视频教程(案例与下文不一致但是思路一致)
你可能已经在短视频、广告或社交平台上看过很多 AI 生成的图片:真实自然的人物肖像、富有氛围的城市空间、像电影剧照一样的生活片段,甚至还有完整的产品广告。

看到这些作品时,你也许会觉得,AI 创作需要学习很多复杂的技术。但实际上,大多数 AI 影像作品都建立在几种非常基础的生成方式上。
这一节课,我们先不追求复杂的视觉效果,而是从最简单的一张图片开始。你不需要会画画,也不需要懂摄影。只要会打字、会点击鼠标,就可以跟着完成。
学习时不要急着背名词。我们会先做一次,再解释刚才做的事情叫什么。每一步都会告诉你四件事:要做什么、为什么这样做、正常会看到什么、结果不对怎么办。
学完本节课,你将能够:
分清 AI 模型和创作平台;
- 理解文生图与图生图的区别;
- 在 FlowPix 中完成第一次图片生成;
- 修改图片中的主体、时间、场景和氛围;
- 对比不同模型的生成特点;
- 使用节点和连线整理创作过程;
- 利用多张参考图生成一张新图片。
开始前的准备
正式操作前,请先完成下面三件事:
1.打开 FlowPix(点击即可进入),并进入一个新的空白项目;

2. 确认你能看到中间的大块空白区域;

3. 暂时不要调整不认识的高级参数,跟着课程使用即可。
中间的大块空白区域叫作画布。你可以把它理解成一张很大的桌子:稍后生成的图片、上传的素材和每一次修改,都会放在这张桌子上。
一、先弄懂两个最容易混淆的词
开始操作前,先解决一个经常被问到的问题:
做 AI 图片,到底应该使用哪个 AI?
这个问题里,其实混合了两个不同的概念:AI 模型和创作平台。
先记住一句最简单的话:
模型负责干活,平台负责让我们方便地使用模型。
1. 什么是 AI 模型?
当你输入“一位女咖啡师正在制作手冲咖啡”时,真正阅读这句话、理解你的意思并画出图片的,是 AI 模型。
模型有点像不同专业的工作人员。有人擅长写文章,有人擅长画图,还有人擅长做视频。按照主要工作,可以先把常见模型分成三类:
- 大语言模型:擅长读写文字、回答问题和整理资料,例如 ChatGPT、Claude、DeepSeek、豆包。需要构思提示词时,可以让它们帮忙。

- 图片生成模型:擅长把文字或参考图变成图片,例如 Midjourney、GPT image 2.0、Nano Banana。我们这一部分主要使用的就是图片模型。

- 视频生成模型:擅长让图片动起来,或者根据文字直接生成视频,例如 Seedance、Wan、Mini max 。它们会在后面的“视频生成”部分出现。

现在不用记住这些名称。你只需要知道:写文章、画图片和做视频,背后使用的模型不是同一类。
2. 什么是创作平台?
模型通常不等于我们直接使用的网站或软件。为了让普通用户不用写代码也能使用模型,外面还需要一个操作界面,这就是创作平台。
例如,即梦、小云雀等平台可以让用户在一个界面中完成图片或视频生成;

我们这套课程使用的 FlowPix(点击跳转),则把图片和视频放在一张可以不断延伸的画布上,方便我们边生成、边修改、边整理。

有些平台会使用自己研发的模型,有些平台会接入多个第三方模型。因此,我们看到的虽然是不同平台,背后调用的模型却可能相同;同一个平台中,也可能同时提供多种图片模型和视频模型。

举个例子:你在 FlowPix 里选择一个图片模型,输入一句话,然后点击生成。这个过程中:

- 图片模型负责理解文字并生成图片;
- FlowPix 负责接收你的操作、调用模型、显示结果并保存创作过程。
所以,不要再把“平台”和“模型”当成同一种东西。它们是一起工作的。
二、AI 影像生成一共有哪几种方式?
这些名称看起来有点像绕口令,其实“生”就是“生成”的意思。只要看清楚“拿什么作为输入,最后得到什么”,就很好理解。
目前常见的 AI 影像生成,可以归纳为五种基本方式:
1.文生图:输入一句文字,得到一张图片。例如输入“一位女咖啡师在冲咖啡”,AI 生成对应画面。

