
参考图真正省掉的是什么
不是字数,是描述"说不清楚的那部分"的努力。
有些东西用文字描述极其昂贵:一张脸长什么样、一件衣服的具体版型、一种很难命名的色调、一个复杂的构图。你可以写三百字,仍然不准。
参考图把这些一次性交付了。 于是你的文字可以全部用在“改什么”上,而不是“是什么”上。
看语料里最极端的例子——12 个字:
但这类"12 个字"的极短提示词只是少数。中位数告诉我们,大多数用参考图的人,文字一点没少写——他们把省下来的描述预算,花在了更精细的控制上。
官方给了六条编辑类模板
Gemini 官方文档把带参考图的用法单列成编辑类模板,一共六条。这六条基本覆盖了所有"给样品"的场景:
| 官方模板 | 干什么 | 讲它的那节 |
|---|---|---|
| 增删元素 | 在原图上加一样、去掉一样 | 本节 |
| 局部重绘(语义遮罩) | 只改指定的一处,别处不动 | h2.4 |
| 风格迁移 | 保留构图,换成另一种风格 | 本节 |
| 多图合成 | 把几张图的元素拼成一张 | 本节 |
| 高保真细节保留 | 加东西的同时保证某处完全不变 | h2.4 |
| 草图完成化 | 把草图变成成品 | 本节 |
两条官方说明值得单独记住:
- 增删元素时,模型会自动匹配原图的风格、光线与透视。 你不需要再描述一遍原图长什么样。
- 局部重绘用"对话式语义遮罩",不需要像素级抠图工具。 你只要说"把桌上那杯咖啡换成茶",不用先去画一个选区。
第二条是这几年变化最大的一件事——它把原本属于修图软件的活儿,变成了一句话。
参考图能给几张:官方有明确上限
这是个具体的数字,直接影响你能做什么:
总计最多 14 张参考图,并且按用途分档(以 Pro 档为例):
| 类型 | Pro 档上限 |
|---|---|
| 物体参考图 | 6 张 |
| 角色参考图 | 5 张 |
| 风格参考图 | 3 张 |
(Flash 档是 10 物体 + 4 角色 + 3 风格;Lite 档只有 10 张物体图。)
注意官方把参考图分成了三类:物体、角色、风格。这说明工具知道你给它这张图是干嘛用的——同一张图当"角色参考"和当"风格参考",效果完全不同。给图的时候说清用途,比多给几张更有用。
参考图是条件,不是指令——h0.2 那条心智模型在这里同样成立。
三种常见的落空:
- 你以为它会保留的东西,它改了。 除非你明说"保持不变",否则模型不知道哪些是你在意的。语料统计里"保持不变约束"只有 3% 的人写——而这一格恰恰是配合参考图时最该写的。官方局部重绘模板里那句
Keep everything else in the image exactly the same, preserving the original style, lighting, and composition就是干这个的,它是模板的一部分,不是可选的客套话。 - 你以为它会改的东西,它没改。 参考图的"引力"很强,尤其是构图和姿态。想大改就得说得更重。
- 多张参考图互相打架。 给了三张风格图,三种风格不一致,结果是三者的平均——而平均往往谁都不像。
实用规则:每给一张参考图,配一句话说明"我要它的什么"。 是要它的构图?配色?人物长相?还是整体气质?不说,模型就全都拿一点。
🔧 动手做:把一条文字提示词改成"参考图 + 改动说明"(5 分钟)
- 从你手机相册里挑一张图——什么都行,一张自拍、一张拍歪的产品照、一张风景。
- 想清楚:你想让它变成什么? 换风格?换背景?加一样东西?去掉一样东西?
- 按这个结构写一句话:
"以这张图为参考,〔保留什么〕保持不变,把〔什么〕改成〔什么〕。"
- 关键的一步:把"保留什么"那一格填满。 想想哪些是你绝对不想被改掉的——人脸、logo、构图、比例、某个颜色。全部写出来。
- 对照官方局部重绘模板的写法自查一句:你有没有写出类似"其余部分完全保持不变,保留原有的风格、光线和构图"的话?没有的话,补上。
你会看到:第 4 步会让你意识到,自己其实有一堆"默认它不会动"的假设。把假设写成文字,是参考图用得好的关键。
为什么:参考图最大的风险不是它改得不够,是它改了你没打算让它改的地方——而这类问题往往在图看起来"还不错"的时候被忽略,等你放大细看才发现。
三句话收束这一节:
- 参考图不会让提示词变短(中位 239 vs 237)——它省掉的是描述"脸长什么样""什么版型"这类文字代价极高的信息,让你的字全部花在"改什么"上。
- 官方把带参考图的用法单列成六条编辑类模板;两条关键说明:增删元素时模型自动匹配原图风格光线透视,局部重绘用对话式语义遮罩、不需要抠图。
- 参考图仍然是条件不是指令。每给一张,配一句"我要它的什么";并且把"保持不变"明确写出来——这一格语料里只有 3% 的人写,却是配合参考图时最该写的。
下一节把六条编辑模板里最实用的那条拆开讲:只改一处,别动其它。
🔎 来源与核验· 6 条,点开核对
