现在的 AI 图片模型越来越多,新手刚接触时,往往会有几个疑问:这些模型有什么区别?哪个生成的图片更好?做人物、海报或者视频素材,分别应该选哪个?看了不少排行榜,真正开始做图时,却还是不知道怎么选。

AI图片生成排行榜
这期教程,我们主要聊聊 Nano Banana Pro、GPT Image 2.0 和 Seedream 5.0 Pro,也会介绍 Midjourney 在前期美术设计中的作用。先说明一点:三个主讲模型各有优势,是互补的关系,没有哪个适合所有任务。人物皮肤自然、文字排版准确、画面审美好看,是不同的能力,需要结合用途判断。
接下来,我会根据自己的使用经验,结合图片对比,讲清楚它们的优势、缺点和适用场景,再用简单案例演示文字生图、参考图生成和改图。操作主要在我们的 Flowpix 平台完成,同时也会介绍其他聚合平台和官方入口,帮助大家从“知道模型”走到“会选、会用”。
一、先建立认识:模型没有全能冠军,要根据用途选择
这期主要讲三个模型:Nano Banana Pro、GPT Image 2.0、Seedream 5.0 Pro,另外介绍 Midjourney 在美术设计阶段的作用。
首先说明(截止26年10月8日):这三个主讲模型,没有哪个在所有任务上都最好,它们更多是互补关系。
即使某个模型在评分网站上的综合排名很高,也不代表它在人物皮肤、角色四视图、中文海报等具体任务上都更适合你。选模型时,需要同时考虑审美、质感、文字、细节和实际可用性。

文生图模型排名
同时分清两个概念:
模型决定图片生成的基本能力和特点。
平台提供选择模型、输入提示词、上传参考图和下载结果的入口。
本期以我们的 Flowpix 演示操作,方法也可以迁移到其他平台。选择模型时,要看清完整版本,避免混淆 Pro、Lite 和其他版本。
GPT Image 2.5 本期不展开。就我常用的任务而言,它和 2.0 的表现差异不足以单独讲一套基础教程,因此集中讲清楚 2.0。
本期学习目标:看懂模型差异,根据任务选模型,学会生成、参考图制作和简单修改。
二、三个主讲模型的特点:优势、缺点和适合的用途
以下评价来自我的日常使用经验。不同题材、提示词和参考图,仍然会影响结果。
Nano Banana Pro:人物质感好,适合制作角色资产
它比较突出的优势是人物质感,尤其是皮肤。生成结果通常比较自然,AI 味儿相对少。因此,制作人物资产、人物四视图时,我经常使用它。

真人皮肤质感

cg皮肤质感
需要留意两个问题:
1.默认人物审美比较偏西方。如果想要符合中国审美的人物,需要明确描述长相、妆容和气质,或者提供已经确定的人物参考图。
2.连续改图有可能越改越偏红。多轮图生图后,肤色和整体色调可能发生偏移。修改时除了检查内容,也要对照原图检查颜色。

生成后就会偏玫红
主要用途:写实人物、自然皮肤质感、人物四视图、后续 AI 视频的人物参考资产。
GPT Image 2.0:设计、文字和丰富细节是强项
在我的使用经验中,它的审美比 Nano Banana Pro 更符合设计类任务的需要,文字生成和排版尤其突出。

GPT image2.0生成的海报
同样一个任务,它往往会生成更多材质、装饰和细小元素,画面比较丰富。


同一段提示词GPT image2.0生成的明显细节更多
但部分结果会出现碎块和过密的高频细节。简单来说,就是很多密集、细碎的纹理和装饰,远看丰富,放大后却可能杂乱,甚至出现没有意义的结构。
所以,不能只看缩略图,要检查人物、背景和物体交界处的细节。
主要用途:中文海报、活动宣传图、封面、信息图,以及文字和画面共同参与的设计,部分的角色设计以及场景设计也可以用到。
Seedream 5.0 Pro:综合均衡,是我目前常用的模型
在我的使用经验中,它的审美处于 Nano Banana Pro 和 GPT Image 2.0 之间。
人物审美更贴近中国用户的偏好,文字设计也比较好。虽然细节丰富度和部分设计表现略逊于 GPT Image 2.0,

同一段提示词
但在我常用的场景里,较少遇到那类明显碎块问题,画面更容易保持整洁。
这也是我现在使用它更多的原因:它兼顾了人物审美、原图的遵循、文字设计和画面整洁度。

GPT生成的全是噪点,以及锐化
主要用途:中国人物、国风视觉、日常宣传图、中文设计,以及根据参考图制作人物或场景资产。
三、Midjourney 的位置:先做美术设计,再制作资产
Midjourney 在人物资产、场景资产最开始的美术设计阶段,非常有用。