2. 图生图:放入一张图片,得到一张修改后的新图片。或者是参考这张图片,生成一张新的图片(这里可以参考原图的风格,人物,色彩等等)。例如把女咖啡师的黑色围裙改成白色。

3. 文生视频:输入一句文字,直接得到一段视频。
4. 图生视频:放入一张图片,让图片中的人物或物体动起来。
5. 视频生视频:放入一段已有视频,再修改人物、场景、天气或画面风格。
这一节课只需要真正学会前两种:文生图和图生图。后三种现在能看懂名称就可以,下一部分再实际操作。
后面看起来再复杂的图片创作,大多也是在这两种方式上不断增加参考素材和控制条件。只要先把它们理解清楚,后续学习多图融合、角色一致性和 AI 视频就会轻松很多。
三、第一次文生图:让文字变成图片
先别担心“文生图”这个名字。我们马上做一次。做完后,你自然就能理解。
第 1 步:在空白画布上创建图片生成任务
进入 FlowPix 项目后,把鼠标移动到画布的空白位置。
鼠标右键,然后选择“图片处理”。

选择完成后,画布上会出现一个新的方框。这个方框叫作节点。

“节点”听起来很专业,其实你可以把它理解成一张工作卡片:这张卡片记录了你输入的文字、使用的模型、选择的参数和最后生成的图片。
正常情况下,你会在节点里看到:
一个还没有图片的预览位置;
一个可以输入文字的输入框;
模型、比例、清晰度等设置;
一个“生成”按钮。

第 2 步:输入第一句话
点击文字输入框,完整输入下面这句话:
一位年轻的中国女咖啡师在温暖的街角咖啡店里制作手冲咖啡,真实摄影风格。

这句话叫作提示词。
提示词不是什么程序代码,就是你写给 AI 的要求。你希望画面里出现什么,就尽量直接说出来。
这句话已经告诉了 AI 四件事:
- 谁:一位年轻的中国女咖啡师;
- 在哪里:街角咖啡店;
- 做什么:制作手冲咖啡;
- 看起来怎样:真实摄影风格。
现在不用追求特别长的提示词。第一步的目标只是让 AI 大致理解我们的画面。
第 3 步:选择图片模型
找到节点中的“模型”选项。

模型就是这一次替你画图的 AI。第一次练习,可以选择GPT iamge 2.0模型。
这一张图只是练习。我们的任务是先把流程走通,不需要一开始就研究所有模型。
第 4 步:选择画面比例
找到“比例”选项,选择 16:9。

比例就是图片的形状:
- 16:9 像横着的电视屏幕;
- 9:16 像竖着的手机屏幕;
- 1:1 是正方形。
我们选择 16:9,是因为后面还要把这张图片做成横屏视频。现在统一比例,后面会更省事。
如果你的结果变成了竖图或方图,通常不是 AI 画错了,而是比例选错了。
第 5 步:设置清晰度和生成数量
清晰度决定图片能够显示多少细节。通常分为1k、2k、4k,数值越高,图片通常越清楚,但等待时间和消耗也可能更高。
第一次练习选择“1k”或“2k”清晰度即可。先确认画面方向对不对,之后再生成高清版本。
生成数量选择 2 张。同一句话,AI 每次的理解会有一点不同。一次生成两张,可以让我们进行比较和选择。

第 6 步:点击生成
确认无误后,点击“生成”。
等待过程中不要反复点击。AI 需要先理解文字,再计算并生成画面。

完成后,预览区域里应该会出现两张不同的咖啡师图片。

恭喜你,刚才完成的过程就是文生图
四、选择主图:确定接下来的创作起点
一次生成多张图片后,不要立刻继续。接下来要从中选一张,作为后面所有修改的起点。这张被选中的图片,我们称为主图。
先分别点开两张图片并放大。如果图片太小,可以使用画布缩放或图片预览功能查看细节。

