如何撰写动漫表情提示词：36 个示例

要写动漫表情的提示词，先点明是哪种反应，再描述眉毛、眼睛和嘴巴上可见的变化，并让角色参考图保持稳定。几条清晰的线索，胜过一长串情绪词。

下面是 36 条提示词条目及对应的编号示例：27 种面部反应和 9 种风格化动漫效果。四张图表用的都是 Rina，同一位原创成年角色。表格里的分镜指令是从提交的生成提示词中原样照抄的。每张图表都是一次 nine-panel 生成——不是 36 次独立测试。

从一张角色参考图开始

Rina 是一位原创的 26 岁动漫女性：深赤褐色波波头、琥珀色眼睛、左侧太阳穴上方一枚小黄铜发夹、深青色高领毛衣。她左侧的发夹出现在观者的右侧。

把这张已确认的肖像上传，作为每一次请求的参考图。发型、脸型、服装、光线和肖像比例都保持不变。变化主要应该发生在表情上。

可以在 Arcloop 上的 GPT Image 2.5 中，用一套基于参考图的工作流试试。肖像必须通过图像输入控件上传——只输入角色名字并不会附上参考图。这些插图演示的是一套工作流，不是命名模型之间的横向评测。

提示词如何与图片对应

每张图表都从左到右、从上到下阅读。编号 01–09 是第一张图表，10–18 是第二张，19–27 是第三张，28–36 是第四张。

表格里的条目是为那些分镜提交的、未经改动的表情指令。每一次请求还附带了参考图，以及关于 three-by-three 宫格、角色一致性、头部竖直、正面肖像、象牙白背景和数字标签的共用指令。

这样你就能知道哪份输入产出了哪张图表。这不意味着模型遵守了每一条线索——请拿图片对照指令来判断，也不要事后悄悄改写指令去迎合结果。

图表 1：九种核心面部表情

对比要点： 面无表情在下压的眼睑下保持着专注的目光；愤怒多出眉毛向内收的紧绷；厌恶多出鼻子和上唇的线索。正是这些方向上的差异，让三种不同的反应不会塌缩成同一个皱眉。

观察到的局限： 害羞和困惑那两张肖像无视了共用的竖直头部指令，把头歪了过去。害羞的微笑依然读得清楚——只是姿势不是要求的那样。如果你把这张图表当作示例，请保留这一区分。

图表 2：细微反应与克制的情绪

对比要点： 强忍笑意比礼貌的微笑更用力地牵动脸颊和眼睑。克制的恐惧把嘴闭上并绷紧，而不是像惊讶那样张开。强忍泪水多出湿润的眼睛，同时嘴巴始终闭着。

观察到的局限： 这一次里，不为所动和怀疑彼此很接近。释然比要求的更闭上了眼睛。有几个分镜单看能读懂，但那些细微的标签还是需要一个场景才有意义。

图表 3：日常与混合情绪

对比要点： 无聊把注意力转开，困倦多出一个哈欠，疲惫带来眼下阴影和一张被抽空的闭嘴。喜极而泣把微笑和眼泪配在一起；强忍泪水则让下半张脸保持紧绷。

观察到的局限： 模型给苦笑加上了腮红，而那个分镜从未要求过。含蓄的自豪和歉意都克制到脱离语境时容易读混。请把标签当作表演指导，而不是对内心状态毫无歧义的描述。

图表 4：动漫与漫画式反应效果

这九条提示词刻意使用了风格化的绘画惯例。眼睛符号、一条阴影带或一个漫画标记，会取代正常面部的一部分。在这里，你应该让指定的效果压过「保留自然瞳孔或写实细节」这类常规指令。

对比要点： 分镜 07 的惊讶保留了细致的琥珀色眼睛；分镜 30 的空白眼震惊则有意去掉了虹膜。分镜 09 的困惑靠眉毛和视线线索成立；分镜 29 则把眼睛换成了螺旋。这是不同的视觉处理，而不是同一种自然表情的更强版本。

观察到的局限： 汗滴和怒筋都落在了发夹那一侧，尽管两条提示词要求的都是另一侧的太阳穴。符号是看得见的；位置没有被遵循。有些分镜还多出了腮红。

使用统一的设定，再添加一个表情

如果只需要一张肖像，就从下面这样的设定开始，然后完全照写追加一条表格条目：

Use the uploaded Rina portrait as the character reference.
Keep her face shape, auburn bob, amber eyes, left-side brass clip,
teal sweater, art style, ivory background and soft frontal light.
Use a front-facing head-and-shoulders portrait at eye level.
Keep the full hair silhouette inside the frame.
Change the facial expression as follows:
[PASTE ONE NUMBERED EXPRESSION INSTRUCTION]

