人工智能工具的迅速普及開啟了引人入勝的創意途徑，尤其是在視覺藝術生成領域。能夠將文字描述轉化為複雜圖像的平台已經抓住了公眾的想像力。然而，如同任何新興技術一樣，用戶常常遇到障礙。有時，生成的圖像未能達到預想的概念，受到模糊性或 AI 意外詮釋的困擾。此外，熱門服務可能面臨壓倒性的需求，導致對用戶的限制。這種情況需要一定程度的獨創性，通常涉及策略性地結合不同 AI 的能力，以達到真正引人注目的結果。其中一種特別受追捧的美學風格是備受尊崇的日本動畫公司 Studio Ghibli 的標誌性風格。要實現這種外觀需要細微差別和精確性，這為利用多個 AI 系統的優勢提供了一個完美的測試案例——具體來說，就是使用像 ChatGPT 這樣複雜的語言模型來指導像 xAI 的 Grok 這樣的圖像生成器。
探索 AI 圖像生成的前沿
當前 AI 圖像生成的生態系統是多樣化且充滿活力的。整合到像 ChatGPT 這樣平台中的工具已經展示出非凡的能力，允許用戶透過對話式提示來創造視覺效果。然而，這些模型的可及性和強大功能導致了巨大的普及性。因此，供應商通常會實施使用限制，特別是對於免費層級，以管理伺服器負載。例如，用戶可能會發現在特定平台上，他們在特定時間範圍內只能生成少量圖像，這可能會扼殺實驗和迭代改進。
另一方面，像由 xAI 開發的 Grok 這樣的替代平台，則帶著其獨特的特性進入了這個領域。雖然 Grok 最初在圖像生成方面的知名度可能不如像 DALL-E（通常與 ChatGPT 相關聯）這樣的模型，但 Grok 提供了不同的互動可能性。有報告指出，它處理較長或更複雜輸入的方式可能不同，儘管用戶也注意到，與更成熟的專注於圖像的模型相比，其輸出的準確性或對複雜細節的遵循程度存在差異。這不一定是缺點，但突顯了一個關鍵點：不同的 AI 模型擁有各自的優勢、劣勢和操作上的細微差別。一個可能擅長照片級真實感，另一個可能擅長抽象概念，還有一個可能以獨特的方式詮釋風格提示。關鍵的啟示是，僅僅依賴單一工具可能並不總是能產生最佳結果，尤其是在追求高度特定或風格化的視覺效果時。因此，挑戰變成了如何理解這些差異，並可能協調這些工具以協同工作。
提示工程不可或缺的藝術
成功 AI 圖像生成的核心在於提示 (prompt)：給予 AI 的文字指令。雖然現代大型語言模型 (LLMs) 和相關的圖像生成器被設計來理解自然語言，但輸出的品質在很大程度上取決於輸入的品質。模糊或不完整的提示等於邀請 AI 填補空白，這可能導致結果與用戶的意圖大相徑庭——有時被稱為 AI 的「幻覺」，即模型虛構或誤解元素。
製作一個有效的提示，類似於為所需的圖像提供詳細的藍圖。它要求超越簡單的描述，涵蓋構成最終視覺效果的多種因素。考慮以下基本組成部分：
- 情境 (Context)： 場景發生在何時何地？是繁華的未來城市、寧靜的古老森林，還是舒適的十九世紀廚房？確立背景提供了基礎層次。
- 主體 (Subject)： 圖像的主要焦點是什麼？是角色（人類、動物、神話生物）、物體，還是特定事件？清晰地定義主體至關重要。描述其外觀、動作和表情。
- 背景與環境 (Background and Environment)： 主體周圍有什麼？關於景觀、建築、天氣和次要物體的細節豐富了場景並增加了深度。此處的具體性可防止出現通用或不合時宜的背景。
- 主題與氛圍 (Theme and Mood)： 圖像應傳達的整體感覺或訊息是什麼？是意在表達歡樂、憂鬱、神秘、冒險還是平靜？描述氛圍的詞語（例如，「陽光普照」、「薄霧瀰漫」、「怪誕」、「異想天開」）引導 AI 的風格選擇。
- 調色板 (Color Palette)： 指定所需的顏色或色彩關係（例如，「溫暖的秋季色調」、「冷藍色和銀色」、「柔和色調」、「單色」）顯著影響圖像的氛圍和美感。
