# Whisk AI 使用教程：主体、场景、风格三图混合详解

Whisk AI 是一种不用写长提示词也能出图的方式：你给模型看一张**主体**图、一张**场景**图和一张**风格**图，它会把三者融合成一张全新的图片。本文讲解 WhiskAI 上的 Whisk AI 混合是怎么工作的、三个槽位分别起什么作用、什么时候需要提示词、什么时候可以留空、该选哪个模型、要花多少积分，以及如何把满意的混合图变成一段短视频。下面所有操作都在浏览器里的[图片创作台](https://whiskai.net/image)完成。

WhiskAI 是独立运营的服务，与 Google 无隶属关系，也未获得 Google 的认可或赞助。Whisk 和 Google 是 Google LLC 的商标；我们用“Whisk AI”来描述“主体 + 场景 + 风格”这种混合工作流。

## 什么是 Whisk AI 混合

传统的文生图工具从文字出发，而 Whisk AI 混合从图片出发。你不需要写“一只橘色小猫，坐在霓虹街机上，画成亮面乙烯贴纸”这样的长句，只要把三张图拖进带标签的槽位：

- **主体（Subject）：**结果里应该出现的东西。宠物、产品、角色、吉祥物，或者（经本人同意的）人物。
- **场景（Scene）：**主体应该身处的地方。海滩、厨房、夜晚的街道，或者一块干净的摄影背景布。
- **风格（Style）：**结果应该呈现的样子。水彩画、贴纸页、黏土模型、复古海报、铅笔素描。

创作台会把已填写的槽位连同一句简短说明发送给多参考图模型，告诉它哪张图扮演哪个角色。模型会保留主体的样貌，借用场景的环境和光线，并用风格图的质感把一切重新渲染出来。你可以只填一个、两个或全部三个槽位，也可以在此基础上再加一句提示词。

## 第 1 步：打开图片创作台并选择模型

进入 [WhiskAI 图片创作台](https://whiskai.net/image)。混合槽位位于提示词输入框上方。上传之前，先看看模型选择器：

- **Nano Banana Pro** 是默认模型，也是做混合最全面的选择。它最多接受 8 张参考图，能让人脸和产品保持可辨认，文字渲染也很干净。1K 或 2K 每张 25 积分，4K 每张 33 积分。
- **Nano Banana 2.1** 适合打草稿的省钱选项：1K 6 积分、2K 9 积分、4K 13 积分，角色一致性也不错。
- **Nano Banana 2**（1K / 2K / 4K 分别为 11 / 17 / 25 积分）细节更丰富，支持更宽的画幅。
- **GPT Image 2** 和 **GPT Image 2.5 Flare**（1K 9 积分、2K 14 积分、4K 22 积分）偏向鲜艳的插画感和清晰的排版文字，很适合海报和贴纸。

列表里的 GPT Image 2.6 Economy 不接受参考图，因此不能做混合，只适合纯文字生图。只有生成成功才扣积分：如果渲染失败，积分会自动退回你的余额。

## 第 2 步：填写主体、场景和风格槽位

点击槽位或直接把文件拖上去，JPG、PNG、WebP 都可以。下面几条规则效果差别很大：

**主体。**每张图只放一个清晰的主体，光线充足，周围少一些杂物。放在素色桌面上的产品，效果比放在拥挤货架上的同一件产品好得多。如果主体是你画的角色，正面图是最稳妥的参考。

**场景。**选场景图时看重的是地点和光线，而不是画面里的东西。如果场景照片里已经有人，模型可能会把那个人保留下来。空房间、风景照或背景布能给出最干净的环境。

**风格。**这个槽位读取的是质感、色彩和媒介。一张水彩的局部特写、一页贴纸、一张黏土公仔的照片，比一整幅该风格的场景信号更强。尽量避免风格图本身带有很强的主体，否则结果会变成两者的混合体。

三个槽位不必全填。只填主体 + 风格，就能得到“我家猫咪做成珐琅徽章”；只填主体 + 场景，就能在保持照片质感的同时把产品放到新地点；只填风格再加一句提示词，效果就像文生图里的风格参考。

