Midjourney打光提示词：给光线一个明确来源

很多人用Midjourney生成人像时会遇到一个尴尬情况：服装对了、场景对了、脸也满意，但光线没有来历——脸颊发亮、头发泛光，却找不到光源方向。加一句"cinematic lighting"之后，画面确实更"好看"了，可问题依然没解决：光到底从哪来？

Prompt Image Atlas 的文章给出了一个实用思路：不要堆砌风格词，先给光线指定一个物理来源。以下内容整理自该文章的提示词框架，原文也明确说明这些示例并未在Midjourney中实测对比，配图是真实照片而非生成结果，因此应作为起点模板而非验证过的结论。

为什么"电影感光线"解决不了问题

Midjourney 官方 Prompt Basics 文档建议提示词应包含清晰描述，并把光线列为值得具体说明的细节。问题在于，"cinematic lighting""dramatic light"这类词属于结果描述，不是成因描述。模型接收到的是风格标签，而不是空间关系，于是它只能凭训练分布里"电影感"的常见形态自由发挥——这就是为什么你总能得到一张好看的图，却始终说不清光从哪来。

可指认的光源则完全不同。"窗外左侧的自然光"包含了一个你能描述、也能在结果里核查的具体对象：投影方向、明暗过渡、背景是否压得住主体，都变成了可以验证的指标。

训练分布指的是生成模型在预训练阶段所学习的海量图文数据中，各类概念、风格与视觉特征的出现频率和关联模式。当提示词中出现"cinematic lighting"时，模型并非在推理某种具体的光照物理方案，而是在召回训练数据中与这一短语高频共现的视觉特征——通常包括高对比、暖色调、浅景深、柔焦等。这些特征在无数电影剧照、摄影作品中反复出现，因而被模型压缩为一种"风格平均态"。这也解释了为什么同一句风格词在不同主体上都会产出一致的气质，却始终无法对应到真实的三维空间结构：模型学到的是统计上的"像电影"，而不是"光从哪来"。

先写一个朴素的基础提示词

在调试光线时，让场景保持克制。原文给出了一个虚构主体作为固定底板：

Editorial photograph of an adult ceramic artist sitting at a wooden workbench, clay-stained blue apron, hands resting beside an unfinished bowl, eye-level waist-up composition, plain workshop wall.

这段描述提供了光线可以作用的三样东西：一张脸、一块布料、一个粗糙表面（未完成的陶碗）。建议把基础描述单独存好，之后每次只改光线部分，主体和构图保持不变，才能判断画面变化到底来自哪里。

Eye-level waist-up composition（平视半身构图）是摄影与绘画中常见的取景规范，指镜头高度与被摄者眼睛齐平、画面下缘裁切在腰部附近。这一角度之所以适合调试光线，是因为它把面部、颈肩、胸前与手部同时纳入画幅：脸部提供最敏感的阴影变化，颈肩显示轮廓光是否形成，手部与工作台展示受光方向是否统一。若换成俯拍或大特写，许多光线线索会被遮挡或压缩，难以判断指令是否生效。因此在光线实验阶段，固定一个信息密度高、又不过于复杂的构图底板，能让每次提示词的改动都产生可观测的差异。

优先尝试柔和的窗户光

在基础提示词后追加：

A large window just outside the frame on the left, soft daylight across the artist's face, gentle shadow on the right cheek, subdued background, neutral color.

生成后重点看脸的阴影侧：暗部是否仍然可读？陶碗的受光方向是否和脸一致？如果整个场景变得平淡发灰，试着把"背景"改成"a darker right side of the workshop"，而不是继续叠加多种互相冲突的光线风格。

这套配置适合安静的工作型人像。除非你真的想要多个光源，否则不要在同一段提示词里同时写日落、霓虹和影棚聚光灯——那是三种完全不同的物理设定。

硬侧光版本怎么改

把窗户光那句替换为：

A small uncovered lamp outside the frame on the left, hard side light, a distinct nose shadow toward the right, visible clay texture, dark workshop background.

这里的检查点是阴影边缘：你要的是比窗户光更锐利的明暗过渡。仅靠更忧郁的表情或更深的围裙颜色，并不能证明打光指令生效了。

如果脸陷入死黑让你不满意，可以要求右侧有一点点反射补光。但请把这个补充记录在笔记里，因为它已经改变了你正在对比的那套参数。

把轮廓光和面部光分开控制

第三个方向：

A light behind the artist on the right creating a narrow bright edge along the shoulder and hair, soft dim light on the face, dark wall, restrained highlights.

检查轮廓与背景的分离关系。如果每个物体边缘都在发光，而你想要的是摄影感画面，这张图就值得弃用。明确写出光应该落在哪侧肩膀，然后检查手和陶碗上有没有多余的干扰性高光。

建立可用的对比记录

每张输出都保存完整提示词、模型版本、宽高比和参数。固定 seed 有助于组织对比，但不能证明光线是唯一的视觉变量，使用前建议先看 Midjourney 的 Seeds 官方指南。

对比时关注三件事：阴影方向、阴影柔度、背景是否在和脸部抢注意力。最终保留符合版式需求的那张，即便它没有完全遵循你要求的光线——提示词工程的目标是可用的结果，不是参数上的完美。

这套方法的本质，是把"我想要好看的图"翻译成"光从左侧窗外来，落在脸上，右脸留一道柔和的暗部"。控制力来自可验证的细节，而不是更多形容词。

Seed（随机种子）是扩散模型生成过程中控制初始噪声的数值。相同 seed、相同提示词、相同参数下，模型理论上会产出一致的起点噪声，从而让画面更具可复现性。但需注意，seed 并不能锁定光线之外的所有变量——模型版本更新、宽高比变化、甚至服务端的细微差异都可能导致结果漂移。因此固定 seed 的价值在于降低对比时的噪声，而非保证"只改了光线"。正确的做法是在固定 seed 的基础上，同时冻结模型版本、宽高比与关键参数，再把光线描述作为唯一变量，这样才能相对可信地判断某句光源指令是否真正改变了阴影方向与柔度。