- 藝術風格 (Art Style)： 這對於模仿特定美學至關重要。明確命名一種風格（例如，「印象派繪畫」、「賽博龐克藝術」、「Studio Ghibli 動畫風格」、「裝飾藝術海報」）為 AI 提供了強有力的指令。進一步的描述詞如「手繪感」、「賽璐珞風格」或「照片級真實感」則細化了這一指令。
- 構圖與取景 (Composition and Framing)： 雖然僅用文字難以精確控制，但建議相機角度（「低角度拍攝」、「寬景觀視圖」、「特寫肖像」）或構圖元素（「主體居中」、「三分法」）可以影響最終佈局。
避免模糊性是指導原則。與其說「一個在森林裡的女孩」，一個更有效的提示可能是：「一個穿著鮮紅色靴子和黃色雨衣的小女孩，站在陽光斑駁、長滿苔蘚和蕨類的古老森林小徑上，好奇地看著一個發光的蘑菇；Studio Ghibli 動畫風格，柔和的晨光，寧靜的氛圍，柔和的調色板。」每一個細節都減少了 AI 猜測的需要，並增加了實現期望視覺的可能性。這種細緻的方法將提示從僅僅的建議轉變為強大的指令。
協同策略：利用 ChatGPT 為 Grok 製作提示
認識到單個 AI 工具的局限性以及詳細提示的關鍵重要性，引導出一種創新的方法：利用一個 AI 的語言能力來為另一個專門從事圖像生成的 AI 製作指令。這就是結合 ChatGPT 和 Grok 成為一種強大策略的地方。
ChatGPT 主要是一個語言模型，擅長理解細微差別、生成創意文本，並根據用戶請求構建信息。雖然其自身的整合圖像生成功能可能有使用上限，但其制定複雜、詳細提示的能力仍然不受限制且非常有效。另一方面，Grok 為圖像創建提供了另一種途徑。通過將「提示架構師」的角色賦予 ChatGPT，用戶可以生成高度具體、結構良好的指令，這些指令旨在從 Grok 引出所需的風格和內容。
這種方法本質上是將 ChatGPT 用作智能介面或翻譯器。用戶向 ChatGPT 提供其核心想法，可能包括特定的風格註釋，如「讓它感覺像 Studio Ghibli」。然後，ChatGPT 會在此基礎上進行擴展，將詳細提示的基本要素——情境、主體、主題、調色板、風格——整合到一個為圖像生成器設計的連貫文本字串中。這個經過預處理、優化的提示隨後被輸入到 Grok 中。其理由令人信服：利用 ChatGPT 的對話和文本生成優勢，來克服直接提示像 Grok 這樣的圖像模型時可能出現的模糊性或解釋挑戰，特別是對於複雜的風格要求。這是一種由人類意圖引導的 AI 協作形式。
Ghibli 風格創作的實用工作流程
使用這種協同方法將對 Ghibli 風格圖像的渴望轉化為現實，涉及一個有條不紊的過程。這不僅僅是將文本填入框中；它需要思考、迭代以及對目標美學的理解。
1. 概念化：在 Ghibli 的世界中夢想
在與任何 AI 互動之前，先沉浸在 Ghibli 的世界中。是什麼在視覺和主題上定義了這種風格？
- 思考主題： 常見的主題包括自然之美（通常是茂盛生長且充滿活力）、童年的奇蹟、隱藏在日常生活中的魔法、飛行、深刻的反戰情緒，以及堅強、能幹的女性主角。考慮將這些元素融入你的場景構想中。
- 視覺化場景： 想像典型的 Ghibli 場景：古雅的歐洲風格小鎮、茂密的森林、充滿細節雜物的舒適室內、奇幻的機器、寧靜的鄉村景觀。想像那種特定的感覺——懷舊、驚奇、平靜、溫柔的憂鬱。
- 考慮細節： Ghibli 電影擅長於微小而有說服力的細節：食物看起來令人難以置信的美味、手繪線條的質感、特定的光線品質（斑駁的陽光、柔和的光暈）、富有表現力但通常簡潔的角色設計。
- 具體化： 不要只想到「一座城堡」。想想「一座異想天開、略顯破舊、由不匹配部件構成、冒著蒸汽的城堡，坐落在連綿起伏的綠色景觀中，上方是明亮的藍天和蓬鬆的白雲」，或許可以從《霍爾的移動城堡》(Howl’s Moving Castle) 中汲取靈感。你的初始概念越詳細越好。
2. 使用 ChatGPT 進行提示架構
現在，利用 ChatGPT 將你的概念轉化為針對 Grok 的優化提示。
