如何使用 ChatGPT 创建惊艳的水下场景提示词 - 终极指南

从一个简洁的提示开始：用60–90个字描述场景、氛围、深度和照明来指导模型。使用提示作为锚点，并参考提示的变体。将目标框定为水下叙事，而不是单纯的技术。將输出与可视化目标联系起来，确保漫射光，并添加浑浊的触感以反映真实的水下条件。包括对海洋学和水下背景的引用，以将场景根植于科学和实践。

在实践中，构建一个数据驱动的提示系统：将每个场景与一组属性配对，如深度、视界距离和主体。生成数百个变体，将它们作为数据存储在提示的目录中，并用颜色、清晰度和运动等属性标记。使用大量样本池来覆盖边缘情况，包括气泡的河流和古老的沉船。测试方形和其他宽高比，以观察构图如何随框架变化。

为了构建提示，采用模块化模板：“场景：水下峡谷；主体：古老珊瑚和鱼群；照明：漫射阳光透过水过滤；颜色：蓝绿色调；纹理：沙底，海藻脊；氛围：宁静却好奇。”这种方法保持输出连贯，并让可视化和叙事流程与海洋学的科学以及实际水下背景一致。

使用分析升级您的工作流程：通过颜色方差、边缘对比和浑浊度水平（浑浊度）比较结果。使用简单评分表跟踪结果，并将神经网络输出连接到内容存储库以重复使用。维护一个大量的提示集和目录的成功特征；重复使用它们以加速未来的工作并构建一个强大的库。

定义水下场景：语气、深度和主体

从一个具体的推荐开始：在您的提示中锁定语气、深度和主体，并用一行生动描述它们。在中深度（大约12–20米）使用漫射光以最小化浑浊度，同时保留照片上的纹理。选择一个中心主体–古老沉船、珊瑚花园或其他焦点–并保持其余简单，以便容易辨认细节。包括地理提示，如孟加拉国附近的海岸线或更广泛的全球礁石背景，以为主角提供规模，并让鲜艳的颜色和克制的对比指导调色板。添加照明提示：可以使用人工照明，尤其当自然光较弱时。这种方法将观众带到波浪下的世界，使场景连贯，对于世界级影响是必要的，地理驱动背景并帮助围绕场景的人们理解规模。

语气和氛围

通过指定色温和对比设置氛围：冷静的蓝色用于平静场景，更暖的色调用于充满希望的时刻。使用方向指示，如来自上方或侧面的光来塑造形式，同时留下足够的漫射辉光来揭示纹理。当需要平衡时，要求微妙的阴影增强深度而不产生浑浊中的刺眼光环。如果您愿意，可以暗示人工照明作为补充，并保持整体调色板克制但富有表现力；这为整个场景设定基调。

深度、视角和主体

明确定义深度：8–15米用于礁石苗圃，15–25米用于沉船，或25–40米用于戏剧性轮廓。选择强调规模的视角：围绕主体显示周围环境，或稍低以显示威严。指定一个主要主体并添加次要元素以提供背景而不杂乱。如果照片中出现人，表示他们相对于环境的尺寸，以便尺寸变得明显。使用背光或漫射照明将主体与朦胧和浑浊分离，确保照片即使在低能见度下也清晰可读。这种方法符合全球最佳实践，无论您与专家团队合作还是独自制作提示。

指定颜色调色板、照明提示和水清晰度

选择三元调色板：深海军蓝(#0a2340)、蓝绿色(#0fb2a5)和暖沙色(#e8c89a)。这种组合在蓝主导光线下保留礁石纹理和海床特征的对比。实施三层照明方案：45度主光5200K，20–30度填充光4200K，以及60–75度背光5800K以塑造边缘。目标水清晰度约为5–8米，浑浊度低于2 NTU以保持饱和度；用浅蓝色面纱描述微妙雾气以避免平淡。在提示中，明确指定调色板十六进制代码、照明角度和温度，以及水指标，以确保可重复结果。

区域感知提示反映地理。在美国东海岸城市和约克周围，水通常更亮，因此强调蓝绿色和沙色以突出前景细节。在印度河和亚速海海岸线，包括更冷的色调和更多雾气；在新加坡和中国，加深蓝色调并推动更强的背光以穿透浑浊度。使用城市地理数据和拉丁地名提示，您可以将提示锚定到特定地点。神经网络和神经网络有助于模拟基于深度的颜色变化，这种方法对于世界各地几个区域的一致输出有效。您想要氛围准确到什么程度很重要，但您可以使用区域标签和颜色偏差来调整。