可以重点观察:
- 人物的面部、双手和身体比例是否自然;
- 服装和动作有没有明显错误;
- 咖啡店的空间是否合理;
- 光线、色彩和整体氛围是否符合预期;
- 图片是否适合作为后续修改的基础。
选择其中最满意的一张,将它作为接下来继续创作的主图。请先切换到你选中的那一张,随后继续创作。
如果两张都有明显问题,不要勉强选择。可以回到原节点再生成一次,或者把提示词稍微说清楚后重新生成。
五、第一次图生图:在原图上修改内容
现在,我们已经有了一张不错的女咖啡师图片。但如果仔细观察,你可能会发现,人物穿着普通衣服,职业特征还不够明确。
如果重新从文字开始生成,角色、构图和咖啡店都可能发生变化。我们真正想要的是:保留现在的画面,只修改服装。
这时就需要使用第二种图片生成方式——图生图。
第 1 步:明确这次只改什么
这次只修改服装,不改人物、不改动作,也不改咖啡店。
一次只改一个主要内容,是小白阶段非常重要的习惯。要求越少,我们越容易判断 AI 有没有听懂。
第 2 步:从主图连接新的图片节点
先单击主图,让它处于选中状态。找到图片旁边有俩个“+”,从主图点“+”拉出连接线,再创建一个新的“图片生成”节点。


连接完成后,画布上会出现一条线:
原始图片 → 新的图片生成节点
这条线的意思是:右边的任务不是从零开始,而是要参考左边的图片。

如果新节点与原图之间没有连线,AI 很可能不知道你想修改哪张图。此时先不要生成,重新检查连接。
第 3 步:输入修改要求
在新节点中输入:
只修改服装:给女咖啡师换上深绿色咖啡师围裙和白色长袖衬衫。人物的脸、发型、动作、手冲壶、镜头角度和咖啡店背景保持不变。

这条提示词分成两部分:
“给女咖啡师换衣服”说明要改什么;
“其他内容保持不变”说明不要改什么。
只写第一部分,AI 有时会顺便改掉人物的脸或画面构图。把需要保留的内容写清楚,结果通常会更稳定。
第 4 步:检查设置并生成
检查模型与比例。为了提高稳定性,新图片的比例要与原图保持一致,仍然选择 16:9。
点击生成,等待新图片出现。
正常情况下,你会看到人物换上了专业的咖啡师服装,而面部、动作、咖啡店环境和整体构图基本没有变化。

如果衣服改对了,但人物的脸也变了,不代表整套流程做错了。先回到修改节点,在提示词中进一步强调“面部特征保持不变”,再生成一次。
这就是图生图的核心:
就是参考已有图片,再生成一张修改后的新图片。
六、继续修改:图生图可以改变什么?
图生图不只能换衣服。接下来,我们沿着同一张图继续尝试。
1.改变时间和光线
先回到“女咖啡师”主图。注意,不要从刚刚换好服装的图片继续往下做。这一次我们想单独观察“改变时间”会带来什么变化,所以从同一张主图建立新的分支。
具体操作如下:
1. 单击最初选中的女咖啡师主图;
2. 从主图连接一个新的图片生成节点;
3. 确认原图与新节点之间已经出现连线,选择GPT image2.0(这个模型比较听话);
4. 输入下面的提示词;
5. 保持 16:9 比例,然后点击生成。

案例提示词:将时间改为雨夜,窗外有细雨和街灯,咖啡店内部保持温暖明亮,女咖啡师的面部、动作和构图保持不变。
生成后,画面的时间应该从白天变成夜晚。窗外出现冷色的雨景,室内则保留暖黄色灯光,画面会形成更明显的冷暖对比。

这一步请重点观察:我们没有输入“蓝色窗外、黄色室内、玻璃上有反光”等一大串描述,只是把时间改为雨夜,AI 就自动补充了与雨夜有关的光线和环境信息。
如果画面只变暗,没有出现雨夜氛围,可以把要求再说具体一点,例如补充“窗外清楚可见雨丝、湿润路面和街灯倒影”。
2. 改变场景
这一次,我们从刚刚生成的雨夜版本继续连接新节点。这样,新结果会同时参考上一张图片中的人物和雨夜氛围。
和之前的方法一样
输入下面的提示词