人物的长相、服装结构、配色,或者场景的建筑风格、光影和氛围,都可以先用 Midjourney 探索。选出满意的设计图后,再交给 Nano Banana Pro 或 Seedream 5.0 Pro,生成四视图或其他制作所需的资产。
常用流程是:
Midjourney 确定美术设计 → Nano Banana Pro/Seedream 5.0 Pro 制作资产 → 检查一致性。

设计图强调审美和视觉方向;资产图则要把人物长相、服装结构、比例和视角,或者场景空间关系交代清楚。
所以,挑选设计图时,也要考虑后续是否方便使用。人物被大面积遮挡、服装看不清,或者场景被浓雾和强光覆盖,都会增加制作难度。
参考图看不到的背面和空间区域,模型会进行推测。重要设计需要提前说明,生成后再检查。
本期主要展示这套配合思路,详细操作参考已有 Midjourney 教程。
四、使用经验
基于我的使用经验,新手可以先参考:

五、基础操作:文字生成、参考图生成和继续改图
方法一:文字生成图片
新手可以按照四个部分组织提示词:
主体+场景+时间+风格。
主体:画谁或什么,包括外貌、服装、动作和道具。
场景:主体在哪里,周围有什么。
时间:故事的年代、时段或季节。
风格:摄影、绘画或电影画面等视觉表现。
例如(我这里使用的是Midjourney生成图片):
主体:伊芙琳,一位约27岁的英国女性迷雾信使。深棕色短卷发,灰蓝色眼睛,鼻梁有少量雀斑,神情警觉。穿烟灰蓝色收腰羊毛长外套、米白色衬衫、暗红色细领带和黑色系带皮靴,斜挎磨旧的棕色邮差包。她站在街角,一手拿着封蜡信件,另一手托着打开的黄铜罗盘,抬头辨认眼前的门牌。罗盘里有两根指向不同方向的指针。
场景:架空伦敦的一条狭窄老街,潮湿的石板路、红砖建筑、铸铁路灯和旧店铺橱窗。前景露出一角黑色铁栅栏,人物位于画面中景。身后的浓雾中,一扇孤立的旧木门半开,门内透出温暖灯光,隐约可见与街道年代不同的古老大厅。地面积水映出路灯与门缝的光,少量落叶贴在石板上。
时间:1930年深秋,雨刚停的夜晚。普通店铺已经熄灯,街道安静,浓雾正逐渐遮住远处建筑。
风格:英国悬疑电影与克制的奇幻现实主义,电影级写实摄影。竖版3:4,全身环境人像,人物占画面高度约三分之二,头顶与脚下留出空间。平视、自然透视,冷蓝灰色夜雾与暖黄色灯光形成对照,人物面部清晰可辨。真实的皮肤、羊毛、皮革、旧黄铜与潮湿砖石质感,奇幻感集中在雾中的门和异常罗盘,不堆叠魔法光效。不出现文字或水印。
四个部分分别交代人物、环境、时间和画面表现。故事通过“拿信辨认地址”“罗盘异常”“雾中出现另一年代的门”这些可见细节呈现。
在 Flowpix 上,按实际页面操作:选择模型 → 设置比例 → 输入提示词 → 生成 → 检查结果。


先检查人物和环境的关系,再看脸部、手部、罗盘及门的结构。也可以把同一段提示词交给不同模型,对比审美、材质和细节表现。
方法二:上传参考图
选出满意的图片后,可以上传它,继续生成同一人物的新画面。
核心是明确:保留什么,改变什么。
例如(这里使用的是banana pro进行修改):
以参考图中的伊芙琳为唯一人物参考,保持脸型、五官、深棕色短卷发、烟灰蓝色外套、暗红色领带和棕色邮差包。将画面改为她来到雾中旧木门前的侧面中景。她一手拿着封蜡信件,另一手轻推木门,目光看向门内。门内暖光照亮她的脸侧和手指,身后仍是冷蓝灰色的伦敦夜雾。延续原图的1930年代服装、写实电影风格和材质,不重新设计人物,不出现文字或水印。