- 啟動對話： 首先明確說明你的目標。例如：「我想使用 Grok 生成一張 Studio Ghibli 風格的圖片。我的想法是[描述你在步驟 1 中的詳細概念]。你能幫我為 Grok 寫一個詳細的文本提示，捕捉這個場景和 Ghibli 的美學嗎？」
- 強調關鍵 Ghibli 元素： 明確要求 ChatGPT 包含風格標記。使用類似以下的短語：
- 「確保提示指定一種讓人聯想到 Studio Ghibli 的手繪動畫風格。」
- 「融入關於柔和、粉彩色調的細節，包含茂盛的綠色和天空藍。」
- 「提及斑駁的陽光或溫暖、柔和的光線氛圍。」
- 「將環境描述為細節豐富且略顯雜亂生長。」
- 「捕捉一種奇幻、懷舊與和平的感覺。」
- 與 ChatGPT 迭代： 不要盲目接受 ChatGPT 提供的第一個提示。審查它。它是否捕捉到了所有內容？是否足夠詳細？提供反饋：「這很好，但你能讓角色的描述更具體嗎？」或「你能添加一些關於背景紋理的內容嗎？」在 ChatGPT 內部 完善提示，直到它感覺全面而精確。將 ChatGPT 視為你製作完美指令集的創意夥伴。
示例互動片段：
- 用戶： 「為 Grok 生成一個提示：一個女孩坐在草坡上看雲，Ghibli 風格。」
- ChatGPT (初始)： 「提示：一個小女孩坐在充滿活力的綠色草坡上，抬頭看著明亮藍天中蓬鬆的白雲。Studio Ghibli 動畫風格。」
- 用戶： 「讓它更詳細些。添加關於女孩、環境和 Ghibli 感覺的具體細節。提及柔和的光線，也許還有一些花。」
- ChatGPT (修訂後)： 「提示：一個留著棕色短髮、穿著簡單白色太陽裙的小女孩，平靜地坐在一片點綴著紅色和黃色小野花的連綿起伏的草坡上。她凝視著廣闊淡藍色天空中漂浮的巨大、邊緣柔和的積雲。場景被溫暖、柔和的午後陽光照亮，產生柔和的陰影。模仿 Studio Ghibli 的手繪動畫美學，著重於茂盛的自然紋理、寧靜的氛圍和柔和的調色板。」
3. 通過 Grok 進行圖像生成
帶著你從 ChatGPT 精心製作的提示，導航到 Grok 介面。
- 輸入提示： 小心地複製 ChatGPT 生成的最終提示，並將其粘貼到 Grok 的圖像生成輸入欄位中。
- 生成： 啟動圖像創建過程。給予 Grok 必要的時間來處理詳細的指令並渲染視覺效果。
4. 分析與優化：迭代循環
Grok 生成的第一張圖像可能很完美，也可能需要調整。這就是迭代循環至關重要的地方。
- 評估輸出： 將生成的圖像與你的原始概念以及提示中指定的細節進行比較。Grok 捕捉得好的地方是什麼？哪些方面缺失或被誤解了？它是否準確地體現了 Ghibli 風格、調色板和氛圍？
- 識別差異： 也許光線太刺眼，角色的表情不對，缺少了關鍵元素，或者整體風格感覺有點普通。記下這些具體要點。
- 返回 ChatGPT 進行提示修訂： 回到你與 ChatGPT 的對話。解釋問題：「Grok 生成了圖像，但天空看起來太暗淡和暴風雨，不像我想要的那麼平靜。你能修改提示以強調明亮、晴朗、平靜的天空和柔和、蓬鬆的雲彩嗎？」或者「手繪的 Ghibli 風格不夠強烈。我們能在提示中添加更多描述詞來強調繪畫般的紋理和可見的線條嗎？」
- 生成修訂後的提示： 讓 ChatGPT 根據你的反饋調整提示，針對 Grok 先前輸出的具體不足之處。
- 使用 Grok 重新生成： 在 Grok 中使用新修訂的提示。
- 如有必要則重複： 繼續這個循環——在 Grok 中生成，評估，用 ChatGPT 優化提示，在 Grok 中重新生成——直到結果圖像與你受 Ghibli 啟發的願景緊密一致。這個優化過程是有效利用兩種 AI 工具優勢的關鍵。
解構迷人的 Ghibli 美學
為了有效地引導 AI 生成 Ghibli 風格的圖像，對該工作室藝術標誌的更深入理解是無價的。由傳奇人物 Hayao Miyazaki、Isao Takahata 和製片人 Toshio Suzuki 於 1985 年創立的 Studio Ghibli，憑藉其對傳統動畫技術的堅持和即使在奇幻背景下也極具人情味的敘事，開創了一個獨特的領域。理解其視覺和主題語言是製作有效提示的關鍵。