案例提示词:
将场景改为夜晚的城市街角移动咖啡车,女咖啡师的面部、发型、服装和手中的手冲壶保持不变。

这一次,AI 会尝试保留人物,同时把室内咖啡店改成城市街角的移动咖啡车。
生成完成后,先检查场景有没有改变,再检查人物是否仍然是同一个人。不要只顾着看新场景,而忽略了人物的脸、服装或手中道具是否发生变化。
如果新场景正确,但人物变化太大,可以回到上一个节点重新生成,并增加“严格保持人物面部特征一致”这样的要求。
你会发现,我们没有一次性要求 AI 完成所有变化,而是每次只解决一个问题:
1. 先生成基础画面;
2. 再修改服装;
3. 然后调整时间;
4. 最后更换场景。
这种逐步修改的方法,比每次推翻重做更加稳定,也更容易判断问题出现在哪一步(不过AI多次修改也会出现画面的劣化,有时候将所有修改的点一起说也可以)。
你可以把它理解成修图:先换衣服,再调光线,最后换背景。每次只完成一件事,出了问题也知道应该回到哪一步修改。
图生图常见用途
图生图通常可以用于:
- 替换人物、动物或产品;
- 修改服装、发型和道具;
- 改变时间、天气和光影;
- 更换背景与场景;
- 保留构图并调整画面风格;
- 修正局部细节;
- 将多张图片中的信息组合起来。
需要注意的是,图生图并不等于绝对不变。要求越复杂,AI 改动其他区域的可能性就越高。因此,提示词中要明确写出“修改什么”和“保留什么”。
七、为什么同一句提示词会生成不同结果?
现在我们已经学会了文生图和图生图,但你可能会遇到一个新问题:
为什么同一句提示词,换一个模型以后,结果差别会这么大?

因为不同模型学过的内容不同,擅长的事情也不同。就像两位摄影师拍同一家咖啡店,一个可能更会拍人物,另一个可能更会拍环境。
图片模型之间常见的差别包括:
- 真实摄影和自然光线;
- 插画、海报与强烈风格;
- 人物面部和身体结构;
- 准确修改参考图;
- 处理文字、标志与产品细节;
- 多张参考图的一致性融合。
做一次公平的模型对比
所谓“公平对比”,就是只改变模型,其他内容全部不动。这样才能知道结果的差异是不是模型造成的。
请按照下面的顺序操作:
1.找到最初生成女咖啡师的文生图节点;
2. 复制这个节点;

3.右键粘贴

4. 只把模型换成另一个图片模型;

5. 点击生成;
6. 把两组结果拖到一起,并排比较。

比较时先不要研究太多专业细节,只看下面四项:
1. 人物的脸和双手哪一组更自然;
2. 咖啡店哪一组更像真实空间;
3. 哪一组更符合“正在制作手冲咖啡”的要求;
4. 哪一组更适合继续修改。
通常,能力更强的高质量模型会消耗更多、生成更慢。但简单任务不一定需要最强模型。
第一次比较时,不需要马上判断所有模型的优缺点。你只要能看出“同一句提示词,换模型后结果会变化”,这一部分就已经学会了。
八、参考一张图片的氛围
有时候,你看到一张很喜欢的图片,却很难准确说出它使用了什么色彩、灯光或视觉风格。
这时不必强行寻找专业术语,可以直接让 AI 参考它的视觉氛围。
操作方法
1.准备一张你喜欢的夜景照片。尽量选择光线、色彩和氛围清楚的图片

2. 将图片拖入或上传到 FlowPix 画布;

3. 单击参考图,确认它已经处于选中状态;
4. 从参考图连接一个新的图片生成节点;

5. 在提示词中写清楚你要生成的新内容;

6. 明确只参考氛围、色彩或光线,不复制参考图中的人物;
7. 点击生成。
示例提示词:
仅参考这张图片温暖、安静的夜晚氛围,重新生成一张年轻女咖啡师在城市街角咖啡车制作手冲咖啡的真实摄影画面。保留柔和灯光、轻微雨雾和电影感色彩,