提示蓝图示例。提示A：调色板：#0a2340, #0fb2a5, #e8c89a；照明：主光45度5200K；填充25度4200K；背光70度5800K；水：能见度6m, NTU 0.8；区域：美国东部；城市地理：纽约，约克港；拉丁：urbs。提示B：调色板：#0a2340, #0fb2a5, #e8c89a, #a8ff5a (强调)；照明：主光45度5200K；填充30度4000K；背光70度5800K；水：能见度7m, NTU 1.1；区域：新加坡；城市地理：滨海湾；拉丁：portus。

实用提示。对于前景细节使用高饱和度，并保持中景颜色稍冷以维持深度感知。对于高清晰度水，推动更亮的沙色和更亮的亮点；对于浑浊水，增加背光并使用更强的蓝绿色强调以保留对比。提供提及颜色和深度提示的提示，并注意地理和城市规模（城市、大型城市海岸线）如何影响颜色色调。有些迭代可能揭示全球提示需要根据场景位于美国、东亚或欧洲影响的拉丁海岸而进行适度调整。通过仔细调整，您将实现世界各地感觉真实的生动水下场景。

创建带有变量的可重用提示模板

创建一个可重用的提示模板，带有场景、主体、位置、照明、风格、color_palette、camera_angle、depth_of_field、mood、post_processing、model、data_source和提示的槽位。这保持过程一致，并让您更有效地比较尝试中的输出。

定义默认值和预设，以便您能在几秒钟内启动新的水下提示。包括选项，如真实、电影、水彩或霓虹高对比，并保持基础值的小型库。在您设置这些时，跟踪每个变体的统计数据并捕获最成功的组合以指导未来的提示。使用默认值镜像可审查兴趣（兴趣）受众和您自己的目标，然后根据结果更积极或更消极地调整。示例类别：水族馆氛围、珊瑚礁和带有水下照明的 underwater scenes（场景）。保持结构一致，这节省时间并改善文章工作流程的数据质量。

您可以重用的基础模板（文本形式，无代码）：提示：“一个[scene]，以[subject]为主角，在[location]中，照明[lighting]，氛围[mood]，颜色[color_palette]，camera_angle [camera_angle]，depth_of_field [depth_of_field]，风格[style]，model [model]，post_processing [post_processing]，data_source [data_source]，提示=[prompt_id]。”填写示例值进行测试：scene="golden underwater megacity scen"，subject="angel fish"，location="aquarium exhibit"，lighting="soft dawn"，mood="wonder"，colors="blue-green with amber highlights"，camera_angle="eye-level"，depth_of_field="shallow"，style="photo-realistic"，model="OceanRender-3"，post_processing="color graded"，data_source="local_dataset"，提示="PROMO-001"。

为了多样化输出，混合地理和栖息地：包括窗口提示，如巴基斯坦或孟加拉国的河流，或沿海海氛围，以探索颜色和纹理如何在不同背景中变化。对于更分层的提示，添加[scene]变体，如“淹没的巨型城市街道”或“古老礁石”，并将它们与水下摄影传统的内部联系起来（例如）以鼓励不同的摄影风格。目标是一个灵活的模板，同时从模型中产生连贯、高质量的图像和照片。

指导ChatGPT关于相机角度和构图

指导ChatGPT为每个水下场景提供三个提示变体，每个带有camera_angle (eye_level, low_angle, high_angle)、lens_focal (24mm, 50mm, 16-35mm)、subject_position (center, off_center, rule_of_thirds)、movement (Track, Pan, Drift)和照明提示（自然光束、背散射、环境辉光）。要求简洁的理由说明为什么该角度有效，加上一些关键词标签：照片、水下、使用、传输、目录、分散、城市、丹尼斯、体积、城郊、照明、ghsl、最、区域、世界、围绕、区域、提示、研究所、been、约克、创建、说、描绘、通过。这保持提示精确、可重复，并易于跨场景比较。

指导模型的相机角度

Eye_level 为与潜水员或礁石附近海洋生物的密切互动提供沉浸式参与；Low_angle 通过向上看结构或高耸的海带森林强调规模；High_angle 在场景包括广阔沉船或城市般的珊瑚形成围绕支柱时揭示空间关系。包括荷兰倾斜或斜角用于通过水流或漂移沉积物的运动，并将宏观镜头与16-35mm或24mm配对以捕捉贝壳和珊瑚上的纹理。在构图时，要求off_center放置并使用浅景深以突出前景细节和更广阔的背景显示背景，使用照明雕刻深度和纹理。

