我们在用 AI 画人像的时候，经常会遇到一种很迷惑的情况。相机机位不知道怎么描述。

角色、五官什么的看着都不错，衣服、场景、光线也不错，但整张图看起来就是有点别扭，有一些平平无奇。

于是我们开始往提示词里加一些构图和机位词：低机位、高机位、俯拍、仰拍、广角、特写……词越写越多，画面却变得越来越偏离我们最初的意图。有时候想显腿长，结果最后连脸一起仰变形了；想突出眼神，结果人物只占画面一小块，观众先看到的反而是后面的背景东西。

所以我尝试着把这些东西翻译成大家都能看懂的语言，把机位拆开讲。一些在摄影中常见的坑，放在 AI 绘图里同样能用来排查问题。

因为很多时候，我们缺的不是更多摄影名词，而是没说清楚：相机在哪、朝向哪里，最后又要把人物画到多大。

机位如何进行拆分

很短的一句话：先把机位拆成相机高度、拍摄方位和拍摄距离。先记住这三点，然后再往下面看。

“换个角度”这句话，信息量几乎为零

平常我们拍照片时，经常会对模特说：换个角度试一试。

但是这个角度，它到底指的是什么呢？

在现实生活中，可能只是模特姿势变一下，相机拿高一点或者放低一点；也可能是从人物正面绕到侧面；还有可能是镜头从水平位置变成向下的俯拍。有时候，甚至可能是我们往前走了几步，让画面中的主体人物角色变大了，这样也会觉得角度变了。

这些变化其实都是混合在一起的。在我们真人拍摄的时候，只需要不断变换位置、按下快门，就能够看到不同的照片。但是交给 AI 的时候，我们很容易把这些要求写得不清楚，让 AI 乱猜。

所以如果让我来说的话，写提示词时，可以把这三点展开成下面四个检查项：高度之外再看镜头朝向，距离则结合最终景别来描述。

• 高度：相机相对拍摄目标，是同高、高于还是低于。
• 方位（角度）：摄影机在人物正面、侧面、背面，还是三分之二侧面。
• 镜头朝向：镜头水平正对、向下俯拍，还是向上仰拍。
• 景别：人物最终在画面里有多大，是远景、全景、中景、近景还是特写。

这里说的“方位”，是摄影机绕到人的哪一面。它和镜头向上还是向下，不是同一件事。后面的景别，是照片内的取景范围大小。它受拍摄距离和焦距共同影响，不能直接等同于相机离人物多少米。

比如“从人物正面拍”只说明摄影机在正面，没有告诉 AI 相机有多高，也没有说明镜头是否俯拍。反过来，“低机位”也没有告诉 AI 你想拍人物正面还是侧面，更没有说最后要全身还是只看脸。

所以只写一句“低机位人像”，模型要替你决定的东西还是太多了。这个东西其实我在我的生图课程里面提过一部分。

这张图是用“低机位人像”得到的几张图片拼合而成的。仔细看，人物姿势、脸部朝向和取景范围都变了，也没有统一呈现出清楚的仰拍关系。所以一个“低机位”，还不足以把画面定下来。