六、资产实操:从美术设计到人物四视图、场景多角度图
人物资产案例:1930年代英国调查记者 Lucy
这个案例演示:先用 Midjourney 确定人物美术设计,再用 Nano Banana Pro 或 Seedream 5.0 Pro 制作四视图。
Lucy 是一位生活在1930年代末的英国调查记者。铜红色短发、蓝绿色套装、酒红色领结和复古相机,让她具有清楚的年代感与职业特征。灰色摄影棚背景方便观察服装轮廓,也便于后续制作资产。
第一步:用 Midjourney 生成角色设计图
使用下面的英文提示词:
Full length cinematic costume portrait, seamless medium grey studio background, centered eye level 50mm, soft flattering cinematic lighting, British mystery film screen test aesthetic. Subject: Lucy, striking 28 year old British investigative journalist, late 1930s. Slim figure, small heart shaped face, fair skin with freckles, bright grey green eyes, defined rose lips, glossy copper red bob, alert intelligent expression. Outfit: petrol blue tailored trouser ensemble - cropped jacket with broad structured shoulders and fitted waist, ivory silk blouse with oversized oxblood collar bow, extremely high waisted wide leg trousers with deep front pleats, slim oxblood leather belt, red and cream two tone T strap heels, small tilted red felt hat, geometric gold earrings. Props: vintage black folding camera on leather strap, loosely held notebook. Relaxed natural stance. Realistic skin, wool, silk, and leather textures. Full body visible. --no other people seated pose walking pose runway pose modern pantsuit skinny trousers cropped head cropped feet text watermark furniture --ar 9:16 --hd
中文翻译如下:
生成一张电影级写实人物全身定妆照,用于原创角色形象参考,具有1930年代末英国悬疑电影试镜照的风格。 主体是 Lucy,一位28岁的英国女性调查记者。身材纤细,小巧的心形脸,白皙皮肤带自然雀斑,明亮的灰绿色眼睛,轮廓清晰的玫瑰色嘴唇,光泽自然的铜红色波波头,神情警觉、聪慧。 她穿蓝绿色剪裁裤装:短款外套,宽而挺括的肩部,收腰剪裁;内搭象牙白丝绸衬衫,领口系大尺寸酒红色蝴蝶结;极高腰阔腿长裤,前侧有深褶,搭配细窄酒红色皮带。脚穿红色与奶油白双色T字带高跟鞋,头戴略微倾斜的小型红色毡帽,佩戴几何金色耳饰。复古黑色折叠相机通过皮革背带挂在身前,一只手自然松握笔记本。 正面自然站立,姿态放松。相机处于眼睛高度,50mm镜头的自然透视,人物居中,从帽顶到鞋底完整入镜,上下留出空间。中灰色无缝摄影棚背景与灰色地面,柔和的三点式打光:主光塑造五官与服装,较弱补光保留明暗层次,克制的轮廓光分离人物与背景。保留真实皮肤、羊毛、丝绸和皮革质感。竖版9:16。 不出现其他人物、家具、文字或水印。避免坐姿、行走姿势、走秀姿势、现代职业套装、紧身裤,以及裁切头部或脚部。 --ar 9:16 --hd