构图规则和提示

应用清晰的三分法规则将主体定位在对比背景上–阳光穿透气泡柱或轮廓剪影对抗浅沙柱。框架由栏杆、电缆或珊瑚拱形成的引导线以引导观众的目光通过场景，并平衡分散颗粒和反射以传达体积。在提示中，指定通过线，如传输提示（潜水员鳍的漂移、漂移灯笼、经过的鱼群），并包括照明笔记（锐利背光、标本侧辉光、漫射顶光）以增强纹理。描绘城市相邻区域、城郊边缘或城市规模栖息地受益于区域标签和数据提示，如受目录启发的密度、ghsl信息照明和区域背景，以创建连贯、可信的水下世界。使用提供的标记将场景锚定为由相关研究所提示拍摄的，确保场景在不同区域和指定区域周围感觉根植和可重复。

融入海洋生物行为和栖息地细节

从选择两种海洋物种开始提示，并将每种行为锚定到栖息地特征；这保持指令精确和互动。将行为映射到栖息地类型，如珊瑚礁、海草床、红树林、河流、河口和城市海岸线，与可见提示链接。包括区域，如美国、孟加拉国和印度河流域，以反映多样国家背景。使用统计数据证明栖息地选择，并呈现一个简单、可重复的方案将生态数据转化为视觉。参考全球模式，并举例说明漫射光、水流和底物如何塑造行为。提供链接和图像以支持准确性，并包括水下场景的照片，放大微栖息地。

• 定义栖息地键：深度2–40 m，底物类型（沙、岩、海草），水清晰度（漫射光）和水流速度；将每个与相应行为提示对齐（领地展示、群游、喂食漂移）。
• 将物种链接到行为：注意礁鱼如何为领地展示攻击性，远洋物种如何协调移动群游，以及岸栖物种如何响应潮汐涌入；用美国和孟加拉国等区域的示例说明。
• 整合数据背景：参考ghsl陆地和城市界面以在海岸线附近设置场景；引用栖息地分布统计数据，并使用简洁方案将其转化为视觉。
• 支持准确性：附加可信来源的链接，并包括图像和照片（照片）提示用于不同缩放水平的水下视觉以揭示微栖息地。

在制作提示时考虑这些实用笔记：保持主动语态，避免通用短语，并将焦点保持在具体、可观察的细节上，观众可以在照片或地图中验证。为了丰富真实性，描述光扩散、颜色变化以及物种与底物之间的空间关系，尤其在具有多样环境压力的世界区域。使用参考最大河口系统或海岸方案的示例添加规模，同时确保提示根植于真实栖息地和可观察行为。

行为和栖息地的提示模板

1. 描述一个场景，其中[Species]在[Habitat]中执行[Behavior]，注意深度、光（漫射）和水流；包括2–3个视觉提示（例如，海带摇曳、气泡轨迹）并指定缩放水平以揭示精细纹理。
2. 通过提及区域（例如，美国、孟加拉国）和相关栖息地类型（礁石边缘、河口）添加区域背景，然后附加栖息地使用统计数据和链接来源以支持准确性。
3. 融入视觉媒体：请求图像和海底照片显示1x和2x缩放的场景，带有反映栖息地照明和浑浊度的颜色调色板。
4. 创建多物种互动：将两种物种置于链接栖息地（例如，河口过渡到沿海区）；突出行为和环境提示的对比，并参考全球模式或适应示例。

添加真实细节：颗粒、水流和声音提示

从清晰规模开始，然后分层颗粒、水流和声音提示以快速根植场景。

使用类似目录的统计数据设置密度。神经网络（神经网络）可以将来自海洋的生命数据转化为真实颗粒计数和光散射。参考全国模式塑造氛围：城郊海湾不同于最大的近海区，影响颜色、深度和场景繁荣。这种方法帮助您拥有具体目标而不是模糊氛围，结果读作使用、可信细节而不是通用氛围。

为了保持提示实用，设置三个您将重用的旋钮：particleDensity、currentSpeed和soundProfile。统计数据驱动亮度和焦斑；它们的值用于校准外观。对于某些镜头，显示平静的水族馆式口袋；对于其他，动态下水流伴随旋转沉积物。它们的分布镜像真实栖息地跨水下生命和城市附近居民，为数千观众带来声音和视觉生命。

