用图像模型生成一整副塔罗牌的人,大多撞过同一堵墙:每张牌回来都是另一种画风。一张写实,一张扁平矢量,第三张像是三个人分别画的。塔罗牌本质上是一套设计系统——78张插画必须共享同一套视觉语法:线条、配色、构图、字体、取景规则。
![]()
以权杖七(Seven of Wands)为例,这张牌正好能说明"风格锁定"在实操中长什么样,以及背后压着哪些工程决策。
先看结构,再看画。这张图是分层搭出来的:
- 一层装饰边框,深色底上缠绕金色藤蔓与荆棘纹样,四角嵌星形徽章;
- 顶部铭牌放罗马数字VII,底部铭牌放牌名,用展示型衬线字体。这两块铭牌属于整副牌共用的"外框件",每张牌完全一致;
- 中央插画走细致的漫画/奇幻墨线风格:守卫者占据高地,手持长杖迎击下方多支向上刺来的权杖,背景是放射光芒的日落天空。
分层是刻意的。如果把边框、牌名、数字全部塞进每一次生成,控制权就丢了。可靠的做法是只生成插画,外框件用程序合成。
实际生产流程大致是这样几步。第一步是风格锚定:挑一张足够强的参考牌,把它的风格描述词逐字复用到每一条提示词里——线宽、上色方式(重墨线勾勒加交叉排线的色彩)、色板(暖赭与铁锈色调)、氛围关键词。第二步是逐张约束构图:传统韦特塔罗的图像志已经给定了场景,权杖七就是高地上的守卫者对抗来自下方的六支权杖;把传统含义编码进提示词,牌面才对真正用塔罗的人可读,这属于领域知识,不是装饰。第三步是负空间规划:底部铭牌需要一条干净的区域放牌名,提示词里要求带边框、留深色边距的构图,后期叠加就有可预期的空间。
第四步是合成后处理。数字与牌名的排版在代码里完成,用SVG或画布渲染覆盖到生成的画面上。这样能保证78张牌的字体、字距、位置像素级一致——这是任何图像模型都给不了的稳定性。第五步是批量质检:把所有牌拼成一张接触印相表并排看,风格漂移在网格里比单张翻看容易发现得多,跑偏的牌用收紧后的风格词重新生成。
分层做法的回报,就落在这张牌能看见的细节上:边框纹样清晰对称,数字精确居中,牌名字体易读且统一——因为这些都没交给模型。模型做它擅长的事:叙事性插画、戏剧化光线、动态人物姿态;代码做它擅长的事:可重复性。
代价同样真实。模型内生成文字不可靠,别让模型去画牌名,规模化之后烧进画面的文字会糊成一团。风格漂移会在长批次里累积,所以要隔几轮就回到参考牌重新锚定提示词,而不是从上一张的输出继续迭代。人工审核也留在流程里:图像志的准确性——权杖指向哪边、一共几支——需要懂这套牌传统的人逐张核对。
最终的结果是一副牌里,第VII张看起来就该挨着第VI张和第VIII张,整套可以作为一个连贯的网页体验发布。完整的牌组已经上线,项目地址是 bevespera.top;想跟进流程或提问,也有一个WhatsApp群在同步进展与讨论。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.