挑选时,重点看人物长相、服装剪裁、配色和年代感,同时确认帽顶与鞋底完整入镜,服装没有被道具大面积遮挡。
确定满意的设计后,保存原图,作为后续资产制作的统一参考。
第二步:用 Nano Banana Pro 或 Seedream 5.0 Pro 制作四视图
上传选定的 Lucy 设计图,输入:
生成图中人物的真人形象设定四视图,灰色摄影棚背景,整体为专业真人角色定妆参考板,规整排版,干净简洁,不是海报,不是杂志大片,不要剧情动作,不要复杂场景。
整体版式严格分为上下两部分:上半部分占画面高度三分之一,下半部分占画面高度三分之二。 上方区域展示两张精细真人面部特写,左侧为正面面部特写,右侧为侧面面部特写。两张特写都以头部与肩颈为主,构图紧凑,清晰展示人物五官、骨骼结构、妆容、发型、头饰与神态。人物面部特征、发型、妆造、头部配饰必须与参考形象严格一致。皮肤质感真实自然,保留毛孔、细纹、绒毛、眉睫、碎发与皮肤受光后的细微起伏,不磨皮,不过度锐化,不做人像美容,呈现高解析真人摄影棚定妆照质感。
下方区域展示两张身体与服装参考图,左右排列。
左侧图片必须是放大后的正面服装展示图,人物采用标准 A-pose 站姿。 这一张图的重点不是完整全身入镜,而是“人物尺度明显放大”,让角色在画面中占据更大比例。 左侧图片必须使用更近距离的正面取景,人物从肩颈下方开始入画,到鞋子结束,头部因画面放大而被完整裁切到画面之外。 请注意,这张图不是普通远距离全身照,而是近距离放大的正面服装图:人物身体在画面中的占比要明显更大,上半身与下半身都要被放大展示,整体视觉效果像时装定妆板中的服装主体展示图。
人物双肩、双臂、双手、躯干、腰部、腿部、鞋子必须完整保留,画面边缘只允许裁掉头部,不能裁掉手、脚或身体主体。 左侧这张图必须比右侧背面图看起来更“近”、更“满”、更“放大”,让服装细节和身体比例更突出。 禁止把左侧图做成普通小比例全身图,禁止人物在左侧图中显得太小,禁止头部仍然留在画面内,禁止只裁掉半个头或留出下巴、嘴巴、鼻子、头发边缘。
右侧图片为背面全身图,标准 A-pose,完整展示从头部到鞋子的背面全身。人物背对镜头,完整保留背面头部、发型背部、服装背面结构、鞋子与整体轮廓,用于展示角色背面造型。右侧这张图为常规完整背面全身展示,人物比例正常,不需要像左图那样放大裁切。
下方两张图必须为同一个人物、同一套服装、同一组配饰、同一身体比例。整体保持超模感修长比例,但不要夸张变形。服装设计、布料层次、鞋子、穿搭风格、服装结构与配饰样式必须严格遵循原图。所有服装与配饰都要呈现真实物理材质质感,布料有自然褶皱、垂坠和厚薄变化,金属有真实反光,皮革、丝绸、纱质等材质表现真实自然。若原图服装为开叉长裙,则左侧正面放大图中人物可自然一条腿向前迈出半步,以展示开叉结构和露腿效果,但整体仍需保持定妆照式稳定姿态,不要做走秀动作。
光线只使用干净统一的摄影棚三点式打光:正左侧主光,正右侧辅助光,后右侧轮廓光。不要杂乱光效,不要彩色灯光,不要强氛围特效。背景为纯净灰色无缝影棚背景。
严格要求:
上方两张脸部特写占画面上三分之一。 下方两张身体图占画面下三分之二。 左下图必须是“放大后的正面服装展示图”,人物在画面中的占比明显更大,头部因近距离取景被完整裁切出画面。 右下图必须是完整背面全身图。 禁止左下图做成普通比例全身小图。 禁止左下图出现任何头部信息。 禁止左右服装不一致。 禁止人物比例漂移。 禁止 AI 油腻感、塑料皮肤感、过度美颜感、廉价 CG 感。


第三步:检查资产一致性
重点检查:
-
四个视角是否还是同一个 Lucy,脸型、发色和发型有没有变化。
-
外套长度、肩部、领结、裤腰和裤腿宽度是否一致。
-
帽子倾斜方向、相机背带和鞋子结构是否对应。
-
侧面、背面是否正确,有没有用相似角度替代指定视角。
参考图看不到的背面细节会由模型推测,需要单独确认。四视图拼图持续出错时,可以拆成单个视角生成,每次都使用同一张确定的设计原图。
场景资产案例:江南现代茶馆
场景沿用同样的方法:先确定美术设计,再生成需要的视角。
先用 Midjourney 确定场景风格:
一间位于江南老街的现代茶馆室内,木质梁柱,米白色墙面,深色木桌,窗外可见庭院绿植。空间安静温暖,现代设计与传统建筑自然结合。广角室内全景,完整展示空间布局,柔和自然光,克制的装饰,重点呈现建筑结构、材质和色彩,不出现人物与文字。


选图时,除了审美,也要关注门窗、桌椅和通道的空间关系是否清楚。
再用 Nano Banana Pro 或 Seedream 5.0 Pro、GPT image2.0 生成其他角度:
以参考图为同一间茶馆的空间依据,生成从入口看向室内的广角全景。保持建筑风格、墙面材质、桌椅款式、主要物体的相对位置和照明逻辑一致。清楚呈现空间结构,不新增门窗和房间,不出现人物或文字。横版16:9。