颗粒：视觉提示和密度

将颗粒描述为微纹理：浮游生物以凉爽蓝绿色辉光，淤泥闪烁棕褐色，气泡以小爆发向上漂移。在表面附近，您会看到轻微粉尘；中水揭示数千个小斑点；在深处，仅剩微弱光晕，通过焦斑创建体积。包括水下提示，如光束穿透水和颜色微妙变化，像在水族馆拍摄的照片捕捉生命和宁静。Krivoguz式阴影可以漂移过海床，暗示隐藏生命而不破坏幻觉。使用来自水下图像的真实参考锚定纹理，并洒上一些光对比以传达深度。

水流和声音：运动和氛围

指定方向和速度范围以指导颗粒轨迹和照明：0.1–0.6 m/s，间歇涡流约0.3 m/s。在边界如通风口或礁石边缘包括湍流提示以创建自然运动。将视觉与声音提示配对：礁石嗡嗡声在40–120 Hz频带，软气泡爆裂在不规则间隔，附近交通的远处船体隆隆声，以及偶尔爆裂虾咔嗒声。根据深度和浑浊度匹配强度，以便观众感到沉浸而不是远观；声音应强化场景的生命，包括沿海城市居民通过表面噪音听到这个水下世界。此类提示将图像连接到真实海洋及其社区，增强真实感。

元素	提示技巧	示例范围 / 值
颗粒	描述密度、颜色、大小和漂移。包括绽放的斑块和雾气的细尘；参考水下生命和水族馆照明场景。	表面雾气：20–200 p/m^3；中水绽放：1,000–5,000 p/m^3；深度光晕：100–500 p/m^3
水流	说明方向、速度和湍流；与光焦斑和颗粒轨迹对齐。	方向：N/E；速度：0.1–0.6 m/s；涡流：~0.3 m/s
声音提示	使用分层调色板：礁石嗡嗡声、气泡、远处引擎、野生动物咔嗒；时间提示匹配视觉。	礁石嗡嗡声：40–120 Hz；气泡爆裂：不规则；远处船：低隆隆声
视觉参考	链接到水下图像和来自水族馆场景的照片提示；注意照明和颜色平衡。	蓝绿色调色板，焦斑强度0.6–0.9；阴影深度类似于日光礁石

测试、迭代并使用可靠资源构建提示库

构建一个50个提示的核心库，并在五个10个批次中针对代表性水下数据集测试它们。使用链接索引跟踪测试结果和决策；这使改进可重复并在需要时回滚。这种方法加速学习并随时间扩展到数千提示。

结构化测试工作流程

1. 定义目标和指标：质量、相关性、多样性和安全性。为最重要的案例设置高标准，并在提示表现不佳时允许快速回滚。
2. 创建基线提示：覆盖三个主题–可视化、环境和行动–确保角度、照明和深度的最大多样性。包括岩石、珊瑚和海洋鱼群以测试一致性。
3. 使用单一模型版本运行提示；尽可能使用固定种子；捕获输出作为result_x，带有字段：提示、输出、分数和时间。将结果存储在链接、可搜索索引中以便轻松回溯。
4. 使用评分表测量结果：优先考虑清晰度、真实性和构图平衡。跟踪能量和计算时间以比较批次效率。包括至少两名团队成员的反馈以平衡主观性。
5. 迭代：精炼提示、创建变体提示，并按主题或难度标记。标记Krivoguz式边缘情况以理解失败模式并改善鲁棒性。
6. 扩展库：每月添加20个提示，在核心任务上重新运行，并修剪持续表现不佳的提示。维护时间戳历史以观察进展和趋势变化。

可靠资源和数据实践

• 数据来源：依赖最大的许可图像库和水族馆档案构建参考集。数千高质量图像支持开发和可视化努力，帮助您将输出与真实世界参考比较。
• 区域覆盖：包括基于亚洲的背景，如新加坡、孟加拉国和巴基斯坦，以测试描述城市水族馆、沿海场景和礁石环境的提示中的文化和风格提示。
• 数据标记：为每个提示结果附加元数据–主题、角度、深度、照明和使用的设备（视频相机）–以启用精确分析和可重复性。在俄语上做笔记：数据、分析、说（说）这些参数将帮助规范比较。
• 质量控制：保持输入和结果的链接日志，以便编辑可以验证模型使用可靠数据和一致评估开发。
• 模型和开发对齐：使用水下场景的标准模型类，并在基线中测试变化。包括来自水族馆内部和开水时刻的模拟场景以压力测试提示。
• 可视化：实施简单可视化面板以并排比较输出，突出高影响提示并识别能量使用峰值（时间）而无回报的位置，以便优化计算。
• 来源透明度：记录每个资产和提示模板的来源，包括许可和权限，以确保库的长期可靠性。