Gemini 发布 25 条专业人像与产品修图提示词，重塑 AI 图像编辑工作流
在内容营销与品牌视觉生产中，同一张底图往往需要适配 LinkedIn 个人主页、电商白底图、社交媒体生活方式图及内部通讯录等多种场景。传统的修图流程不仅耗时，且难以在保持创意方向一致的前提下快速生成大量变体。
针对这一痛点，Luma Labs 官方团队近日发布了《Gemini Photo Editing Prompts: 25 Retouching Examples》，这是一份深度整合了 25 个实战提示词（Prompts）的指南。该文档不仅提供了具体的指令模板，更核心地阐述了如何构建结构化提示词，以确保 AI 模型（Gemini）在处理图像时能够精准执行指令，避免常见的过度编辑或特征失真。
核心突破：结构化提示词公式
Gemini 的图像编辑能力已从简单的“生成式”转向了精细的“指令式”处理。官方指出，有效的提示词必须包含四个关键要素，缺一不可：
- 主体识别 (Subject Identification)：明确模型需要关注的图像区域。
- 动作指定 (Action Specification)：描述具体的修改操作。
- 保留规则 (Preservation Rules)：这是最关键的部分，明确哪些特征（如面部轮廓、皮肤纹理）必须保持不变。
- 风格参数 (Style Parameters)：设定视觉质量标准，如光影方向、镜头焦段等。
实战亮点：五大类修图策略
指南详细拆解了五类高频场景的 Prompt 编写逻辑，旨在平衡“改进”与“真实性”：
1. 人像精修：纹理保留是关键
在自然皮肤修饰中，过度平滑（Over-smoothing）是最大陷阱。官方推荐的 Prompt 结构强调：平滑微小纹理，同时保留毛孔、自然高光及五官细节。
- 示例 Prompt："Perform natural skin retouching on the subject, smoothing only minor texture while keeping pores and natural highlights visible. Remove tiny blemishes without touching face shape or altering skin color."
- 价值：通过显式指令保留毛孔，避免了 AI 生成的“塑料感”，确保人像依然具有真实质感。
2. 光影增强：具体词汇决定结果
针对人像灯光优化，指南建议避免模糊的形容词，转而使用具体的摄影术语。例如指定"相机左侧的柔光箱 (soft studio light from camera left)"，并明确调整阴影与中间调的对比度。
- 价值：将主观的“变亮”转化为可量化的光影参数，确保多张图片间的光影风格高度一致。
3. 瑕疵修复：尺寸限制防误伤
在去除痘印、杂毛或传感器灰尘时，引入尺寸阈值（如"最终裁剪区域下 5mm 以内"）至关重要。这防止了模型将正常的皮肤纹理误判为瑕疵进行大面积修复。
4. 美妆增强：百分比量化控制
对于眼妆、唇妆的加深，官方提倡使用百分比增量（如"加深眼影，眼线边缘 sharpening，唇色增加约 10%"）。这种量化方式让创意总监能够进行系统性的迭代调整，而非盲目猜测。
5. 产品与复古修复
针对产品摄影，Prompt 需包含明确的背景移除与特定光照指令；针对复古修复，则需区分色彩校正与结构修复两个独立指令，避免 AI 在修复划痕时意外改变物体原貌。
对开发者的实际价值
对于依赖 AI 工具进行批量内容生产的团队，这份指南的价值在于将创意决策与执行执行分离。它证明了 AI 不再是不可控的黑盒，而是可以通过结构化指令进行精确调优的生产力工具。随着品牌对视觉变体需求从 20 张激增至 200 张，掌握这种“智能编辑”能力已成为提升交付效率的核心技能。
"AI 图像编辑已超越新奇阶段，成为日常生产工作的一部分。" —— Luma Labs 官方团队
通过遵循上述结构化原则，开发者与设计师可以利用 Gemini 快速处理重复性修图任务，将精力集中在更具战略意义的创意方向上。