生成效果
这种方法仍然属于图生图。
区别在于:前面的练习是直接修改原图,这一次则是让 AI 看一看参考图的色彩和光线,再画一张新的图片。
生成后,我们真正要比较的是:暖黄色灯光、雨雾、夜晚色彩和安静的情绪有没有被带到新画面里。
如果新图连参考图中的人物或建筑也照搬了,说明要求还不够清楚。可以在提示词中再次强调“只参考色彩与光线,不参考人物、地点和构图”。
九、把画布整理清楚:认识节点工作流
做到这里,你的画布上已经出现了多张图片和多条连线。第一次看到这样的画布,可能会觉得有些复杂。
先不用害怕这些线。它们不是程序代码,而是在记录“这张图是从哪张图改出来的”。
画布上的每一张图片、每一次生成或处理,都可以看作一个节点。多个节点通过连线连接起来,就形成了一条可以查看、回溯和修改的创作路径。
如果还是觉得抽象,可以把节点想成“存档”:
第一个存档是最初生成的女咖啡师;
第二个存档是换好围裙的版本;
第三个存档是雨夜版本;
第四个存档是街角咖啡车版本。

连线告诉我们每个存档是从哪张图片改出来的。即使后面的结果失败,前面的存档仍然还在。
节点式工作流有啥用
1. 能看见创作过程
你可以清楚地看到:
基础人物 → 更换围裙 → 改成雨夜 → 更换街角场景

每一步从哪里开始、修改了什么,一目了然。
2. 能随时回到某一步
假设你喜欢雨夜的光线,却不喜欢街角咖啡车,就可以直接回到“雨夜咖啡店”节点,从那里建立一条新的分支,而不需要重新生成前面的内容。
3. 能保留不同创意方向
同一张主图可以同时发展出多条路线:
- 路线 A:温暖治愈的咖啡店;
- 路线 B:雨夜电影感的街角小摊;
- 路线 C:明亮清新的生活摄影;
- 路线 D:真实摄影风格的品牌广告。

多种不同的氛围
这些尝试不会互相覆盖,失败的结果也可以保留下来作为参考。
4. 能找到问题从哪一步开始
如果最终结果不理想,可以顺着连线向前检查:
是最初的主体就不稳定?
是更换服装时改变了脸部?
是场景修改导致构图跑偏?
还是模型不适合多图融合?
找到问题对应的节点后,只需从那里重新修改,不必全部推倒重来。
十、进阶选学:把多张参考图组合起来
下面的操作比前面更难。第一次学习如果觉得信息太多,可以先看懂原理,不要求马上成功。
目前已经有一张“女咖啡师”的主图。现在我们希望她穿上指定款式的围裙,并把指定造型的陶瓷咖啡杯递给一位刚刚进店的女性顾客。

这个任务包含三类参考信息:
1.女咖啡师的人物图片;
2.陶瓷咖啡杯的产品图
3.围裙参考图;
4. 女性顾客的人物参考图。
操作步骤
然后按下面的顺序操作:
1.将四张参考图上传到 FlowPix 画布;

2. 把四张图并排放好,不要重叠;

3.将四张图框选,一起拉出一条线

4.选择图片生成

5. 查看新节点的参考图片区,确认四张图都已经出现;

6.在提示词中逐一说明每张图负责什么,并且输入你的想法;

7. 选择 16:9 比例,然后点击生成。
示例提示词:
以咖啡师图片中的女性(图1)作为主体,让她穿上服装参考图中的白色围裙(图3),双手把产品图中的陶瓷咖啡杯(图2)递给顾客参考图中的女性(图4)。场景是温暖的街角咖啡店,两人的面部特征保持一致,人物动作自然,真实商业摄影风格,画面为16:9横构图。
生成后,你会得到一张同时融合多个参考来源的新图片。检查时按顺序来看:先看咖啡师是不是同一个人,再看围裙和杯子是否正确,最后看顾客是否出现,还有手指等难以处理的区域有没有问题。


多图参考比前面的练习更难。第一次没有完全成功很正常。先找到最重要的错误,每次只修改一个问题,不要把提示词一次改得过于复杂。
这看起来比前面的操作复杂,但你只需要抓住一个原则:每张参考图只负责一件事。
提供已有图片,让 AI 读取其中的信息,再生成一张新图片。
所以,多图融合仍然属于图生图,只是它一次参考了不止一张图片。
十一、本节总结
这一节内容比较多。如果暂时记不住,请先记住下面四句话:
1.模型负责生成,FlowPix 负责让我们操作和整理。
2.文生图就是输入文字,得到图片。
3. 图生图就是放入原图,得到修改后的新图。
4. 不要急着删除旧图,沿着节点和连线随时可以回到上一步。

下一部分,我们将在这些图片的基础上继续学习 AI 视频生成,让静态角色真正动起来。