文生图接口的提示词写多长合适？nano banana pro / gpt-image-2 实测长度与负面词

调文生图接口最常见的误区是"提示词写得越详细越好"。实测下来不是------写到某个长度之后，再加细节反而开始互相打架，出图质量掉下来。

这篇在甜甜圈API （dashengfenshen.cn）上拿 nano banana pro 和 gpt-image-2 跑了一轮，说清楚提示词该写多长、负面词该怎么用。

一、长度：60~120 字是个甜区

同一个商品，把提示词从 20 字逐步加到 300 字，观察出图：

长度	表现
20 字以内	主体对，但构图、背景、光线全靠模型自由发挥，批量出图风格不统一
60~120 字	最稳。主体 + 构图 + 背景 + 光线四要素齐了，批量出图风格一致
200 字以上	开始出现"顾此失彼"------强调了材质就丢了构图，加了场景又改了角度
300 字以上	明显退化，很多要求直接被忽略

60~120 字这个甜区基本能把四件事说清楚，再多就是在给模型出难题。

二、四要素模板

复制代码

[主体是什么] + [构图/机位] + [背景] + [光线]

const prompt = [
  '一只白色无线蓝牙耳机充电盒，盒盖打开露出耳机',   // 主体
  '正方形构图，商品居中，正面平视机位',              // 构图
  '纯白色背景，商品下方有柔和投影',                  // 背景
  '柔和顶部打光，高光克制不过曝',                    // 光线
].join('，');

await fetch('https://dashengfenshen.cn/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.TTQ_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: 'nano-banana-pro',
    messages: [{ role: 'user', content: prompt }],
  }),
});

四要素固定、只换主体，这是批量出图风格统一的关键。前三要素抽成常量，商品描述做变量，一次能刷出一整套视觉一致的图。

三、负面词：写"不要什么"不如写"要什么"

很多人习惯堆负面词（不要文字、不要水印、不要模糊、不要多余的手）。实测这招在 nano banana pro 和 gpt-image-2 上效果一般------模型对"不要 X"的理解，经常变成"注意到了 X"。

更有效的是把否定改写成肯定：

✗ 负面写法	✓ 正面写法
不要背景杂物	纯白色背景，画面中只有商品
不要文字	商品表面干净无标签
不要模糊	全画面清晰对焦，边缘锐利
不要奇怪的光	柔和顶部打光，单一光源

确实需要排除的（比如"不要出现人手"），放在提示词最后单独一句，别混在描述中间。

四、两个模型的脾气不一样

	nano banana pro	gpt-image-2
提示词风格	结构化的短句列表更好使	完整通顺的句子理解更准
长提示词	120 字以后开始丢细节	到 180 字左右还稳得住
材质质感	好，速度快	更细腻，适合终稿
单次消耗	10 积分	按次计费

实践上的分工：先用 nano-banana2（8 积分）把提示词调对 ，一句话改几版看效果；定稿了再切 nano-banana-pro 或 gpt-image-2 出正式的。调词阶段用 Pro 级是纯浪费。

五、模型与消耗

模型代码	定位	消耗
`nano-banana2`	调提示词、跑量草稿	8 积分/次
`nano-banana-pro`	终稿，支持 1K/2K/4K	10 积分/次
`gpt-image-2`	细节质感最好	按次计费
`ttq-cutout`	抠图出白底	10 积分/次
`Veo 3.1 视频生成` / `Sora 2`	生视频	120 / 130 积分/次

六、小结

提示词四条：60~120 字是甜区 、主体+构图+背景+光线四要素模板化 、 负面词改写成肯定句 、调词用 Flash 级出终稿用 Pro 级。

甜甜圈API （dashengfenshen.cn）一个密钥能同时调 nano banana pro、gpt-image-2、 Veo 3.1、Sora 2，换模型只改一个字符串，试词成本极低。 模型全 、价格便宜 、并发高 、出图快 、稳定。文档地址：https://dashengfenshen.cn 。