相机贴地，不一定就是低机位

这里我想说的，其实是一个最反直觉的东西，也是我觉得大家最应该记住的一点。

我们通常情况下都会通过相机离地面的高度，来判断一个摄影机的机位。相机在地上，我们就认为它是低机位；相机举过角色的头顶，就是高机位。

但其实，在摄影过程中，更准确的判断方式是：先确定你要拍的区域，也就是这张图真正要表现的部分，再找到这个区域的中心点。

比如你要拍脸，目标中心可能在鼻梁附近。相机与这个中心保持同等高度，镜头保持水平并正对它时，这才是这套定义里的平视。

假如现在你要拍的是脚上的鞋子，目标中心就落在脚部。

此时，如果把相机放在地上，它其实就已经贴近地面了。但只要它与脚部中心同高，镜头保持水平正对，拍出来的仍然叫平视。

所以我说，相机放得低，并不能说明你是低机位拍摄，只能说明你的机器离地面很近、很低。

把前面这个判断放到 AI 生图里，对我们写提示词就很重要。

你看，如果现在你想拍鞋的产品细节，写的是“低机位拍摄”，AI 很有可能会给你一张从地面仰看整个人的画面：鞋和腿被夸张地放大，脸部也因为仰拍产生了一些局部拉伸感。

所以更清楚的写法应该是：

以鞋和脚部为画面主体，相机与脚部中心同高，镜头水平正对鞋面，不向上仰拍人物；取景从小腿中部到地面。

这张已经把取景收到了鞋和脚部；但还能看到较多鞋面，它主要说明取景目标变了，不能仅凭这张图就认定镜头严格保持水平。

所以我们写的不是一个很含糊的摄影标签，而是在告诉 AI：看哪里、相机在哪里、镜头朝哪里、画面收到哪里。

同样距离两米，拍出来也可能完全不同

还有一点我觉得也很重要：我们在写提示词的时候，有时会陷入一种误区，就是只写相机离人物多远。我不知道大家有没有经历过这种情况。

“相机距离人物 2 米”，听起来很具体，但它还不够。

在真实摄影的时候，我们在同一个位置换用不同焦距，比如 30mm、50mm、80mm，画面能收进来的范围不同，人物在画面里的大小也会改变。所以换句话说，距离要和焦距、最终的景别一起看。

对 AI 生图来说，镜头数字不能单独使用。

很多模型不会像真实摄影机那样精确执行每一个焦段。你写了“85mm”，它可能给你一点中长焦人像的感觉，但不代表摄影机位置、透视和画面范围都会严格按照真实镜头计算。

所以，比起只扔一个数字，我更建议把你真正想看到的结果写出来。

比如：

相机距人物约3米，使用广角视角，人物全身完整可见，人物在画面中占比较小，保留大量环境，不拉长四肢。

或者：

相机距人物约1.8米，中长焦人像视角，胸部以上近景，脸部是画面主体，背景范围较小，避免广角贴脸变形。

这两张主要看全身与紧凑人像的取景差别。人物姿势也有变化，因此不能把所有差异都归到焦距上。

同一位置换焦距，取景范围会变；但别顺手把它写成“透视只由焦距决定”。相机位置和拍摄距离，同样会影响我们看到的人脸、身体与背景关系。

当然，上面的提示词也可以先简化成“中长焦人像视角，胸部以上近景，脸部是画面主体，背景范围较小”。这段已经交代了想要的取景效果，可以先用它尝试，再看是否需要补距离。

因为后面的描述已经把人脸占比和背景范围说清楚了，单张图里就不一定非要加一个米数。但这不代表两种写法的结果完全一样，也不代表近景就等于距离 1.8 米。以后玩 AI 视频，需要交代相机从哪里推进、后撤到哪里时，距离和空间关系仍然很重要。

远、全、中、近、特，决定观众先看什么

只要我们玩摄影玩图，那我们总能听到这几个景别：远全中近特嘛。

这些词不是用来给提示词增加摄影感的装饰。它们真正控制的是：观众第一眼会看什么。

这组图可以先看人物占比怎样逐步变大：前两格都能看到全身，后面逐渐收到上半身和脸部。最右两格已经接近面部特写，不能把五格机械地当作五种景别的标准裁切。

远景里，人物虽然可以完整出现，但环境占比很大。它适合告诉观众“这个人在哪里”，或者让人物成为巨大环境中的一部分。

全景同样能看到完整身体，但人物占比更大。它更适合看身材、站姿、肢体动作和完整造型。

中景会再靠近一点，通常还能看到一部分身体动作，同时让人物产生更明显的交流感。

近景把注意力收到脸和上半身，适合看人物状态、造型和表情。

特写则进一步强调眼神、嘴角、皮肤、饰品或其他局部细节。

具体裁到膝盖、胸口还是肩膀，不同摄影和影视体系会有不同习惯。对 AI 绘图来说，与其死记一条裁切线，不如先问自己：

这一张，我到底想让观众看环境、看完整动作、看人物交流，还是看脸部情绪？

假如你想展示一套服装，却只写“人物特写”，模型当然可能把腿和鞋裁掉。

假如你想看一个人忍住眼泪的细微表情，却又要求“辽阔城市远景、展示完整环境”，最后人物可能只剩画面里的一小块。眼神写得再细，也很难被观众看到。

所以景别不是最后补上的词，它应该从画面目标里长出来。

机位选择——平视不是万能答案

很多大师的作品往往都是用平视的角度，拍摄出最震撼人心的画面。但往往我们去用平视拍摄的时候，拍出来的就好像街边的游客照。

平视最大的作用，不是让人像自动变得高级，而是尽量不额外夸张人脸的上下比例，让我们看到的五官更接近平常正面看一个人的感觉。但平视也不能消除近距离拍摄带来的透视夸张。