視覺標誌：
- 手繪的靈魂： 雖然 AI 生成像素，但 Ghibli 的精髓植根於手繪動畫。提示應旨在複製這種質感。要求「可見的筆觸」、「略微不完美的線條」或「繪畫般的紋理」可以引導 AI 走向不那麼呆板、數碼化的外觀。目標是溫暖和有機感，而不是銳利的向量精度。
- 茂盛的環境與自然的擁抱： Ghibli 的世界常常充滿生機勃勃、細節豐富的自然景觀。森林茂密而古老，草地豐美誘人，天空廣闊而富有表現力。背景本身就是角色，充滿了值得仔細觀察的細節。提示應強調「雜亂生長的植被」、「豐富的自然紋理」、「細節豐富的背景」以及所需的特定景觀類型。
- 光線與氛圍的掌控： Ghibli 電影中的光線通常是柔和、自然且富有感染力的。想想透過樹葉灑下的陽光（《龍貓》My Neighbor Totoro）、燈籠的溫暖光暈（《神隱少女》Spirited Away）、朦朧的夏日午後或薄霧瀰漫的清晨。光線設定了情緒，無論是平靜、神秘還是歡快。在提示中使用描述性詞語，如「斑駁的陽光」、「柔和的環境光」、「朦朧的晨霧」、「黃金時刻的光線」。
- 獨特的調色板： Ghibli 經常使用感覺自然和諧的調色板，常偏向於豐富的綠色、泥土棕色、天空藍和柔和的粉彩色調。顏色通常飽和但很少刺眼或呈霓虹色。指定「柔和、自然的調色板」、「Ghibli 風格的色彩」或提及電影中看到的特定色調可以引導 AI。
- 角色設計哲學： Ghibli 的角色雖然視覺上各不相同，但通常共享一種設計哲學，即通過簡單的特徵和肢體語言來強調表現力，而不是超逼真的細節。面部通常清晰易讀。提示可以指定「簡潔、富有表現力的角色設計」或側重於角色的姿勢和暗示的情感。
- 平凡與魔法的融合： Ghibli 擅長將奇幻元素融入可信的、通常是平凡的環境中。魔法感覺自然，是世界結構的一部分。這通常涉及對魔法物品、生物或地點的複雜設計，與熟悉、舒適的環境形成對比。捕捉這種融合可能需要描述「鄉村環境中的奇幻機械」或「出現在日常廚房中的魔法生物」的提示。
主題共鳴：
除了視覺效果，Ghibli 電影還探討了反覆出現的主題：對自然的深切尊重和環保主義、和平主義的複雜性、童年和青春期的奇蹟與焦慮、社區和辛勤工作的重要性，以及對堅強、獨立女性角色的刻畫。雖然主題很難直接為視覺效果提示，但將它們牢記在心可以影響主題選擇和情緒。例如，旨在表達環保主題的提示可能會側重於原始自然與工業侵蝕的對比。
通過理解這些錯綜複雜的層次——視覺技巧、色彩語言、氛圍光線和潛在主題——人們可以製作出更有效的提示，在 ChatGPT 的幫助下引導像 Grok 這樣的 AI，創造出真正呼應深受喜愛的 Studio Ghibli 精神的圖像。
更廣泛的應用與人的因素
使用像 ChatGPT 這樣的語言模型來優化像 Grok 這樣的圖像生成器的提示，這種策略遠不止於重現 Ghibli 美學。這種技術代表了一種與生成式 AI 互動的強大範式，允許在各種風格和複雜概念上實現更高的精度和控制。想像一下使用這種方法來：
- 模仿 Van Gogh 獨特的筆觸或 Dalí 的超現實景觀。
- 根據詳細規格生成複雜的技術圖表或建築視覺化效果。
- 為具有高度特定屬性和情緒的角色或環境創建概念藝術。
- 為故事敘述開發視覺效果，確保多個圖像在風格和細節上的一致性。
歸根結底，這些 AI 工具，無論多麼複雜，仍然是由人類創造力和意圖引導的工具。使用 ChatGPT 進行提示工程和 Grok 進行圖像合成的協同方法，突顯了人類與人工智能之間不斷演變的關係——在這種關係中，理解不同系統的能力和局限性使我們能夠以新穎的方式協調它們，以實現複雜的創意目標。它將過程從簡單地要求 AI 提供圖像，轉變為更深思熟慮的設計和指導行為，將用戶牢牢地置於創意指揮者的角色。