Gemini Pro 做图太离谱？教你几招搞定图片方向一致性问题

最近在折腾 AI 绘画的朋友估计没少碰壁，尤其是使用 Gemini Pro 的时候。本来以为现在的多模态大模型已经足够聪明，结果在做一些基础操作时，它依然会给你来个“惊喜”。

网友吐槽Gemini Pro无法实现对齐两张图片人物方向的需求

今天看到有网友吐槽，说为了把两张照片里的人物方向对齐，自己都亲自上手画出样图了，结果 Gemini Pro 还是按自己的理解来，完全不听指挥。这种“人工智障”的时刻确实让人血压飙升，特别是当你明明已经给出了极其明确的指令，甚至是视觉参考，它依然我行我素。

为什么大模型会“理解偏”？

其实，这不仅仅是 Gemini Pro 的问题，目前的绝大多数主流大模型在处理细节指令时，都存在一定的“幻觉”或理解偏差。

1. 空间感知的短板 对于文字描述，大模型可能已经理解得很透彻，但一旦涉及到具体的“方向”、“朝向”、“空间关系”，模型的内部编码有时会混乱。比如你说的“向左看”，它可能理解为“整体向左移动”，或者干脆根据它训练数据里的常见构图擅自发挥。

2. 权重的冲突 当你提供的参考图和你给出的文字指令在模型内部权重发生冲突时，模型往往会倾向于“审美优先”而非“指令优先”。它可能觉得“这样构图更好看”，从而忽略了你要“方向一致”这个硬性指标。

3. 上下文窗口的局限 在多轮对话中，如果前面的指令过长或图片过多，模型可能会“遗忘”早期的约束条件，导致在生成最终图时，只抓住了最新的关键词，而丢了之前的设定。

实战：如何把人物方向对齐？

既然痛点是“人物方向始终无法一致”，光吐槽没用，我们得想办法解决。这里总结了几个实测有效的方案，大家可以按顺序尝试。

方案一：极简化的位置限定词

不要试图用长难句去解释“方向”，直接使用极度抽象的几何词汇。

• 错误示范：“请让这张图里的人看着右边，像另外一张图一样。”（太啰嗦，容易被忽略）
• 正确示范：“Subject facing East. Profile view.”（使用纯英文、方位词效果通常更好）

方案二：控制网络才是王道

如果单纯靠文字和参考图无法搞定，说明你需要上更专业的工具了。像 Midjourney 或 Stable Diffusion 这类工具，之所以在精准控制上更强，是因为它们有 ControlNet 这样的功能。

• 不要指望 Gemini Pro 这类通用大模型去完成像素级的精准控制。你可以把你满意的姿势图提取骨架或边缘检测，然后把这个预处理过的图喂给它。虽然 Gemini Pro 的原生界面不一定支持上传 ControlNet 类型的深度图，但你可以先描述这个骨架：“Stick figure facing left, arm raised...”

方案三：分段式生成法

不要试图一步到位。

1. 第一步：先只生成人物的头部，确认方向是对的（比如纯侧脸）。
2. 第二步：确认头部方向无误后，再通过“inpainting”（局部重绘）或追加提示词的方式，把身体补全。这样可以避免模型在生成全身图时，为了平衡构图而转头。

方案四：视觉锚点法

既然你都已经亲自画出来了，那就利用好这幅图。

• 在你的草图中，不仅画人，还要画出箭头明确指示视线方向，甚至画出背景的透视线。
• 然后在提示词里明确指出：“Follow the arrow direction in the reference image strictly.”（严格遵循参考图中的箭头方向）。视觉上的符号有时候比文字更能触动模型的注意力机制。

大模型工具的选择建议

Gemini Pro 强在它是个全能手，既能聊天又能画图，但在“专业绘画”这个细分领域，它的控制力确实不如专门的绘图模型。

如果你的需求是简单的创意发散，Gemini Pro 足够了。 但如果你的需求是精准的图像编辑、角色一致性、构图控制，建议转用专门针对图像优化的模型，或者结合其他工具链。不要试图用一把螺丝刀去砍树，工具选对了，才能少生点气。

大家在玩 AI 的时候，还遇到过哪些“脑回路清奇”的翻车现场？欢迎在评论区分享你的避坑经验！