所以，如果你画的是证件照、职业形象照，或者想要一张自然、直接、五官比例相对稳定的人像，平视通常会是一个很稳妥的起点。

但是在提示词里，只写“平视”还是不够。因为 AI 可能只是把人物的眼睛画成看向前方，却没有真的把相机放到脸部中心的位置。

我们可以写得更具体一点：

相机与人物脸部中心同高，镜头水平正对鼻梁中部，不俯拍、不仰拍；胸部以上近景，保持自然的正面五官比例，避免广角贴脸变形。

这样，“平视”就不再只是一个形容词，而是有了相机高度、镜头朝向和最终景别。

当然，平视也不是所有人像的标准答案。

如果你想让人物显得更高大、更有压迫感，可以尝试把相机放到脸部中心以下，再向上仰拍。如果想让脸部下半部分在视觉上更收，或者需要一个明确的俯视关系，也可以把相机抬高以后向下拍。

没有哪个机位一定更好看。我们只需要判断：这张图是要如实、直接地看见这个人，还是需要一种更明显的造型关系？

脸部是否自然，还会受到焦距、拍摄距离、人物朝向、姿势和画面边缘变形影响。所以不要看到“平视更自然”，就在每一条人像提示词里都强行加上平视。

眼神写得很细，情绪为什么还是出不来

我们在写人物情绪的时候，经常会把大量文字放在眼神和表情上。

比如“克制的伤感”“眼眶微湿”“嘴角放松”。这些细节已经写得很具体了，最后生成出来的画面却还是没什么情绪。

这个时候，问题不一定出在表情词上，而可能是人物在画面里太小了。这里很重要！！！

人物明明看着镜头，但画面同时又要求全身、远景、复杂街道、霓虹招牌、路人和很多环境细节。观众第一眼都在看穿搭、场景和那些高饱和的东西，脸上的微表情自然就很难被看到。

如果你想让观众直接读到人物脸上的情绪，可以优先这样控制：

• 人物用正面或者接近正面的方位。
• 相机与脸部中心同高，或者保持接近平视的观看关系。
• 景别收到近景或特写，让眼神和嘴角能够被看清楚。
• 把背景里的高饱和颜色、杂乱物体和无关道具压下去。

反过来，如果你想表达的是“一个人被巨大环境吞没”的孤独，那就可以故意把人物放小，用远景来表现人与空间的关系。

所以我们在写情绪之前，要先决定：这份情绪是要从脸上被看见，还是从人物和环境的关系里被看见？

决定了这个问题以后，再去选景别和机位，画面就不会一边要求观众看脸，一边又拿一大堆环境信息把脸淹没。

把机位写成一条可以检查的提示词

所以我们在写 AI 人像方面的提示词的时候，先把机位按下面这几个问题检查一遍：

画面目标：观众第一眼应该看什么？
人物方位：正面、三分之二侧面、纯侧面，还是背面？
目标锚点：脸部、胸部、脚部、手部，还是某个道具？
相机高度：与锚点同高、高于锚点，还是低于锚点？
镜头朝向：水平正对、向下俯拍，还是向上仰拍？
景别：远景、全景、中景、近景，还是特写？
注意力限制：哪些背景、穿搭和道具不能抢戏？

把它压成一条提示词，可以写成：

我要让观众先看【目标】。人物为【方位】，拍摄锚点是【部位】；相机【与锚点同高／高于／低于】，镜头【水平正对／向下俯拍／向上仰拍】；采用【景别】，控制【背景和道具】不抢走注意力。

例如，要画一张突出克制伤感的脸部人像，可以写：

我要让观众先看到人物克制的伤感。成年女性正面看向镜头，拍摄锚点为脸部中心；相机与脸部中心同高，镜头水平正对，采用胸部以上近景。眼眶微湿，嘴角放松，不大哭；背景为连续、低对比的深绿色灌木，不出现高饱和标牌、路人和杂乱道具，不让背景抢走脸部注意力。

这套结构不是让每一条提示词都变得更长。

它只是帮我们把原来混在“换个角度”里的东西分开。哪一项没有说清，就补哪一项；哪一项不是画面重点，就不用为了显得专业硬塞进去。

所以如果人像出来以后，我们感觉不太对劲，先别急着换模型，也别乱加一些摄影词。

先看看问题到底出在高度、方位、镜头朝向，还是景别。把真正出错的那个变量改掉，通常比再加一句“高级电影感”更有用。