这是一个可复用的模板，不是产出那四张图表的完整请求。这些表情从句是经过测试的九宫格输入；从九宫格转到单张肖像属于一次新的生成，表现可能不同。

对于图形化的眼睛或漫画标记，要加上一条明确的例外：允许所要求的符号或局部效果，同时保留其余一切。否则，「保持眼睛不变」就会和「把瞳孔换成爱心」互相冲突。

眉毛、眼睛、嘴巴和头部角度都值得逐一检查。它们并不是每个模型都会遵循的通用权重顺序。

为实际场景挑选更小的一组

你不必为每个角色都用上全部 36 个。从场景实际会用到的开始，拿来和中性参考图对比，只保留那些彼此区分且能被辨认的结果。

1. 选择表演。 这个场景需要恐惧、惊讶、克制的愤怒，还是一处喜剧节奏？
2. 守住身份与构图。 不要在同一次请求里更换服装、机位和背景。
3. 检查线索。 在相信标签之前，先看眼睛和嘴巴。
4. 对比相似项。 如果「怀疑」和「不为所动」可以互换，就改一条线索，或者删掉一个。
5. 单独重试偏弱的分镜。 回到那张已确认的肖像，只重新生成这个表情。
6. 把请求和结果一起保存。 如果你改了措辞，就给它记版本，然后重新生成。

九宫格便于对比，但它只是一张被压平的图。分离的透明 PNG、对齐的精灵图、图层和骨骼绑定都要花更多功夫。文件名也无法让模型理解参考图意味着什么——要提供真正的图像。

表情不对时，换方法

以下是值得一试的做法，并不是为这些图表额外跑过的测试。

先用平实的词，而不是更多的词。 更长的提示词并不天然更可靠。堆叠的形容词、生僻的同义词和复杂的心理学标签，反而会让目标更不清晰。描述看得见的东西：微微下垂的上眼睑、平平的闭嘴、一边挑起的眉毛。缺哪条线索就补哪条；单靠长度不会提高命中率。

把反应和它的强度分开。 想要一个小微笑，就要求嘴角轻微上扬、嘴巴闭着。想要更大的，就加上脸颊上提或张开嘴。想要克制的愤怒，就用轻微的眉部紧绷和抿紧的嘴唇；明显下压的眉毛和露出的牙齿留给更强的表演。一次只动一条线索，并且只在程度确实要紧的地方才用具体的修饰词——「稍微」「轻轻」「大幅」。

把想改的区域遮起来。 如果错的只是嘴、眼睑，或一个位置不对的漫画标记，就选中那块区域，而不是要求整张图重画。把这次编辑需要的边界包含进去，然后检查周围的线条。如果你交的是一张画了圈的标注图，就明确说明圆圈标出的是要编辑的区域，且不能出现在输出里——画出来的圆圈是提示，不能代替真正的蒙版或选区工具。即便如此，也要检查结果。

把脸和效果分开，或提供视觉参考。 一个阴郁的反应可能既需要克制的脸，也需要局部的阴影处理。先把脸定下来，再在另一次单独的编辑里加上阴影、符号或标记。用多张参考图时，标明各自的角色：图 1 提供身份，图 2 只提供表情或图形效果——并且要求在采用该处理的同时，不要照搬第二个角色的脸、头发、服装或背景。面向标签的动漫模型也可能对 gloom (expression) 这类写法有反应，但不要假定标签或其语法能通用。

检查面部清理做了什么。 如果自动细节修复或面部修复步骤改变了瞳孔、嘴唇或眉毛，就把它和该步骤之前的图对比。针对那次测试去调整或绕过清理，而不是在一张本来就正确的脸上叠加更强的情绪词。

如果你的编辑器有专门的表情强度控件，就把它当作一项独立设置。写一个带权重的短语，并不会凭空造出一个可用的强度滑块。

常见失败与针对性修正

常见问题

这些就是图片实际使用的提示词吗？

是的——编号的表情指令是从四条提交的九宫格提示词中原样摘出的。每一次请求还包含一张角色参考图和更长的版面与身份约束。这些表情是按每张九个的方式生成的，并没有作为独立的短提示词逐一测试过。

图片严格遵循了每一条指令吗？

没有。上面的说明记录了可见的差异：头部倾斜、彼此相近的细微反应、多余的腮红、符号位置。正因为源提示词保持原样，你才能看到这些差异，而不是把它们藏起来。

我该用英文标签还是完整句子？

用你的模型支持的提示词风格就好。本指南使用的是平实语言的描述。不要假定某种特定的标签拼写或权重语法能在不同动漫模型和图像编辑器之间通用。

这些静态图的提示词能用于视频吗？

把表情当作起始状态或结束状态，然后描述一次清晰的过渡和一个要保持的姿势。视频可能还需要眨眼、呼吸、说话和镜头方面的指令。这些图表是静态图示例；本指南没有生成任何视频。

我可以在全部 36 个表情中复用同一张脸吗？

共用一张肖像是实用的起点，但要跨输出检查身份一致性。极端的嘴型和图形化的眼睛替换会有意破坏可识别的特征。对比稳定的设计细节，并针对每一项的用途逐一确认结果。

从一张能被认出的脸和几个确实彼此不同的反应开始。等下一个场景需要另一种表演时，再扩充这一组。

想把表情练习延伸到场景创作，可以继续使用 AI 动漫生成器。