動畫衣裳快速生成法：從拒絕到通過的提示詞技巧

問題：為什麼衣裳提示詞總是失敗

這個技巧最初由 @symphocawaii 在 X 上分享——用簡潔結構在 Chappy 中生成特定衣裝，獲得超過百萬次瀏覽。

你在 Chappy、DALL-E 或 Midjourney 中輸入衣裳設計需求，結果通常有兩種情況：

AI 拒絕了（「這要求違反政策」）
AI 生成的不是你想要的（生成了隨意的元素，忽略了細節）

原因不是 AI 不理解動畫美學，也不是你的想像力不夠。原因是你的提示詞太冗長、結構不清楚了。

AI 模型在處理「垃圾訊息比」高的 prompt 時會迷失方向。你在描述背景、光線、情感時，AI 反而忘了你最關鍵的需求：這件衣服長什麼樣子。

常見失敗案例（拆解）

例子 1：冗長但沒重點

一個動漫女孩穿著藍色和白色的校服，站在陽光明媚的校園裡，
櫻花樹下，微風吹動她的長頭髮，表情溫柔而優雅，
背景是漂亮的日本校園建築，光線柔和而溫暖，
整體氛圍寧靜而夢幻，色彩飽和度高，
應該看起來像高質量的動畫插圖...

問題：

衣服描述只有「藍色和白色校服」一句
其他 70% 是背景、光線、「氛圍」
AI 被淹沒在修飾詞裡，重點反而不清

例子 2：模糊的「時尚」詞彙

她穿著時尚的動漫衣服，看起來很可愛，搭配得很好...

問題：

「時尚」「可愛」「搭配得很好」對 AI 沒有視覺意義
AI 會生成它認為的「通用可愛」，往往很平庸

改善方案：結構化提示詞

核心原則：衣服優先，其他次要

簡潔版本：

動漫風格，女孩，藍白色校服：短袖白襯衫、膝上藍色短裙、
白色襪子、黑色鞋子。cel-shading 風格，清晰細節。

對比分析：

失敗版本	成功版本	差異
「漂亮的藍白校服，搭配也很好」	「藍白校服：白襯衫、藍短裙、白襪、黑鞋」	從修飾轉為描述。從評價轉為結構
「陽光下微風吹動，氛圍很棒」	（刪除）	背景詞彙移除，專注衣服本身
「動畫質感，高品質」	「cel-shading 風格」	用明確的藝術風格代替「高品質」

範本：三層結構

[風格] [角色類型]，[主要衣件]：[具體細節]，[顏色配置]。[藝術風格]。

實例：

動漫女孩，Lycoris Recoil 風格：黑色長外套、紅色內襯洋裝、
黑色長襪。cel-shading，動畫插圖品質。

另一個例子（奇幻風格）：

動漫角色，魔法少女：蓬鬆紫色短裙、白色蝴蝶結頂部、
透膚黑紫色襪子。賽璐珞藝術風格。

為什麼這個結構有效

1. 清晰的語法樹

AI 的視覺理解建立在詞彙關係上。當你說「藍白校服：襯衫、短裙」時，AI 明確知道：

「校服」是主要概念
「襯衫」和「短裙」都附屬於校服
「藍」和「白」是色彩修飾符

這比「漂亮的校服，色調很棒」清楚得多。

2. 移除雜訊，提高訊號強度

背景、光線、「氛圍」這些詞彙在圖像生成中會吸收模型的注意力。當你只談衣服時，模型會專注在生成衣服細節。

3. 內容政策友善

許多拒絕是因為 prompt 中有模糊的、容易被誤讀的詞彙（例如「誘惑的」「透露」）。簡潔、結構化的 prompt 避免了歧義——AI 只看到衣服本身，而不是被不必要的修飾詞誤導。

進階變形

變形 1：融入特定作品風格

進階版本：@symphocawaii 也示範了用「Lycoris Recoil（リコリコ）」風格直接生成衣裝的效果。

如果你想生成特定動畫作品的衣裳風格，在 prompt 中明確命名：

動漫，Chappie 風格人物，校服：紅色短裙、白色襯衫、黑色領帶。
高飽和度色彩，cel-shading。

（注：「Chappie」可替換為「Lycoris Recoil」「Sailor Moon」等你想要的參考作品。）

變形 2：色彩搭配實驗

當衣服結構固定後，你可以迅速測試色彩組合：

動漫女孩，校服：同上，但用深藍色 × 象牙色搭配。

或

動漫女孩，校服：同上，但用深紫色 × 銀色搭配。

這種「保留結構、替換顏色」的方法讓你快速迭代，而不需要重新寫整個 prompt。

變形 3：混合風格元素

動漫女孩，制服與和風混合：
黑色短袖和服上衣、水藍色褶裙（校服風）、足袋白襪。
cel-shading，高對比度。

注意事項

1. AI 版本會影響結果

這個技巧在 2026 年的 Chappy、DALL-E 3、Midjourney v6+ 上有效。但 AI 更新頻繁——明年可能有新的內容政策或模型改變，導致某些提示詞失效。

2. 色彩術語要明確

「淡藍」「深藍」「天藍」對 AI 的意義各不相同。如果結果色彩不對，試試：

使用具體的色彩參考（「牛仔布藍」「天空藍」）
或使用 HEX 代碼（#0066CC），某些 AI 支持

3. 內容政策邊界

簡潔 prompt 對內容合規有幫助，但不是免死金牌。如果衣服本身違反平臺政策（如過度暴露），簡潔 prompt 也無法通過。這個技巧的重點是：避免因為 prompt 的歧義或多餘詞彙而被拒，而不是規避政策本身。

核心思路

清晰 > 冗長，結構 > 流水帳。

在圖像生成中，每一個詞都在競爭 AI 的注意力預算。當你寫衣裳提示詞時，問自己：

這個詞是在描述衣服嗎？如果不是，刪除它。
我能用 3 個詞描述這件衣服的整體結構嗎？（例如「短裙、襯衫、襪子」）
色彩和風格是否清楚到 AI 不會誤解？

這個原則不只適用於衣裳，也適用於任何細節導向的圖像生成場景。試試看，然後在回覆中分享你的成功案例。