下一张可以改为“从主桌位置看向入口”。如果需要严格保持布局,补一张简单平面草图,标注门、窗、主桌的位置和镜头朝向。
生成后检查有没有多出门窗、改变桌椅数量或移动关键物体,确保不同视角能在后续制作中连贯使用。
七、设计实操:用 GPT Image 2.0 做中文海报
这一章制作“1930·伦敦迷雾档案展”的宣传海报,重点展示模型怎样同时处理视觉设计、准确文案和多层级排版。
它需要有吸引人的主视觉,也要让观众快速读懂展览主题、内容、时间和地点。
第一步:确定文案和视觉方向
海报采用1930年代报刊与现代展览视觉结合的方向:旧报纸、档案照片、地图和邮政印章提供年代感,清晰的网格与文字层级保证可读性。
第二步:输入完整提示词
设计一张具有成熟平面设计水准的中文主题展览海报,主题为“1930·伦敦迷雾档案展”,竖版3:4。世界观是1930年的架空伦敦:浓雾会让部分街道通向不同年代,邮差通过异常罗盘寻找已经从地图上消失的地址。
视觉风格:
将1930年代英国报刊、历史档案与现代艺术展览视觉结合。使用暖灰白纸张底色、炭黑文字、深蓝绿色图像和少量酒红色标记。纸张有轻微纤维质感,印刷有克制的颗粒感,但文字边缘清晰。整体有悬疑感、年代感和专业的编辑设计感,避免廉价复古滤镜。
主视觉:
海报中部是一张占据主要面积的伦敦迷雾街道照片:潮湿石板路、红砖建筑、铸铁路灯,街道深处有一扇透出暖光的旧木门。照片以不规则档案裁切的方式融入版面。局部叠加细线街区地图、一个小型黄铜双指针罗盘和一封酒红色封蜡信件。三种元素有明确主次,不重复堆叠,不遮挡主要文字。地图只使用路线与节点,不生成随机地名。
排版要求:
使用清晰的六列网格,采用不对称但平衡的构图。顶部为大字号主标题,中部为主视觉,右侧窄栏放置引导语,底部为三栏展区介绍与活动信息。保持统一对齐关系、合理行距和足够留白。中文标题使用有力量的粗宋体,正文使用清晰易读的现代黑体,数字可使用克制的等宽字体。标题、说明和活动信息至少形成三个清楚的字号层级。
以下文案必须逐字准确呈现,不遗漏、不重复,不增加其他文字:
顶部小字: “城市记忆特别展”
主标题,分两行: “1930” “伦敦迷雾档案展”
主标题下方副标题: “那些消失的街道,仍有人记得。”
主视觉右侧引导语,分两行: “当地图失效” “跟随记忆寻找城市”
下方三个展区,分别排成三栏:
“01 消失的街区”
“沿旧地图追踪被浓雾抹去的地址”
“02 未寄出的信”
“从私人信件中寻找城市最后的证词”
“03 错位的时间” “走进一扇通往另一个年代的门”
底部活动信息:
“展期|2026.11.07—2026.12.06”
“开放时间|10:00—18:00 · 周一闭馆”
“地点|旧港档案馆 · 一层展厅”
“预约方式|搜索「迷雾档案展」”
细节约束:
所有文字保持平面印刷效果,不做立体字。长句自然换行,不能缩成难以阅读的小字。纹理和地图线条只用于辅助设计,不能穿过正文。避免无意义的碎块、细碎装饰、随机字母、虚构二维码和水印。成图应像一张经过完整设计、可以用于宣传的展览海报。


第三步:检查文字、设计和细节
先看整体:主标题是否醒目,主视觉与文字有没有争抢注意力,观众能否快速找到展期和地点。
再逐条核对文案,尤其检查日期、标点、展区编号,以及较长的说明文字。最后放大观察图像边缘、地图线条和照片叠加区域,查看是否出现碎块或无意义的纹理。
文字多,并不等于设计好。这张海报的重点,是让不同信息各有位置,同时保持整体审美和可读性。
模型对比:

GPT image 2.0 有层级、有逻辑,并且文字清晰;Banana PRO 则没有任何设计可言;seedream 5.0 PRO 设计的也还可以
八、使用入口:Flowpix、其他聚合平台和官方网站
Flowpix:本期主要演示平台
Flowpix 是一个节点式画布平台,可以把提示词、参考图和生成结果组织在同一张画布上,将图片制作过程连接起来。
它的优势在于,做图的过程能看得见,也方便继续复用。

比如本期的人物案例,可以先生成角色设计图,再把选定的图片连接到后续生成节点,制作四视图或其他资产。参考图和生成结果之间的关系更清楚,方便梳理每一步用了什么素材。

需要比较模型时,也可以从同一份提示词或参考图出发,建立不同的生成分支,把结果放在画布上并排查看。修改图片时保留多个版本,便于对照效果,选出满意的方向。
其他聚合平台:libtv /tapnow
官方网站与入口
1.Nano Banana Pro 可通过 Gemini 等产品使用,
2.Seedream 5.0 Pro 可通过即梦AI 进行使用
3.GPT Image 2.0 可通过 ChatGPT使用,
4.Midjourney 可通过Midjourneyu官网 使用,
做图时先明确任务,再选模型:Midjourney 用来探索美术设计,Nano Banana Pro 和 Seedream 5.0 Pro 用来制作人物或场景资产,文字与排版任务优先尝试 GPT Image 2.0。具体结果不满意时,再调整要求或切换模型。