當 AI 模型連續生成的圖片在光源位置、亮度等級或色調上出現細微但明顯的差異時，就會發生光線漂移。這是因為大多數生成式模型將每次圖片生成視為獨立事件，優先優化局部對比與清晰度，而非整體連續性。當你生成第二張圖片時，模型對「明亮晨光」的詮釋可能與第一張略有不同，導致太陽角度偏移或白平衡色溫改變。這種不一致會破壞場景連續性的錯覺，使序列顯得零散而非連貫。為解決此問題，你必須將光線視為由文字定義並透過視覺參考強化的嚴格約束條件，而非僅是提示詞的自動副產品。
在初始提示詞中定義「光線錨點」
維持一致性的最有效方法，是在第一個提示詞中為光線條件建立嚴格的文字定義。此定義將作為所有後續圖片的「錨點」。不要依賴如「自然光」或「明亮通透」等過於寬鬆的描述詞，因為它們允許過多的詮釋差異。相反地，應以幾何與色彩的精確度來指定光源的物理特徵。
你應定義三個具體參數：方向、質感和色溫。對於方向，請明確說明光源相對於主體的位置，例如「來自左上方 45 度角的光線」。對於質感，透過描述陰影邊緣的清晰度來區分硬光與柔光，例如「邊緣銳利、高對比且擴散極少的陰影」對比「柔和、擴散且漸層過渡溫和的光線」。對於色溫，避免使用「溫暖」等主觀詞彙。取而代之的是，描述相對於中性白色的色調偏移，例如「典型午後陽光帶來的些微金色調」或「清晨帶有藍色調的冷色環境光」。透過將這三個變數鎖定在一個簡潔的句子中，並逐字複製貼上到後續每個提示詞中，你為模型提供了一個固定的邏輯結構來遵循，從而減少其解讀的隨機性。
使用參考圖片鎖定陰影方向與強度
僅憑文字往往無法傳達精確的光線強度，因為模型對「明亮」的解讀會隨著提示詞中的其他元素而波動。為了應對這一點，請使用參考圖片作為視覺錨點。此技術涉及上傳或附加一張體現你所期望的確切光照條件的特定圖片，然後指示模型將此參考圖片中的光照佈局複製到你的新主題上。
選擇參考圖片時，請挑選具有清晰、分明陰影的圖片。平坦且均勻照明的圖片提供的方向或強度資訊較少，而具有強烈方向性陰影的圖片則能為模型提供明確的幾何線索。輸入參考圖片時，請搭配簡潔的指令，將內容與光照分開處理。例如，指示模型「將參考圖片中的光照設定套用到新主體上」。這會迫使模型優先處理光源與物體之間的空間關係，而非參考圖片本身的具體細節。確保參考圖片在整個序列中保持一致。在不同生成之間切換參考圖片會引入新的變數，導致立即產生漂移。透過將每次生成錨定在同一個視覺範例上，你能建立一套模型在不同主體間重複使用的視覺語法，確保陰影長度與深淺在鏡頭之間保持比例一致。
調整鏡頭間色溫一致性的技巧
即使方向和強度保持一致，由於模型內部色彩平衡演算法的影響，色溫（光的暖色調或冷色調）仍可能出現變化。這些演算法通常試圖修正主體中感知到的色偏，這可能會無意間改變背景光照的色調。為了維持溫度一致性，你必須將光照顏色與主體的固有顏色分離。
一個有效的技巧是將燈光色彩與場景描述分開指定。不要將燈光描述融入主要敘述中，而是在提示詞末尾附加一個專門的燈光子句。使用相對色彩術語來描述光源之間的關係，而非絕對數值。例如，若想要中性外觀，請指定「中性白平衡，無主導色偏」。若想要溫暖感，請指定「黃金時刻的溫暖感，紅色不過飽和」。這有助於防止模型對場景中的顏色進行過度補償。此外，若您在生成一系列時間變化的圖像，請將溫度變化描述為漸層而非跳躍。例如，透過為每個步驟使用中間描述詞，從「清晨冷調藍」過渡到「正午中性白」再到「傍晚暖調金」。這創造了模型可以遵循的邏輯進程，確保色彩轉變感覺有意圖且平滑，而非不穩定。
解決最終構圖中高光與陰影不匹配的問題
儘管謹慎撰寫提示詞，偶爾仍可能出現高光強度或陰影深度的不匹配。檢視一系列圖像時，請注意圖像最亮部分（高光）的亮度以及最深陰影的暗度是否一致。若一張圖像看起來褪色，而另一張看起來深沉且對比強烈，則表示燈光強度已發生漂移。
要解決這個問題，請先檢查提示詞長度。較長且複雜的提示詞會稀釋特定光照指令的效果。請簡化提示詞，刪除關於主體不必要的形容詞，並專注於光照條款。如果偏移情況持續，請調整「強度」或「影響力」設定（若您的工具支援），為參考圖像賦予比文字提示詞更高的權重。另一個常見問題是背景複雜度；雜亂的背景可能導致模型調整光照以確保主體突出，從而改變整體曝光。為解決此問題，請在後續提示詞中簡化背景描述，使用「極簡背景」或「純色背景」等術語，讓光照表現更可預測。最後，如果特定圖像偏差顯著，請使用先前成功的圖像作為光照的唯一參考進行重新生成，而不是僅依賴原始文字提示詞。這種迭代優化有助於將序列拉回既定的基準，確保視覺敘事的一致性。