## 第 3 步：决定是否需要提示词

只要至少填了一个槽位，WhiskAI 就允许你在提示词框留空的情况下直接生成。这种“无提示词模式”是看模型如何理解你三张图的最快方式，常常还会带来意想不到的结果。

当你想控制图片本身表达不了的东西时，再加提示词：

- **动作或姿态：**“跳起来”“手里拿着咖啡杯”“从上往下俯拍”。
- **构图：**“居中，顶部留出大片空白放标题”。
- **图中文字：**“底部用粗体写 SUMMER DROP”。Nano Banana Pro 和 GPT Image 对短文字处理得很好。
- **修正：**“logo 与主体图完全一致”“不要出现其他人”。

提示词要短。在槽位之外再写一两句，通常比写一大段效果更好，因为图片已经承担了大部分描述。想找灵感，可以看我们的 [Whisk AI 风格创意](https://whiskai.net/blog/whisk-ai-style-ideas)，里面有贴纸、毛绒玩具、珐琅徽章、手办和海报的提示词公式。

## 第 4 步：选择画面比例和分辨率

方形（1:1）和 4:5 是贴纸、徽章和社交帖子最自然的形状。手机壁纸和快拍用 9:16，横幅和封面图用 16:9。Nano Banana 系列提供的比例最多，包括 21:9。

大多数模型的分辨率会影响价格，所以先用 1K 打草稿，只把最满意的那张用 2K 或 4K 重新生成。免费账户只能渲染 1K，购买积分包或订阅后可解锁更高分辨率。生成按钮上方的费用框会在你点击之前显示准确的积分数。

## 第 5 步：生成、对比、迭代

点击**生成**（或按 Ctrl/⌘ + Enter）。Nano Banana Pro 通常需要 20 到 60 秒，GPT Image 系列需要 30 到 90 秒。结果会出现在面板旁边的画布上，可以下载、复制提示词或复用设置。“复用设置”会把同样的槽位、模型和提示词放回面板，方便你每次只改一处：

1. 只换风格图，在同一个主体上尝试不同的外观。
2. 保留风格、更换场景，做出风格统一的系列图。
3. 在提示词里加一句话修正细节，而不是从头再来。

每次只改一个变量，是弄清每个槽位作用的最快方法。

## 第 6 步：让混合图动起来

遇到喜欢的混合图，点击结果上的**让它动起来（Animate this）**。WhiskAI 会把这张图发送到[视频创作台](https://whiskai.net/video)的首尾帧模式，并把它设为首帧，你只需要描述动作：“贴纸从纸面上揭下来并旋转”“镜头缓慢推近，头发被微风吹动”。视频模型单独计费，例如 Veo 3.1 Lite 一段 720p 视频 41 积分，Seedance 2.0 Mini 480p 每秒 6 积分起。[价格页](https://whiskai.net/pricing)列出了积分包在每个模型上能生成多少内容。

## 常见问题与快速解决

- **主体变化太大。**换一张更干净的主体照片，切换到 Nano Banana Pro，并在提示词里加上“保持主体的脸/外形完全一致”。
- **风格太弱。**把风格图裁得更紧，让它主要展示质感，或者在提示词里写明媒介（“做成毛毡玩偶”）。
- **场景图里的人出现了。**换一张空场景，或在提示词里写“不要有人”。
- **文字拼错。**控制在几个单词以内，加上引号，并尝试 GPT Image 2 或 Nano Banana Pro。

## 下一步

去[作品展示](https://whiskai.net/gallery)看看其他创作者用过的提示词，点击“使用此提示词”即可载入创作台。如果你原本是在找 Google 自家的工具，可以读读 [Google Whisk 怎么了](https://whiskai.net/blog/google-whisk-alternative)，了解它的简短历史，以及这款 Whisk 风格混合工具与它的异同。准备好了，就打开[图片创作台](https://whiskai.net/image)，放入你的第一张主体图吧。

---

Source: https://whiskai.net/zh/blog/how-to-use-whisk-ai · Site index for AI agents: https://whiskai.net/llms.txt · Full content: https://whiskai.net/llms-full.txt
