DALL-E 常见问题与解决方案：我踩过的坑和总结的经验

一个让我头疼的具体问题

去年年底，我在给一个客户的电商网站做配图，需要一批“极简风格的白色陶瓷咖啡杯，放在原木桌面上，柔和自然光”的产品场景图。听起来简单对吧？结果我用了整整一个下午，生成了四五十张图，问题不断：杯子的把手长在错误的位置、木质纹理变成了塑料质感、光线来源前后矛盾。更糟的是，同样的提示词，第二次生成完全变成了另一种风格。

那天之后，我决定认真研究 DALL-E 的提示词写法和常见问题的应对方法。这篇文章就是我把踩过的坑整理成的实战笔记，希望你能少走弯路。

问题一：生成结果和预期完全不符

这是最常见的抱怨。你脑子里想的是一张图，DALL-E 给你的是另一张。原因通常不是工具不行，而是提示词太模糊。

我踩的坑：早期我写提示词像发微信：“一只猫在花园里”。结果出来的是水彩风格的猫、卡通猫、油画猫，就是不是我要的写实照片。

解决方案：把提示词拆成五个层次，按顺序写：

主体（什么物体/人物）
动作或状态（在做什么）
环境（在哪里）
风格和媒介（照片、插画、3D 渲染等）
光线和氛围（自然光、黄金时刻、工作室灯光）

对比一下实际效果：

差的提示词：一只猫在花园里

好的提示词：一只橘色的短毛猫趴在开满薰衣草的花园石板路上，
午后自然光，浅景深，写实摄影风格，35mm 镜头

改完之后，我大概 8 次生成里有 6 次能得到接近想要的结果，比之前的命中率高出不少。

问题二：文字渲染总是出错

DALL-E 3 在文字方面比前代强了很多，但依然会在细节上翻车。我做过一个测试，让它生成写着 "SALE 50% OFF" 的海报，10 次里大概有 3 次文字完全正确，其余的会出现 "SAEL"、"5O% 0FF" 之类的错误。

解决方案有三个：

把文字内容用引号明确标出，并且告诉它文字的位置：一块木制招牌，上面写着 "Fresh Coffee"，文字居中清晰
文字越短越可靠。超过四五个单词，出错率明显上升。长文案我从来不指望 DALL-E，后期用设计软件加。
生成多张备选。一次生成 2-4 张，挑文字正确的那张，比反复修改提示词更省时间。

问题三：人物的手、细节物体经常崩坏

手指数量不对、眼镜腿穿过耳朵、椅子腿是歪的——这类问题 DALL-E 依然存在，虽然比早期版本好多了。

我试过有效的方法：

减少画面中的手部特写需求。提示词里加 hands in pockets（手插口袋）或 holding the cup with both hands naturally（自然地双手捧杯）能降低崩坏概率。
复杂的机械结构、乐器（尤其是小提琴、吉他这类弦乐器）很难画对。我的做法是：需要这类精确结构的图，DALL-E 只出概念稿，精确图我换其他工具或手绘修改。
用 inpainting（局部重绘）功能修复。比如手画崩了，选中那个区域，提示词写 a realistic human hand with five fingers（一只真实的、有五根手指的人手），重新生成局部。这个功能救过我至少十次交付。

问题四：同样提示词，结果风格飘忽不定

做系列配图时这是灾难——第一张是扁平插画，第二张突然变成赛博朋克。

解决方案：风格锚定词要写死，而且放在提示词开头。我的模板是：

[风格关键词]，[主体描述]，[环境]，[光线]，统一使用 [色彩方案]

比如给客户做一套博客配图，我固定用：扁平插画风格，柔和的蓝绿配色，简单几何形状，白色背景。这一段每张图都原样保留，只改主体部分。实测下来风格一致性从大概 50% 提升到 85% 左右，剩余不一致的单独重新生成即可。

问题五：内容被拒绝生成

有时候莫名其妙就被拒了，提示 Content policy violation（内容政策违规）。我的经验是：

真人明星名字、知名品牌 logo 经常触发拒绝。改成描述性语言：不说 "Nike 鞋"，说 a generic running shoe with a swoosh-like curve（一双带有类似 swoosh 曲线造型的普通跑鞋）（后者有时也会被拒，但值得一试）。
涉及儿童、暴力暗示、医疗场景的词要谨慎措辞。比如 "injured"（受伤的）换成 "resting"（休息的），或者调整整个场景。
有时候是误判。我遇到过生成 a knife cutting vegetables（刀切菜）被拒的情况——改成 a chef preparing a salad in a bright kitchen（一位厨师在明亮的厨房里准备沙拉）就通过了。换个角度描述往往能绕过误判。

几个提升效率的实用技巧

提示词先写英文。DALL-E 对英文提示词的理解明显更准，我一般用英文生成，效果好得多。
建立自己的提示词库。我用一个笔记文档，按“产品图/人物/场景/插画”分类存效果好的提示词模板，下次直接改主体部分。这个习惯让我出图效率翻倍。
善用变体功能。得到一张接近的图后，用 Variations（变体）生成变体，比从头写提示词更容易收敛到理想结果。
先出小样再精修。不满意时先想清楚是构图问题还是风格问题——构图问题改描述，风格问题改风格词，别一股脑全改。

诚实地说说局限性

用了一年多，我得承认几个 DALL-E 目前做不好的事：

精确构图控制很弱。你说“左上角放一个花瓶”，它大概率不理你。需要精确排版控制的图，还是得靠设计软件。
长文字、复杂排版基本没戏，别浪费次数。
高度一致的角色（比如同一个人物出现在十张图里）很难做到，做漫画或绘本的同学要做好心理准备。
照片级的真实人脸有明显的“AI 味”，皮肤过于光滑，眼神发直。

我现在的实际工作流是：DALL-E 负责概念探索和氛围类插图，遇到需要精确控制的项目，就转到支持局部重绘和图层控制的工具里完成。工具没有万能的，清楚它的边界，才能真正把它用好。

如果你刚开始用 DALL-E，我的建议就一句话：把提示词当成给一个聪明但不懂读心的插画师下需求——你说得越具体、越有条理，它给你的就越接近你想要的。

DALL-E 常见问题与解决方案